Главная страница
Навигация по странице:

  • Метод исторических аналогий

  • 3.3.2. Математические модели прогнозирования Метод экстраполяции тренда

  • Метод эконометрического моделирования

  • Адекватность формы связи уравнения изучаемому объекту.

  • 2. Существенность факторов-аргументов.

  • Прогнозируемость факторов

  • Отсутствие большой тесноты связи между факторами

  • Значимость коэффициентов регрессии (

  • Соответствие уравнения регрессии стандартным требованиям.

  • Процесс прогнозирования на основе имитационного моделиро­ вания

  • 3.4. Факторы, определяющие выбор метода прогнозирования

  • Структурированные проблемы

  • Слабо структурированные проблемы

  • Неструктурированные проблемы

  • Прогнозирование Парсаданов. Программа Культура России


    Скачать 2.29 Mb.
    НазваниеПрограмма Культура России
    АнкорПрогнозирование Парсаданов.doc
    Дата28.12.2017
    Размер2.29 Mb.
    Формат файлаdoc
    Имя файлаПрогнозирование Парсаданов.doc
    ТипПрограмма
    #13368
    страница12 из 25
    1   ...   8   9   10   11   12   13   14   15   ...   25

    Оценка метода «семи матриц». Основные преимущества рассмот­ренного метода сводятся к следующим. Он позволяет на практике реа­лизовать принципы системности и развития в научном предвидении, объединяя анализ взаимодействия природных, научно-технических, экономических и социально-политических факторов общим стержнем единого сценария. Таким образом, развитие производительных сил, производственных отношений обусловливается как внутренними про­тиворечиями, так и причинными воздействиями, передаваемыми дру­гими подсистемами.

    В процессе подготовки, реализации и анализа результатов прогноза в поле зрения постоянно находятся не только экономические, но и природно-технические, а также социально-политические факторы, ко­торые зачастую скрыты от экономиста узостью его знаний в смежных областях. На первый план выступает необходимость тщательного фор­мулирования гипотез, закладываемых в основу сценария, проверки их совместимости. Обратная связь, предусмотренная в схеме анализа, тре­бует постоянного сопоставления исходных гипотез и результатов про­гнозных экспериментов. Последнее позволяет упрочить аргументацию относительно вероятности осуществления определенного варианта в действительности и вносит целенаправленность в процесс корректи­ровки прогнозных сценариев. Качественная реализация предложенной схемы возможна лишь при плодотворном сотрудничестве специали­стов различных отраслей науки: экономистов-страновиков, экономи­стов-международников, историков, социологов, психологов, экологов, специалистов в области международных отношений. Подобное сотруд­ничество привносит мощные импульсы развитию теоретической мыс­ли, которые исходят от смежных дисциплин.

    Задача экономиста-математика сводится к получению (при задан­ных сценариях) данных о динамике экономических индикаторов. По­следующий анализ — дело специалистов смежных отраслей науки.

    Макроэкономические переменные, получаемые на выходе моде­ли, можно рассматривать как индикаторы, характеризующие состоя­ние социально-экономической системы. Каждый из них характери­зует развитие того или иного противоречия и является, по сути дела, синтетическим интегральным индикатором. Его динамику оп­ределяет целая гамма факторов, которые можно рассматривать как частные индикаторы. Первостепенное значение имеет анализ эконо­мических и социально-политических последствий попадания значе­ния индикаторав «опасную зону», т.е. переход значения индикато­ра через «пороговую» величину. Однако следует отметить, что по­строение всех матриц — долгий и кропотливый процесс, требую­щий много времени и внимания. Но так как в работе над сценарием участвует большой отряд специалистов различного направления, степень совпадения исходных предпосылок и конечных результатов достаточно велика, и возможность действительной реализации дан­ного сценария весьма существенна.
    Метод исторических аналогий
    Метод исторических аналогий эффективен при определении путей развития новых отраслей и экономических районов. Но и принятый «образец» нуждается в дальнейшем исследовании внутренних и внеш­них условий его развития и закономерностей этого развития. Необхо­димо очень осторожно применять этот метод, так как нет абсолютно одинаковых объектов и явлений, и к тому же изменяется как внутрен­няя, так и внешняя среда объекта. Особенно важно корректное исполь­зование этого метода при прогнозировании развития социально-эконо­мической системы страны. Например, очень сомнительна возможность использования для прогнозирования выхода из кризиса и стабилизации социально-экономической системы России моделей, использованных Польшей, Венгрией, Китаем, Чили, Аргентиной. Например, Польша отличается от России компактной территорией, однородностью населе­ния, одной религией, объединяющей народ, наличием частной собст­венности в сельском хозяйстве, существовавшей даже в рамках адми­нистративно-командной системы.

    Прогнозируя развитие России, необходимо учитывать как изменив­шиеся внутренние условия за последние годы, так и внешние условия (например, связанные с мировым финансовым кризисом).

