Фактографические методы прогнозирования

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение  
высшего профессионального образования

«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ  
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»

КАФЕДРА ИННОВАТИКИ И УПРАВЛЕНИЯ КАЧЕСТВОМ

КУРСОВАЯ РАБОТА  
ЗАЩИЩЕНА С ОЦЕНКОЙ

РУКОВОДИТЕЛЬ

асс.				С.А. Морозов
должность, уч. степень, звание		подпись, дата		инициалы, фамилия

 

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА  К КУРСОВОЙ РАБОТЕ

ФАКТОГРАФИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ

по дисциплине: Методология социально-экономического прогнозирования

РАБОТУ ВЫПОЛНИЛ

СТУДЕНТ ГР.	М055				К.П.Менахов
			подпись, дата		инициалы, фамилия

Санкт-Петербург 
2013

Содержание

Введение…………………………………………………………………………...3

1. Методы прогнозирования……………………………………………………..4
2. Фактографические методы прогнозирования……….……………………….7
1. Статистические методы…………………………………………………..8
2. Опережающие методы…..…………………………………….……...…13
3. Методы аналогий…………………………………………….………….14
3. Применение основных методов на практике.…………………...…………16
1. Метод прогнозной экстраполяции….……………………..……………16
2. Патентный метод …………………………….………….………………20
3. Метод исторической аналогии…………………………….……………20

Заключение……………………………………………………………………...23

Список используемых источников……………………………………………25

 

Введение

Актуальность темы обусловлена тем, что для большинства российских предприятий маркетинговое управление становится одним из условий выживания и успешного функционирования. При этом обеспечение эффективности такого управления требует умения предвидеть вероятное будущее состояние предприятия и среды, в которой оно существует, вовремя предупредить возможные сбои и срывы в работе. Это достигается с помощью прогнозирования как плановой, так и практической работы предприятия по всем направлениям его деятельности, и в частности, в области прогнозирования сбыта продукции (товаров, работ, услуг).

Многообразие проблем, возникающих при обеспечении жизнедеятельности предприятия и являющихся предметом прогнозирования, приводит к появлению большого количества разнообразных прогнозов, разрабатываемых на основе определенных методов прогнозирования.

Целью данной работы является изучение фактографических методов прогнозирования.

В рамках поставленной цели решаются следующие задачи:

• описание основных фактографических методов;
• применение их на практике.

 

1 Классификация видов  и методов прогнозирования

Для понимания сущности данного вопроса необходимо предварительно дать определения некоторых понятий, в частности, таких, как: метод, методика, методология, прогноз.

В широком смысле слова, метод - это: 1) способ познания, исследования явлений природы и общественной жизни; 2) прием или система приемов в какой-либо деятельности.

Применительно к экономической науке и практике, метод - это: 1) система правил и приемов подхода к изучению явлений и закономерностей природы, общества и мышления; 2) путь, способ достижения определенных результатов в познании и практике; 3) прием теоретического исследования или практического осуществления чего-нибудь, исходящий из знания закономерностей развития объективной действительности и исследуемого предмета, явления, процесса.

Методика - это: 1) совокупность методов, приемов практического выполнения чего-либо; 2) учение о методах преподавания той или иной науки.

Методология - это: 1) учение о методе; 2) основные принципы или совокупность приемов исследования, применяемых в какой-либо науке.

Прогноз – это научно обоснованное суждение о возможных состояниях объекта в будущем, альтернативных путях и сроках их осуществления.

Единого, универсального, метода прогнозирования не существует. В связи с огромным разнообразием прогнозируемых ситуаций имеется и большое разнообразие методов прогнозирования (свыше 150) и их видов (таблица 1.1). На рис. 1.1 представлен один из вариантов классификации методов прогнозирования, основанной на индуктивном и дедуктивном подходах.

