Теория экономического прогнозирования

1 - выведение товара на рынок; 2 - рост; 3 - зрелость; 4 - упадок; 5 - реанимация спроса.

Внутригодовая цикличность носит часто сезонный характер.

При изучении сезонных процессов часто применяется спектральный анализ, который позволяет прогнозировать тенденции, динамика которых содержит колебательные или гармонические составляющие [31].

Сезонные волны можно описать гармоникой ряда Фурье:

ŷ=α0+∑mk(αk coskt + bk sinkt),                                    (2.9)

где t- номер гармоники ряда Фурье;

ао и аk, bk  — определяют по МНК;

k - число гармоник (1,2,...)

В условиях переходной экономики возрастает значимость прогнози­рования жизненного цикла товара (ЖЦТ). Автором концепции ЖЦТ счи­тается известный маркетолог Теодор Левитт, предложивший ее в 1965г.

Суть прогноза заключается в том, чтобы определить, как надолго и насколько интенсивно будет сохраняться спрос на данный товар. Прогноз ЖЦТ - многоплановый процесс, важной составляющей которого является подбор для каждого этапа соответствующей трендовой модели, отражаю­щей не только рост, стабилизацию или спад, но и степень ускорения или замедления этих процессов. Такой прогноз является составным элементом прогнозирования покупательного спроса и рыночной конъюнктуры.

Жизненный цикл товара можно графически смоделировать в виде сложной кривой (рис. 2.3).

Математически смоделировать весь жизненный цикл товара практи­чески невозможно, пришлось бы использовать сложную многочленную функцию, которую трудно интерпретировать. Целесообразно использовать метод линейно-кусочных агрегатов, то есть моделировать и прогнозиро­вать каждый этап ЖЦТ с помощью трендовой и (или) многофакторной мо­дели, отражающей закономерности каждого этапа.

Отмеченные ранее методы механического выравнивания могут так­же выступать в роли самостоятельных методов статистического прогнози­рования.

Прогнозирование на основе адаптивных скользящих средних произ­водится с использованием следующих формул:

Mi = Mi-1 + (yi - yi-m) / (m),                                                                 (2.10)

где Mi – скользящая средняя, отнесенная к концу интервала.

Mi = ŷt = (∑t+pi=1 yi) / (m).                                                                  (2.11)

Первый член уравнения (2.10) – Мi-1 несет «груз прошлого» - инер­цию развития, а второй адаптирует среднюю к новым условиям. Таким об­разом, средняя как бы обновляется, «впитывая» информацию о фактически реализуемом процессе (степень обновления определяется весом 1/т).

Экспоненциальные средние. Влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Для этой цели используют экспоненциальное сглаживание, применяемое в краткосрочном прогнозировании (идея Н.Винера):

Qt = α · yt + (1+α) · Qt-1,                                                                          (2.12)

где Qt - экспоненциальная средняя на момент t;

а - коэффициент, характеризующий вес текущего наблюдения (параметр сглаживания).

При расчете по формуле (2.12) необходимо выбрать Qt-1. Часто  

 Qt-1  принимают равным yt.

Применение метода успешно, когда ряд имеет достаточно большое число уровней. Чем меньше а, тем больше роль «фильтра», поглощающего колебания 0< а <1. Практически диапазон а ограничивается величинами 0,1; 0,3. Хорошие результаты дает а = 0,1. При выборе а следует иметь в виду, что для повышения скорости реакции на изменение процесса разви­тия необходимо повысить а, однако это уменьшает «фильтрационные» возможности средней.

Специфика экономических процессов состоит в том, что они обла­дают взаимосвязью и инерционностью (см. п. 1.3). Последнее означает, что значение фактического показателя в момент времени  зависит определенным образом от состояния этого показателя в предыдущих периодах, т.е. значения прогнозируемого показателя должны рассматриваться как фак­торные признаки. Уравнение авторегрессионной зависимости в общем имеет вид:

ŷt = α0 + α1 · yt-1 + α2 · yt-2 +...+ αk · yt-k,                                          (2.13)

где ŷt – прогнозируемые значения показателя в момент времени t;

      yt-1 – значения показателя y в момент времени (t-i);

α1 – i-тый коэффициент регрессии.