    В урезанном виде метод аналогии может быть использован и в комплексных методах, например, для прогнозирования изменений в параметрах математических моделей. Такие аналогии обычно называ­ют математическими, так как в данном случае объект прогнозирования или его часть описывается при помощи математического аппарата, ко­торый разрабатывался в интересах другого объекта, но выявленные за­кономерности в описании его развития позволили его использовать в интересах исследуемого объекта.
    3.3.2. Математические модели прогнозирования
    Метод экстраполяции тренда
    Трендовая модель это математическая модель, описываю­щая изменение прогнозируемого или анализируемого показателя только в зависимости от времени и имеющая вид: у = f(t). Она описывает тенденцию развития (изменения) достаточно стабильной со­циально-экономической системы во времени, в особенности таких аг­регированных показателей развития, как ВНП (ВВП), ЧНП, НД, уро­вень инфляции, безработицы

    Метод, использующий трендовые модели в прогнозировании, на­зывается методом экстраполяции тренда. Это один из пассивных методов прогнозирования и называется «наивным» прогнозом, так как предполагает строгую инерционность развития, которая представляет­ся в виде проектирования прошлых тенденций в будущее, а главное — независимость показателей развития от тех или иных факторов. Ясно, что нельзя переносить тенденции, которые сформировались в про­шлом, на будущее. Причины этого следующие:

    а) при краткосрочном прогнозировании экстраполяция прошлых усредненных показателей приводит к тому, что пренебрегаются (или остаются незамеченными) необычные отклонения в обе стороны от тенденций. В то же время для текущего (краткосрочного) прогноза или плана основной задачей является предвидение этих отклонений;

    б) при долгосрочном прогнозировании используется такой высокий уровень агрегирования, при котором не учитываются изменения струк­туры производимой продукции, самой продукции, изменение техноло­гии производства, особенностей рынков, т.е. все то, что составляет главные задачи стратегического планирования.

    Социально-экономическая система в отличие от замкнутой физиче­ской системы — открытая и реагирующая система, изменяющаяся в зависимости от внешних условий и ввода новых переменных. Поэтому если анализ ситуаций на основе ретроспективного взгляда может быть более или менее успешным, то прогнозирование будущего, как прави­ло, оказывается неудачным. Важно то, что детальный и внимательный анализ хода развития в прошлом почти всегда выявляет спады деловой активности, которые прекращаются и ликвидируются не пассивным ожиданием «естественных сил», восстанавливающих равновесие, а энергичными управленческими усилиями государственных органов, направленными на преодоление неблагоприятных обстоятельств.

    Статистический анализ, проводимый с целью экстраполяции, зачас­тую нацелен на выявление характера противодействия со стороны управ­ленческого аппарата, предотвращающего ожидаемые спады. Необходимо, чтобы при анализе ставилась и решалась задача выявления характера го­сударственного регулирования, государственной экономической полити­ки, эффективности различных мероприятий в различных условиях.

    Не надо пренебрегать скачкообразными колебаниями при ретро­спективном анализе. Необходимо проводить анализ не только по агре­гированной номенклатуре товаров, иначе можно «упустить» начало структурных сдвигов.

    Резюмируя вышеназванное, можно отметить, что необходимо очень осторожно переносить тенденции, которые сформировались в прошлом, на будущее по следующим причинам:

    а) в будущем может измениться эффективность многих факторов, в том числе темпы использования достижений НТП;

    б) прошлое определялось не только «естественным» развитием экономических процессов, а в достаточно большой мере государствен­ной политикой в управлении экономикой, методами государственного регулирования;

    в) экстраполяция из-за высокой агрегированное™ макроэкономиче­ских показателей не выявляет изменений структуры производства, структурных сдвигов в развитии отраслей, регионов.

    Многие авторы предостерегают от излишнего увлечения экстрапо­ляцией тренда социально-экономических показателей, так как даже на микроуровне тренд считается лишь отправной базой для прогнозиро­вания, инструментом получения «прогностического сырья». Экстрапо­ляция тренда используется в основном в оперативном прогнозирова­нии, а в стабильных СЭС — ив краткосрочном.
    Метод эконометрического моделирования
    Одним из важнейших инструментов анализа и прогноза социаль­но-экономических систем является метод эконометрического модели­рования, который наиболее эффективен в случае систем с устойчивы­ми, стабильными тенденциями развития. Рассмотрим различные моди­фикации эконометрической модели (ЭКМ).

    ЭКМ может состоять из одного уравнения регрессии (стохастиче­ского уравнения) с одним фактором. Например:
    у = а0 + а1x1— линейное уравнение,
    где а0— свободный член, а1— коэффициент регрессии.

    Классический пример — кейнсианская модель:
    Сn = f (D0), или Сn= а0 +axD0 ,
    где Сn— потребительский спрос, D0 — личный располагаемый доход прогнозируемого года.

    ЭКМ может состоять из одного регрессионного уравнения с не­сколькими факторами, т. е. многофакторного уравнения. Например:
    у = а0 + a1xl+a2x2+...+anxn, где п — число факторов.
    ЭКМ может состоять из нескольких регрессионных уравнений. Эти уравнения называются одновременными, так как решаются как бы в одно и то же время последовательно друг за другом. При этом они мо­гут быть взаимоувязаны, т.е. результирующие переменные первого

    уравнения используются как факторы для нахождения результирую­щей переменной второго уравнения. Уравнения регрессии могут быть и независимы друг от друга. При этом каждое уравнение решается са­мостоятельно, независимо от других уравнений.

    Система линейных взаимоувязанных уравнений выглядит так:




    x1 = a0 + a2x2
    x3 = b0 + b1x1
    x4 = y0 + y1x1 + y2x2.

    В этой эконометрической модели х1, x2и х4 — эндогенные пере­менные, моделируемые в рамках данной ЭКМ, а x2— экзогенный по­казатель, прогнозируемый вне данной ЭКМ (в рамках другой модели или экспертным путем). Классическим примером ЭКМ, состоящей из независимых уравнений, является модель равновесия совокупного спроса и совокупного предложения.

    В ЭКМ могут использоваться и трендовые модели, например, один или несколько экзогенных показателей, изменения которых во времени носит «плавный» характер, могут быть спрогнозированы по трендовой модели y = f(t). Хотя можно считать, что это — внемодельное прогно­зирование, так как прогнозируется экзогенный фактор. В рамках рас­четов по ЭКМ для прогнозирования экзогенных переменных использу­ются также методы экспертных оценок.