 

Таблица 1.1 – Классификация видов прогнозов

Классификационный признак	Вид прогноза	Назначение прогноза, его содержание
Содержание прогноза	Поисковый	Прогноз, содержанием которого является определение:  - возможных состояний объекта прогнозирования в будущем
	Нормативный	- путей и сроков достижения  возможных состояний (принимаемых  в качестве заданных)
	Комплексный	прогноз, содержащий элементы поискового и нормативного элементов
Характер отражаемых свойств	Количественный	Прогноз базируется на:  - на количественных показателях
	Качественный	- на  качественных показателях
	Системный	- системном представлении  объекта прогнозирования
Дискретность представления результата	Интервальный	Прогноз, результат которого представлен в виде:  - доверительного интервала характеристики объекта прогнозирования для заданной вероятности осуществления прогноза
	Точечный	- единственного значения  характеристики объекта прогнозирования  без указания доверительного  интервала
Период упреждения	Оперативный	Прогноз с периодом упреждения для объектов прогнозирования:  - до 1 месяца
	Краткосрочный	- от 1 месяца до 1 года
	Среднесрочный	- от 1 года до 5 лет
	Долгосрочный	- от 5 лет до 15
	Дальнесрочный	- свыше 15 лет
Количество прогнозируемых характеристик	Одномерный	Прогноз содержит:  - одну качественную или количественную характеристику объекта прогнозирования
	Многомерный	- несколько качественных  или количественных характеристик  объекта прогнозирования
Ареал государства (государств)	Локальный	Прогноз, относящийся к:  - части данного государства
	Региональный	- региону данного государства
	Межрегиональный	- нескольким регионам  данного государства
	Общегосударственный	- государству в целом
	Межгосударственный	- нескольким государствам
	Глобальный	- Земле и Человечеству  в целом
Структура народного хозяйства	Отраслевой	Прогноз, относящийся к:  - какой-либо отрасли
	Межотраслевой	- нескольким отраслям
	Территориально-производственный	- территориально - производственным  образованиям

 

Из рис.1.1 видно, что вся совокупность методов прогнозирования может быть представлена двумя группами – в зависимости от степени их однородности.

Группа простых методов объединяет однородные по содержанию и используемому инструментарию методы прогнозирования (например, экстраполяция тенденций, морфологический анализ и др.).

Комплексные методы отражают совокупности, комбинации методов, чаще всего реализуемые специальными прогностическими системами (например, методы прогнозного графа, система “Паттерн” и др.).

 

2 Фактографические методы  прогнозирования

Фактографические методы базируются на фактической информации об объекте прогнозирования и его прошлом развитии. Чаще всего применяются в поисковом прогнозировании. Фактографические методы прогнозирования предпочтительно применять в условиях высокой устойчивости влияния факторов. Надежность и точность прогноза, основанного на фактографических методах, может быть увеличена за счет сочетания с экспертными методами. Их можно разделить на три группы: статистические, опережающие и методы аналогий. (рис. 1.2)

Сложность выбора наиболее эффективного метода экономического прогнозирования заключается в определении относительно классификации методов прогнозирования характеристик каждого метода, перечня требований к ретроспективной информации и прогнозному фону.

Рис. 1.2 - Классификационная схема методов прогнозирования

 

 

 

 

2.1 Статистические методы

Статистические методы (рис. 2.1) представляют собой совокупность методов обработки количественной информации об объекте прогнозирования, объединенной по принципу выявления содержащихся в ней математических закономерностей изменения характеристик данного объекта с целью получения прогнозных моделей. [2]

Рисунок 2.1 – Статистические методы прогнозирования

Статистические методы прогнозирования - научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных (в том числе непараметрических методов наименьших квадратов с оцениванием точности прогноза, адаптивных методов, методов авторегрессии и др.); развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования, в том числе методов анализа субъективных экспертных оценок на основе статистики нечисловых данных; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей.

Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений. Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т.е. функции, определенной в конечном числе точек на оси времени.         Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи - интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К.Гауссом в 1794-1795 гг.            Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах (2-5). Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.     К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.         Для установления возможности применения асимптотических результатов при конечных (т.н. "малых") объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста. Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи - дисперсионный анализ и дискриминантный анализ, давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования. [3]        Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.       В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития России, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.