Часто прогнозируемый показатель зависит не только от предшествующих состояний, но и от других факторов x. Тогда говорят о смешанной авторегрессии:

ŷt = α1 · yt-1 + α2 · yt-2 +...+ αk · yt-k + b1 · x1 + b2 · x2 +...+ bm · xm =

= ∑ki=1 αi · yt-I + ∑mj=1 bj · xj.                                                                       (2.14)

Оценки αi  и bj находят по МНК.

Все приведенные выше модели позволяют получить точечные оценки. Для определения наиболее вероятных интервалов варьирования прогнозных показателей необходимо найти доверительные оценки. В общем виде расчет доверительного интервала может быть представлен следующим образом:

ŷt+a  ± ta Sŷ,                                                                                               (2.15)

где ŷt+a  - точечный прогноз;

Sŷ – средняя квадратическая ошибка прогноза;

ta – t-статистика Стьюдента;

α – период упреждения прогноза.

В общем виде для полиномов различных степеней:

Sŷt+2 = Sy √T`α (T` · T)-1 · Tα,                                                                  (2.16)

где (T` · T) – матрица системы нормальных уравнений;

Sy – среднее квадратическое отклонение фактических значений от расчётных.

В частности, для линейного тренда:

Sŷ = Sy √1 + 1 : n + (tα - t)2 : ∑(t')2,                                          (2.17)

Где tα – заданное на период упреждения значение переменной t,

t – среднее значение t, т.е. значение порядкового номера уровня, стоящего в середине ряда;

∑(t')2 – сумма квадратов отклонений значений независимой переменной от их средней.

Важно иметь в виду, что экстраполяция в рядах динамики носит приближенный и условный характер. Поэтому применение методов экст­раполяции не должно становиться самоцелью, а при разработке социально-экономических прогнозов должна привлекаться дополнительная информа­ция, на основе которой в полученные методом экстраполяции количест­венные оценки вносятся соответствующие коррективы.

Экономико-математическое моделирование

Методы экономико-математического моделирования применяются преимущественно в" среднесрочном, а также в долгосрочном прогнозиро­вании.

В данной группе методов можно выделить корреляционно-регрессионное моделирование, которое используется для объектов, имею­щих сложную многофакторную природу (объем инвестиций, затраты, при­быль, объемы продаж и т.п.). Для осуществления регрессионного модели­рования необходимо [30]:

- наличие ежегодных данных по исследуемым показателям;

- наличие одноразовых прогнозов, то есть таких, которые не коррек­тируются с поступлением новых данных.

Наиболее разработанной в теории прогнозирования является мето­дология так называемой парной корреляции, рассматривающей влияние факторного признака х на результативный у. Методы оценки параметров уравнения регрессии аналогичны приемам при экстраполяции (т.к. фактор времени ? можно рассматривать как частный случай параметра х). На прак­тике же гораздо чаще приходится исследовать зависимость результативно­го признака от нескольких факторных. В этом случае статистическая мо­дель является многофакторной. Например, линейная регрессия с т незави­симыми переменными имеет вид:

ŷi = α0 · x0 + α1 · x1 + α2 · x2 +...+ αm · xm.                                                       (2.18)

Оценки параметров находят по МНК.

Отбор факторов для построения многофакторных моделей произво­дится на основе качественного и количественного анализа социально-экономических явлений с использованием статистических и математиче­ских критериев.

Общепринятым является трехстадийный отбор факторов:

1. На первой стадии осуществляется априорный анализ, и на факто­ры, включаемые в состав модели, не накладываются ограничения.

2. Нг второй стадии производится оценка и отсев части факторов. Это достигается путем анализа парных коэффициентов корреляции и оценкой их значимости. Для этого составляется матрица парных коэффи­циентов корреляции (табл. 2.3).

Анализ таблицы ведется с использованием следующих критериев:

ryi > rij ; ryj > rij ; rij > 0,8 ,                                                                                       (2.19)

где rij — парные коэффициенты корреляции.