    В ЭКМ могут быть использованы и авторегрессионные уравнения типа у, = f (yt-1, yt-2, …, yt-m),в которых значение результирующего по­казателя (у) в любое время (t) является функцией значений этого же показателя за ряд предыдущих лет.

    Наряду с регрессионными уравнениями, описывающими вероятно­стные (стохастические) процессы, в ЭКМ включаются и так называе­мые дефинщионные уравнения, или тождества. Например, в модели прогнозируются государственные (Jg) и частные (Jp) инвестиции двумя независимыми регрессионными уравнениями, а третье уравнение по­зволяет рассчитать прогнозное значение общих инвестиций:
    J = Jg+Jp— это тождество.
    В ЭКМ используются и так называемые «уравнения равновесия», по форме похожие на тождества. Например, уравнение, выражающее условие равновесия на товарном рынке: AD = AS— совокупный спрос равен совокупному предложению.

    В общем случае ЭКМ называют системой регрессионных уравне­ний и тождеств. Некоторые авторы называют регрессионные уравне­ния «объясняющими» уравнениями, так как изменение значений совокупности факторов-аргументов объясняют изменение результирующей переменной, вернее, часть общего реального изменения. Чем больше объясняемая часть, тем лучше (адекватнее) регрессионное уравнение объясняет реальность.

    Тогда напрашивается вопрос, какая разница между методом экстра­поляции тренда и эконометрическим методом? Дело в том, что если вы­явленные зависимости между функцией (У) и факторами-аргументами (X) используются без изменения, т. е. экстраполируются, разница только в том, что эконометрический метод позволяет провести содержательный анализ зависимости исследуемого (прогнозируемого) показателя от того или иного показателя, а экстраполяция тренда отражает только измене­ние изучаемого показателя во времени. Но основное отличие заключает­ся в том, что эконометрические модели позволяют разрабатывать вари­анты развития социально-экономического объекта путем изменений ус­ловий его функционирования (активное прогнозирование), приводящих к различным значениям эндогенных факторов, изменению трендов их соотношений путем варьирования значений экзогенных факторов, также отличных от тенденций их изменения во времени.

    Как правило, варианты развития отличаются различными значения­ми экзогенных факторов, так как они не моделируются в рамках ЭКМ, они неуправляемы, и интервал их возможных значений в будущем оп­ределяется методом экспертных оценок.

    Варианты могут отличаться и различными значениями инструмен­тов государственного регулирования, количеством и уровнем налогов, учетной ставкой, нормой обязательных резервов.

    Рассмотрев сущность и содержание ЭКМ, перейдем к конкретному описанию порядка (алгоритма) разработки ЭКМ, используя опыт моде­лирования Японии1.

    1. Прежде чем приступить к процессу разработки ЭКМ, ставится цель (цели), ради достижения которой разрабатывается ЭКМ. На­пример, при разработке долгосрочной модели Японии на 20-летний период прогнозирования ставилась такая общая для всех моделей это­го типа цель, как выявление перспектив роста производства СЭС в фи­зическом выражении (в неизменных ценах) на основе данных, содер­жащихся в счетах национального дохода. В то же время ставилась и конкретная цель — исследовать тенденцию таких компонентов основ­ных фондов, как государственные и частные инвестиции в жилищное строительство и установить их связь с общим ростом экономики. Ак­цент на эти компоненты основных фондов продиктован тем, что для Японии они являются наиболее существенными факторами, определяющими долговременное развитие СЭС, и тем обстоятельством, что вторая цель может быть достигнута только в долгосрочном периоде из-за длительности формирования и сроков службы этих компонентов. Цели модели Японии на 10-летний период прогнозирования в ос­новном совпадают с целями модели 20-летнего периода, но первая преследует и другие специфические цели, а именно:

    • исследовать тенденции по двум секторам экономики, измене­ния их роли в экономике и рассмотреть их влияние на общий рост СЭС в целом;

    • объяснить структуру чистого экспорта в долгосрочном плане;

    • обеспечить долгосрочный прогноз с большей степенью детали­зации, чем это делается в модели на 20-летний период.


    Если долгосрочные модели позволяют представить пути развития СЭС на уровне высокоагрегированных макропоказателей, то средне­срочные модели (4—7 лет) обычно преследуют цель отразить резуль­таты влияния социально-экономической политики государства на наи­более важные показатели развития СЭС. Это поможет правительству количественно оценить разные направления в социально-экономиче­ской политике и определить лучший вариант с точки зрения общест­венного благосостояния.

    Могут быть представлены и более конкретные цели. Например, в среднесрочной модели Японии ставятся такие цели:

    — объяснение движения цен;

    • объяснение движения уровней заработной платы;

    • обеспечение необходимого контроля любых расхождений меж­ду целями, предусмотренными планом, и фактической ситуацией, ко­торая может сложиться в ходе выполнения плана.

    2. После определения целей прогнозирования разрабатывается схема причинно-следственных связей в моделях. Это позволяет оп­ределить необходимый набор регрессионных уравнений и тождеств, комплекс экзогенных и эндогенных факторов, в том числе управляю­щих и управляемых, определить алгоритм прогнозных расчетов, взаи­мосвязи между показателями развития СЭС страны. Эту схему можно назвать и логико-информационной, потому что она отражает логику прогнозирования и информационные взаимосвязи между блоками мо­дели и отдельными ее уравнениями. При этом структурные (функцио­нальные) уравнения и тождества должны сопрягаться со структурой системы национальных счетов. Например, в модели Японии 20-летне­го периода упреждения для прогнозирования ВНП применяется произ­водственная функция, а для прогнозирования общего объема капитала используется функция сбережений. Предложение рабочей силы опре­деляется, вернее, задается экзогенно. Вводится параметр, характеризующий уровень технического прогресса в широком смысле как функ­ция времени (/).

    Другая специфика модели заключается в том, что весь капитал распределяется также экспертным методом (экзогенно) между ча­стными и государственными секторами, при этом в производствен­ной функции используется только частный основной капитал, а также в том, что чистый экспорт определяется также экзогенно. Каждая модель имеет свою специфику, которая определяется осо­бенностями страны, подходом той или иной группы прогнозистов к решению задач прогнозирования, их опытом и искусством (см. подробнее гл. 6).

    3. Далее, получив систему функциональных уравнений и тождеств, отражающих взаимосвязи между показателями развития СЭС, с помо­щью аппарата корреляционно-регрессионного анализа определяются коэффициенты регрессии (а1) при факторах-аргументах уравнений, т.е. данная ЭКМ решается путем использования метода наименьших квадратов или других более сложных и точных методов.

    С этой целью вначале определяется прогнозное значение экзоген­ной переменной (в случае однофакторного уравнения) или экзогенных переменных (в случае многофакторного уравнения), которые являются факторами для определения первого эндогенного (вычисляемого по­средством моделирования) переменного. Далее значение этого эндо­генного переменного используется как фактор для второго уравнения регрессии. Если кроме этого фактора во втором уравнении имеются и экзогенные факторы, то опять прогнозируются их значения и исполь­зуются для расчета второго уравнения. Таким образом решается вся система уравнений ЭКМ.

    Первый фактор (фактор первого уравнения) обычно выбирается из тех существенных факторов развития, которые изменяются достаточно «плавно» и его можно определить методом экстраполяции тренда. Другим подходом к выбору первого фактора является его значимость для развития СЭС, когда его значение в прогнозируемом периоде яв­ляется определяющим, и поэтому оно может быть интерпретировано как цель развития. Другими словами, значение первого экзогенного показателя как цели (норматива) прогнозист устанавливает на основа­нии гипотезы развития СЭС. Например, решение ЭКМ может начи­наться с гипотезы, что ВНП страны будет расти в течение прогнозно­го периода на 3% в год. В долгосрочной модели Японии на 20-летний период в качестве такого фактора был определен ВНП страны.

    Но в качестве первой переменной может быть использована и так называемая предопределенная переменная (показатель развития предыдущего года по отношению к прогнозному году). Например, в долгосрочной модели Японии на 10-летний период упреждения ВНП определяется эндогенно, а экзогенными показателями послу­жили площадь обрабатываемой земли, а также такие показатели, как частный капитал в сельском хозяйстве и частный капитал в перера­батывающих отраслях за предыдущий год по отношению к прогно­зируемому.

    4. На следующей стадии определяется так называемый довери­тельный интервал использования полученных результатов.

    5. Далее проверяется степень адекватности модели изучаемому процессу (объекту) по годам предпрогнозного периода. Проверка проводится в два этапа. Вначале в уравнения модели вставляются зна­чения факторов (эндогенных и экзогенных) определенного года пред­прогнозного периода, данные стат. отчетности по которому были ис­пользованы в ретроспективной матрице (расчетного периода), затем решается система уравнений модели.

    Обычно проверку проводят по данным нескольких лет (жела­тельно относительно спокойных, когда СЭС не испытывала особых потрясений).

    Допустим, в формировании ретроспективной матрицы в 2000 г. для прогнозирования периода 2001—2005 гг. были использованы данные до 1998 г. включительно. Ввиду того, что разработанная ЭКМ отражает тенденции развития СЭС именно в этом ретроспек­тивном периоде, адекватность модели реальности проверяется по го­дам базового периода и обязательно по конечному, 1998 году. Это — проверка «ex-post базовая». Далее проводится проверка «ex-post внебазовая». С этой целью в модели используются данные статот­четности, полученные в январе—феврале 2000 г. за 1999 г., т.е. не участвующие в разработке ЭКМ.

    Возможна и проверка «ex-post внебазовая» по данным 2000 г., года предпрогнозного периода, когда формируются окончательные варианты прогноза. Для этого используются данные отчетности за I квартал 2000 г. и проводится оперативный прогноз на 9 месяцев 2000 г. Данные прогноза 2000 г. вводятся в прогнозную модель. По результатам проверок с участием экспертов проводится корректи­ровка как самой модели, так и ее элементов, в особенности экзоген­ных факторов.

    В дальнейшем по истечении каждого года прогнозного периода с целью верификации используются отчетные данные этих лет. Такая проверка моделей называется «ex-ante».

    Схематически это представлено на рис. 3.3.




    1990 ex-post базовая 1999-2000 ex-ante 2005






    ретроспективный переходex-post

    внебазовая


    прогнозный период




    допрогнозный период



    Рис. 3.3. Различные периоды верификации прогнозов
    Важно помнить, что статистические модели хоть и позволяют по­лучить качественную интерпретацию теоретических положений, но в силу вероятностного (стохастического) характера эти интерпретации не могут восприниматься как строгие доказательства или опроверже­ния теоретических положений. Если имеется расхождение между тео­рией и результатами математических расчетов, то это скорее свиде­тельствует о некорректности математических расчетов. Обычно рег­рессионные уравнения, которые вступают в явное противоречие с эко­номической теорией, исключаются из ЭКМ.

    Кроме того, объектом пересмотра должны явиться и переменные экономической политики (инструментальные переменные). Такая про­цедура наиболее целесообразна в тех случаях, когда предполагается периодически пересматривать первоначальный план, т.е. сделать сред­несрочный государственный план «скользящим», как можно ближе к действительности.