3. На заключительной стадии производят окончательный отбор фак­торов путем анализа значимости вектора оценок параметров различных вариантов уравнений множественной регрессии с использованием крите­рия Стьюдента:

tрасч  >  tk,a,                                                                                                            (2.20)                                                                

где k - число степеней свободы,

 а- уровень значимости.

В процессе анализа решается проблема мультиколлинеарности, ко­торая заключается в том, что между факторными признаками может суще­ствовать значительная линейная связь, что приводит к росту ошибок оце­нок параметров регрессии.

Таблица 2.3

Матрица парных коэффициентов корреляции множественной модели регрессии

Приемы построения регрессионных и авторегрессионных моделей достаточно хорошо описаны в экономико-статистической литературе [11, 14, 24, 26, 30, 38, 39] и не являются предметом описания настоящего учебного пособия. Наличие прогрессивных информационных технологий по­зволяет достаточно оперативно рассчитывать параметры этих моделей. Во внутрипроизводственном прогнозировании используются:

• модели внутренней среды фирмы, так называемые корпоративные модели;

• макроэкономические модели, к которым относят эконометрические модели, модели «затраты-выпуск» [1].

Корпоративные модели обычно представляют набор формул (урав­нений), которые отражают отношение ряда переменных к определенному объекту, например к объему продаж.

Большая часть математических моделей имеет форму компьютерных программ (например, АРМ СтОД (автоматизированное рабочее место для статистической обработки данных), ОЛИМП, МЕЗОЗАВР, СИГАМД и др.) [13], Такие программы позволяют придать моделям динамический харак­тер.

К недостаткам применения методов экономико-математического моделирования в рамках прогнозирования можно отнести:

• необходимость серьезных затрат на организацию прогнозирования;

• невозможность охватить в моделях все наиболее существенные тенденции развития;

• высокая вероятность внезапных изменений, разрушительных собы­тий, существенно снижающих полезный эффект модели.

Следует иметь в виду, что в условиях переходной экономики проис­ходят кардинальные изменения в организационно-производственных сис­темах и структурах (спроса, потребностей, цен и т.п.), а следовательно, достаточно проблематично сделать вывод о том, можно ли доверять ре­зультатам математического параметрического прогнозирования, так как эти методы целесообразно применять тогда, когда за время упреждения не изменяются ни функции, ни структура объекта прогнозирования. В этой ситуации параметрические методы могут применяться:

• при краткосрочном прогнозировании, когда вероятность структур­ных изменений невелика;

• при условии соответствия исходных статистических данных требо­ваниям, предъявляемым математическим методам;

• при дополнительной верификации результата прогноза другим мето­дом.

Структурное прогнозирование

Методы структурного прогнозирования позволяют найти решение проблемы при сохранении функций, но при изменении структуры и (или) значений параметров объекта прогнозирования за время упреждения.

Структурные методы основаны на использовании теории графов.

Рис.2.3. Вариант построения дерева целей

Графом называют фигуру, состоящую из точек, называемых верши­нами, и соединяющих их отрезков, называемых ребрами. Выбор структуры графа определяется существом тех отношений между элементами системы, которые он должен выразить.

Деревом называется сводный ориентированный граф, не содержащий петель. Каждая пара его вершин соединяется ребром.

Деревом целей называется граф-дерево, выражающее отношения ме­жду вершинами, являющимися этапами или проблемами, подлежащими решению при достижении некоторой цели (рис. 2.3).

Дерево целей, вершины которого ранжированы, т.е. выражены количественными оценками их важности, может быть использовано для количественной оценки приоритета различных направлений развития.

Построение дерева целей требует решения многих прогнозных задач, таких, как:

• прогноз развития объекта в целом;

• формулировка сценария достижения прогнозируемой цели;

• формулировка уровня цели;

• формулировка критерия и весов, ранжирование вершин. Дерево целей обычно строится на нескольких уровнях:

1. Понятийном (аспектом, параметрическом), где основная цель имеет скорее качественное, чем количественное выражение.