    Необходимость системы проверок основана на постулате: если мо­дель не может удовлетворительно воспроизвести прошлое развитие (движение) системы, нет никаких оснований полагать, что она сможет воспроизвести будущее и ее можно использовать для прогнозирова­ния. Но не надо забывать, что ЭКМ отражает тенденцию развития СЭС, т.е. она как бы «усредняет», «сглаживает» кривую развития СЭС в многомерном пространстве.

    Если расчетный (ретроспективный) период равен 10—15 годам и в последние годы тенденции развития существенно изменились, то ЭКМ этого не покажет. Проверка ЭКМ по последним годам предпрогнозного периода позволит выявить эти изменения. Если они носят стабиль­ный, долговременный характер, связанный, например, с началом кри­зисной ситуации в стране, на мировом рынке или, наоборот, подъемом экономики (переходом СЭС из одной фазы развития в другую), то с использованием метода экспертных оценок необходимо изменение уравнений регрессии модели, вплоть до введения новых факторов раз­вития со своими коэффициентами регрессии. Но в этом случае уже теряется грань между эконометрическими и имитационными моделями, которые будут рассмотрены ниже.

    Таким образом, при разработке эконометрических прогнозов, не­смотря на то что в их основе лежит математическая модель, большую роль играет эффективное использование других методов прогнозирова­ния, умение исследователя поставить достижения экономической тео­рии на службу прогноза. Эконометрические прогнозы представляют собой синтез различных методов прогнозирования.

    Ввиду того что основу ЭКМ составляет система регрессионных уравнений, рассмотрим основные требования к ним.

    1. Адекватность формы связи уравнения изучаемому объекту. Форма связи обычно задается самим прогнозистом в соответствии с его представлением об объекте прогнозирования, но также она может быть выбрана с использованием различных оценочных коэффициентов уравнения. Однако не всегда возможно использование линейной (адди­тивной) формы связи, поэтому в ЭКМ различных стран часто исполь­зуется и степенная (мультипликативная) форма связи. Например, ши­роко известна производственная функция Кобба—Дугласа и его моди­фикации.

    Желательно свести модель к линейной форме, так как весь аппарат корреляционно-регрессионного анализа ориентирован на линейность связей:
    Y = a0 + a1X1 + a2X2 + … + anXn
    Но если выбирается степенная связь типа:
    Y = a0X1a1+ X2a2 + … + Xnan
    то можно свести ее к линейной форме, логарифмируя:
    InY = In a0 + a1 In X1 + a2 In X2 + … + an In Xn
    2. Существенность факторов-аргументов. Установление ком­плекса наиболее существенных факторов, влияющих на значение ре­зультирующего показателя (функции), в основном зависит от знаний прогнозиста или целой их группы и привлекаемых экспертов. Эконо­мическая теория в силу своих возможностей дает представление о факторах, влияющих на значение различных макроэкономических по­казателей. Аппарат корреляционно-регрессионного анализа позволяет количественно оценить существенность каждого фактора как в абсо­лютном, так и относительном выражении (в процентах от общего влияния факторов).

    1. Прогнозируемость факторов, т.е. достаточный уровень надеж­ности внемодельного предсказания или возможность получения про­гнозных значений факторов посредством их моделирования.

    1. Отсутствие большой тесноты связи между факторамимультиколлинеарности.

    Сначала для установления отсутствия мультиколлинеарности рас­считываются парные коэффициенты корреляции между всеми факто­рами попарно. Если линейная связь между двумя факторами достаточ­но тесная, то прогнозист по своему усмотрению оставляет один из факторов для дальнейшего исследования.

    Одни авторы считают, что если парный коэффициент корреляции ххixk< 0,6, то связь достаточно слабая и можно оставить для дальней­шего рассмотрения оба фактора, а другие — если ххjxk>0,3, то связь достаточно тесная и необходимо выбрать из двух факторов один.

    Ввиду того что определение «порогового» значения тесноты связи для установления мультиколлинеарности довольно субъективно, в ка­честве ее критерия может быть принято следующее соображение.

    1. Значимость коэффициентов регрессии (aj), т.е. их существен­ное отличие от нуля. Для того чтобы ЭКМ имела смысл, необходимо, чтобы все коэффициенты регрессии, кроме свободного члена (ао), обя­зательно были значимыми. Значимость определяется согласно крите­риям корреляционно-регрессионного анализа. Если это необходимо и
      обосновано, проводится корректировка коэффициентов регрессии.

    6. Соответствие уравнения регрессии стандартным требованиям.В этом случае оценка также проводится по соответствующим критери­ям корреляционно-регрессионного аппарата. Если уравнение не соот­ветствует стандартным требованиям, оно должно быть скорректирова­но или исключено из ЭКМ.

    Рассмотрение особенностей эконометрических моделей позволяет сформулировать преимущества моделирования по сравнению с други­ми методами разработки прогнозов.

    В числе основных преимуществ выделим:

    1. учет взаимовлияния различных факторов;

    2. возможность учета воздействия внешних (экзогенных) факторов по отношению к модели экономических и неэкономических факторов;

    3. получение взаимосбалансированных многовариантных прогно­зов по большому количеству показателей;

    4. совместное использование различных методов на базе моделей;

    5. другие преимущества эконометрических моделей целиком опре­деляются развитием вычислительной техники.

    Благодаря использованию ЭВМ можно, во-первых, увеличивать размерность моделей, рассматривая одновременно все более тонкие экономические взаимосвязи. Важно отметить при этом, что модельные расчеты позволяют получать прогнозы не просто по большому количе­ству показателей (последнее возможно и на основе моделей времен­ных рядов), а сбалансированные, взаимоувязанные в непротиворечи­вую систему. Это является одним из самых ярких преимуществ моде­лей. Если эксперты способны разработать непротиворечивые прогно­зы, как правило, для нескольких показателей (опросы и обследования охватывают десятки переменных), то эконометрические модели в на­стоящее время позволяют без особого напряжения регулярно прогно­зировать развитие огромного числа показателей (1—3 тыс. в рамках одной модели). Во-вторых, автоматизация расчетов открывает возмож­ность разработки не только базового, наиболее вероятного прогноза, но также и альтернативных вариантов развития экономики с учетом изменений каких-либо внешних или внутренних условий. Многовари­антность прогнозов повышает научный уровень социально-экономиче­ского прогнозирования в целом, так как позволяет оценивать не одну, а несколько наиболее вероятных траекторий развития.

    Такой подход не может быть реализован на основе использования временных рядов и экономических обследований, где для получения вариантов прогнозов необходимо вводить существенные изменения и корректировки. Многовариантные экспертные прогнозы встречаются чаще, но они не могут конкурировать с ЭКМ ни по количеству уравнений, ни по номенклатуре используемых переменных.

    Рассмотрим подробнее такое важное преимущество ЭКМ, как учет влияния внешнеэкономических факторов. Реальное развитие СЭС подвержено сильнейшему взаимодействию большого числа фак­торов, которые часто не могут быть описаны в рамках изучаемой мо­дели. Так, например, при разработке макромоделей любой конкретной страны необходимо учитывать внешнеэкономические условия, которые, естественно, не определяются переменными, входящими в номенклатуру этой модели. В силу этого ряд переменных не может быть адекватно определен внутри моделей и, следовательно* должен вводиться в нее извне. От внешнеэкономической ситуации зависят прежде всего такие показатели, как экспорт товаров и капитала, ми­грация рабочей силы. Поэтому эти показатели обычно вводятся в мо­дель экзогенно. Важной группой внешних переменных являются и те, которые зависят от неэкономических (политических, социальных и др.) факторов. В частности, динамика государственных расходов оп­ределяется не только требованиями эффективного развития, но в большей степени политическими устремлениями администрации. Учет этих устремлений в модели может быть осуществлен лишь по­средством экзогенного использования факторов через внутреннее взаимовлияние модельных переменных.

    Необходимо отметить, что, обладая определенными преимущества­ми по сравнению с другими методами прогнозирования, эконометрические модели отнюдь не лишены недостатков.

    Являясь более удобным инструментом прогнозирования, они не разрешают и не могут разрешить его принципиальные проблемы. Пре­жде всего, модели не способствуют повышению точности прогнозиро­вания поворотных точек развития. Они более пригодны для экстрапо­ляции сложившихся тенденций развития, чем для распознавания изме­нений в них. По этой причине прогнозирование экономического роста на базе моделей возможно лишь посредством введения внешних пере­менных и различных корректировок параметров. Кроме того, слож­ность и неодназначность интерпритации результатов, требование со­блюдения необходимой точности прогнозов усложняют их применение в реальных расчетах.

    Другим важным недостатком прогнозирования на базе эконометрических моделей является высокая стоимость таких исследований, тре­бующих использования банков данных, ЭВМ, квалифицированных специалистов по разработке и эксплуатации этих моделей.
    Имитационная модель
    В социально-экономических исследованиях довольно широко рас­пространен метод прогнозирования слабо структурированных проблем, причинно-следственные связи которых недостаточно изучены для по­строения удовлетворительной теории. В таком случае используется ме­тод имитационного моделировании
    Социально-экономическая система любой страны из-за большого количества факторов, участвующих в описании ее функционирования, тем более в условиях постиндустриальной фазы, усложняющей связи между факторами, вызывающими нестабильность и неопределенность ее развития, является объектом со слабо структурируемыми связями.

    Поэтому для исследования и прогнозирования таких объектов строится система математических зависимостей, необязательно выте­кающих из строгих теоретических предпосылок. С помощью опреде­ленных формальных приемов эта система математических зависимо­стей идентифицируется с реальным объектом. Убедившись в том, что построенная система воспроизводит хотя бы часть свойств реального объекта, на вход системы подают воздействия, характеризующие внешние условия (например, экзогенные факторы и управляющие, в том числе инструментальные переменные), и получают (снимают) по­следствия этих воздействий на выходе системы. Таким образом полу­чают варианты поведения модели объекта.

    Если объектом изучения является некоторая переменная Y, то стро­ится модель, в основе построения которой лежит предположение, что на Yвоздействует Xвектор, составленный из определенного количест­ва переменных kв соответствии с функциональным соотношением:
    Y=f(X).
    Частным случаем функционального соотношения между Yи Xяв­ляется простая линейная модель:
    k

    Y = Qi Xi ,




    i=1
    где Qi— некоторые параметры.

    Модель можно сделать еще более реалистичной (и тем самым бо­лее сложной), если включить в нее нелинейные зависимости между Yи X, а также случайные величины, каждую со своим весом и своей функцией распределения в зависимости от времени.

    Дальнейшее усложнение модели связано с введением логических переменных, разного рода ограничений, запаздываний, описывающих механизм обратной связи.

    Ясно, что такую модель нельзя исследовать аналитическими мето­дами.

    Поскольку имитационные модели могут учитывать и неформализо­ванные связи и характеристики прогнозируемой системы, они способ­ны наиболее адекватно отобразить ее развитие. Однако именно описа­ние таких неформализованных характеристик и представляет основ­ную трудность при построении имитационных моделей.

    Особенно важно, что динамические имитационные модели позволя­ют делать выводы об основных чертах развития системы, которые не зависят существенно от начальных условий. Эти выводы затем детали­зируются с помощью других методов прогнозирования.

    Имитационные модели предназначены для получения информации о моделируемой системе и выработки в последующем соответствующих оценок, пригодных для формирования решений. В качестве примера рассмотрим имитационную модель согласования производства и потреб­ления в многоотраслевой экономике, представленную на рис. 3.4.

    Система имеет два формализованных блока: блок имитации ма­териального производства и блок имитации сферы потребления. В системе предусмотрен экспериментатор, который может распоря­жаться несколькими параметрами управления: распределением между отраслями капитальных вложений, темпами накопления, оплатой тру­да — зарплатоемкостью единицы продукции, оптовыми и розничны­ми ценами.


    Экспериментатор





    Распределение капиталовложений

    Темпы накопления

    Индексы оптовых цен

    Зарплатоемкость

    Индексы розничных цен











    Блок имитации сферы материального производства

    Блок имитации сферы потребления







    Данные анализа



    Рис. 3.4. Структура имитационной модели
    Экспериментатор осуществляет активный диалог с ЭВМ. Использу­ется информация о корректировочных показателях расчетного спроса на вид продукции и его конечного производства отраслью. Если пока­затель превышает единицу, значит, спрос на продукт выше предложе­ния, если меньше единицы — то, наоборот. Корректировочные показа­тели и темпы роста валовой продукции по отраслям анализируются экспериментатором с позиции их допустимости. Если они нуждаются в изменении, экспериментатор может менять тот или иной параметр управления.

    Например, меняется распределение капиталовложений или сово­купный доход населения (через отраслевые коэффициенты зарплатоемкости), или масштаб цен. Блоками определяются новые корректиро­вочные показатели. Как только экспериментатор приходит к выводу о достижении удовлетворительного соотношения производства и потреб­ления, он переводит систему к расчетам на следующий год.

    Таким образом, работа человеко-машинной имитационной системы позволяет находить варианты прогноза, обеспечивающие наилучшее соответствие между денежными доходами населения и объемами пред­лагаемых товаров и услуг. Варьирование управляющих параметров, оценка промежуточных и выбор окончательного решения возлагаются на экспериментатора, множество возможных вариантов решения рассчитывается на ЭВМ.

    Имитационная деловая игра представляет собой дальнейшее разви­тие имитационной системы и включает наряду с основными ее эле­ментами (имитационной моделью и средствами анализа и обработки результатов имитации) специальные инструктивные и другие средства, которые регламентируют воздействия экспертов-экспериментаторов, являющихся в игре лицами, принимающими решения и заинтересован­ными в достижении наилучших результатов функционирования моде­лируемой системы в будущем.

    Игрокам должна предоставляться возможность осуществлять в произвольные моменты времени запрос информации из широкого класса данных. При создании игровой имитационной модели следует прежде всего разработать систему мотивации игроков и сценарий игры: описание ролей при этом содержится в должностных инструкци­ях. Часть моделей такого рода рассчитана на использование компьюте­ров, часть — на безмашинную имитацию.

    Игровые имитационные модели могут строиться для объектов лю­бого уровня: от участка цеха до СЭС. Создание хорошей модели тре­бует больших затрат времени (до нескольких лет) и обходится недеше­во, прогнозирование с ее помощью, т.е. проведение игры, также тре­бует серьезных усилий, так как число участников игры может дохо­дить до нескольких сотен. Однако эти затраты оправданы, ибо такие модели дают возможность получить прогноз там, где никакой другой метод не работает.

    Имитационное моделирование имеет ряд преимуществ:

    • возможность применять к реально функционирующим объектам более адекватные модели и почти неограниченно эксперименти­ровать с моделью при различных допущениях;

    • сравнительно легкое привнесение в модель факторов неопреде­ленности, многих случайных переменных;

    сравнительно легкое отражение динамики процессов, временных параметров, сроков, запаздываний.

    Процесс прогнозирования на основе имитационного моделиро­вания состоит из нескольких основных этапов:

    1. Постановка задачи исследования, изучение прогнозируемой сис­темы, сбор эмпирической информации, выделение основных проблем моделирования.

    1. Формирование имитационной модели, выбор структуры и прин­ципов описания модели и ее подмоделей, допустимых упрощений, из­ меряемых параметров и критериев качества моделей.

    2. Оценка адекватности имитационной модели, проверка достовер­ности и пригодности моделирующего алгоритма по степени согласованности и допустимости результатов контрольных экспериментов с входными данными.

    3. Планирование многовариантных экспериментов, выбор функцио­нальных характеристик прогнозируемой системы для исследования, определение методов обработки результатов экспериментов.

    4. Работа с моделью, проведение расчетов и имитационных экспе­риментов.

    5. Анализ результатов, формирование выводов по данным модели­рования, окончательная разработка прогноза.

    В имитационном эксперименте основной задачей каждого участни­ка является конструирование из возможных вариантов некоторой стра­тегии, обеспечивающей достижение наилучших результатов.
    Вопросы для самоконтроля


    1. Какие методы относятся к логическим? Дайте их краткую характери­стику.

    2. Для каких целей применяется метод исторических аналогий?

    3. В каких случаях разрабатывается сценарий развития СЭС?

    4. Назовите случаи использования метода экстраполяции тренда.

    5. Что такое форма связи? Приведите примеры различных форм связей.

    6. Постройте структурную схему имитационной модели.

    7. В каких случаях используется эконометрическое моделирование? При­ведите несколько примеров эконометрических моделей.



    3.4. Факторы, определяющие выбор метода прогнозирования
    Выбор метода прогнозирования, с одной стороны, должен обеспе­чить функциональную полноту, достоверность и точность прогноза, а с другой — уменьшить затраты времени и средств на прогнозирова­ние. Актуальность разработки формальных, в том числе логических, процедур выбора типа или непосредственно метода прогнозирования возрастает под воздействием трех групп причин.

    Первая группа причин связана с большим числом методов прогно­зирования, порождаемым разнообразием практических задач прогнози­рования. В настоящее время количество методов прогнозирования на­считывается свыше двух сотен. Поэтому даже краткое ознакомление с известными методами прогнозирования путем простого перебора по­требует немало времени и сил.

    Вторая группа причин состоит в том, что постоянно возрастает сложность как самих решаемых задач, так и объектов прогнозиро­вания. В особенности это относится к современным СЭС.

    Третья группа связана с возрастанием динамичности (подвижно­сти) СЭС.

    Прогнозист должен в результате предпрогнозных исследований структурировать информацию об объекте прогнозирования, про­анализировать ее и принять решение о том, какой из методов в большей степени соответствует конкретным условиям прогноза. При этом важно на этапе подготовки решения о выборе метода прогнозирования выделить как методы, применение которых воз­можно в условиях решаемой задачи, так и те, которые применять нельзя. Последние исключаются из числа рассматриваемых альтер­натив.

    Выбор метода прогнозирования не может быть предметом субъ­ективных склонностей прогнозиста или группы прогнозистов и должен определяться в соответствии с объективными критериями выбора.

    Критериями выбора метода являются:

    • характер объекта прогнозирования, или проблемы (задачи), ре­шаемые в процессе прогнозирования;

    • уровень прогнозирования, или уровень управления (федераль­ный, отраслевой, региональный, муниципальный), для которого разрабатываются прогнозы;

    • интервал упреждения (дальнесрочный, долгосрочный, средне­срочный, краткосрочный);

    • цели прогноза.

    Проблемы различаются по степени развитости и четкости связей между исследуемыми проблемами и их следствиями; выделенными факторами и результативным показателем.

    Выделяют четыре класса проблем, имеющих место при решении прогнозных задач.

    1. Стандартные проблемы. Связи между фактором и результатом строго детерминированы, они могут быть выражены функциональны­ми уравнениями, простым расчетом (например, производительность труда равна отношению объема производства в неизменных ценах на численность работающих).

    2. Структурированные проблемы. Связи носят вероятностный (стохастический) характер, но отличаются высокой степенью тесноты. При изменении факторов результат может определяться с некоторым интервалом «от» и «до», но может определяться и однозначно (напри­мер, определение темпов роста производительности труда в зависимо­сти от темпов его фондовооруженности).

    1. Слабо структурированные проблемы. Они отличаются невысо­ким уровнем тесноты связи между фактором и результатом. Результа­тивный показатель при этом изменяется в очень большом интервале значения «от» и «до». Например, определение уровня урожайности сельскохозяйственных культур, который зависит от такого фактора, как погодные условия.

    2. Неструктурированные проблемы. Изменение результативного показателя от влияния фактора трудно предсказуемо. Например, раз­витие техники и технологии в зависимости от размеров финансирова­ния и т. п.

    Важно иметь в виду, что класс проблем зависит от объекта про­гнозирования. Так, например, ясно, что прогнозирование развития науки и техники по своей сути относятся к слабо структурирован­ным проблемам, в отличие, например, от прогнозирования разви­тия производства. Но это в общем случае. В то же время интервал упреждения, т.е. период прогнозирования, может изменить класс проблем для одного и того же объекта. Так, прогнозирование изме­нения объема основных производственных фондов в зависимости от объема инвестиций в краткосрочном периоде (1 год) относится к структурированным проблемам (2 класс), а та же проблема, ре­шаемая в долгосрочном периоде (до 10 лет), переходит в класс слабо структурированных проблем (3 класс), а в долгосрочном пе­риоде на 20 лет и тем более в дальнесрочном периоде (свыше 20 лет) — в класс неструктурированных проблем.

    В случае, если проблема решается на уровне организации (фир­мы) в краткосрочном периоде, она может быть отнесена к стандарт­ным проблемам (например, расчет производственной мощности при наличии информации о вводе и выводе мощностей в прогнозируемом году). Также ее можно отнести к слабо структурированным и даже не структурированным проблемам по мере удлинения периода прогнози­рования (интервала упреждения) и повышения уровня управления (например, региональный, отраслевой или федеральный). Таким обра­зом, при переходе на более высокий уровень управления и увеличе­нии периода упреждения степень структурированности проблемы уменьшается.

    Для прогнозирования стандартных проблем используются тож­дества (равенства) и экономико-математической модели. Для структурированных проблем применяются эконометрические и экономико-математические модели. Для слабо структурированных проблем — методы экспертных оценок, метод сценария, возможно использование и эконометрических моделей. Для неструктуриро­ванных проблем — в основном логические методы, методы экс­пертных оценок с высокой степенью агрегирования переменных, а также имитационные модели.
    Вопросы для самоконтроля


    1. Дайте обобщенную характеристику проблеме выбора метода прогнози­рования.

    1. Какие критерии определяют выбор метода?

    1. Дайте характеристику стандартных проблем выбора метода прогнозиро­вания.

    2. Дайте характеристику структурированных проблем выбора метода прогнозирования.

    3. Дайте характеристику слабо структурированных проблем выбора метода прогнозирования.

    1. Дайте характеристику неструктурированных проблем выбора метода прогнозирования.

    2. Рассмотрите алгоритм действий прогнозиста при решении прогнозной задачи.



    1   ...   8   9   10   11   12   13   14   15   ...   25


    написать администратору сайта