2. Продуктовом (предметном), где процесс достижения цели разби­вается на решение задач по отдельным видам продукции.

3. Технологическом - процесс достижения цели разбивается по от­дельным стадиям производственного процесса и стадиям жизненного цик­ла товара (товаром при этом может считаться как сама добываемая нефть, так и нефтяное месторождение).

4. Ресурсном ~ цели делятся по видам ресурсов, необходимых для производства.

Иерархическое дерево целей строится на логической основе сверху вниз, исходя из сценария, поэтапно, уровень за уровнем, так, чтобы меро­приятия предыдущего уровня обеспечивали задачи последующего.

Для каждого уровня дерева целей эксперты должны устанавливать коэффициенты относительной важности всех его этапов. Расчет коэффи­циента относительной важности вдоль ветви дерева цели учитывает связи элемента данного уровня с одним или несколькими элементами выше­стоящего уровня и определяется как сумма произведений соответствую­щих коэффициентов относительной важности.

При разработке подсистем (задач), входящих в данное дерево целей, принимаются во внимание возможности частичного использования результатов одних подсистем для других, характеризуемые коэффициентами взаимной полезности. Эти коэффициенты экспортно оцениваются  специалистами и выражают относительное снижение затрат времени и других ре­сурсов.

Прогнозирование по аналогии

Прогнозирование по аналогии - это достаточно часто применяемый тип прогнозирования. Следует иметь в виду, что прогнозирование по ана­логии корректно только тогда, когда установлена, доказана аналогия меж­ду: объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкрет­ном случае прогнозирования.

Понятие аналогии связано с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта -аналога, а цели и задачи его прогнозирования должны соответствовать та­ким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последст­вий прогнозирования.

В процессе прогнозирования по аналогии должны рассматриваться следующие направления аналогии:

• объекта протезирования и объекта, выбранного в качестве аналога;

• типов и целей менеджмента;

• реакции внутренней среды на управляющие воздействия;

• реакции внешней среды на изменении состояния объекта прогнози­рования.

В процессе предпрогнозного анализа возможно установление коли­чественной и (или) качественной аналогии.

Одним из методов качественного доказательства аналогии является логика предположений [7]. Формальная логика устанавливает общие мето­ды и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов [26]. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными каче­ственными характеристиками. По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого но­вого объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период [9].

2.3. Экспертные методы прогнозирования

В случае чрезвычайной сложности системы (объекта прогнозирова­ния), его новизны, неопределенности формирования некоторых существенных признаков, недостаточной полноты информации и невозможности полной математической формализации процесса решения поставленной задачи приходится обращаться к рекомендациям компетентных специали­стов, прекрасно знающим проблему экспертам.

Их решение задачи, аргументация, подход, формирование количест­венных оценок результатов, обработка последних формальными методами получили название метода экспертных оценок.

Этот метод включает три составляющие:

• интуитивно-логический анализ задачи или ее фрагмента;

• решение и выдачу количественной или качественной характери­стики (оценка, результат решения);

• обработку результатов решения - полученных от экспертов оце­нок.

Интуитивно-логический анализ строится на логическом мышлении и интуиции экспертов и базируется на их знаниях и опыте. Это индивиду­альный процесс. Каждый из экспертов не только моделирует, но и произ­водит сравнительный анализ альтернатив решения, их количественные из­мерения. Часто этот процесс осуществляется в условиях недостаточности и недостоверности данных об исследуемом объекте, условиях, в которых он функционирует и будет развиваться. Это обусловливает уровень требова­ний, предъявляемых к экспертам.

Принятие экспертом решения по рассматриваемой проблеме и оцен­ка ожидаемого результата - завершающая часть индивидуальной работы эксперта.

Полученные от эксперта решения используются для обобщения и формирования результирующего показателя - итоговой оценки явления, проблемы. Это очень трудоемкий процесс, поскольку в зависимости от по­ставленной цели (определение согласованности мнений экспертов, по­строение обобщенной оценки объекта, явления, процесса на основе инди­видуальных оценок экспертов и др.) изменяется количество выполненных расчетных и логических процедур, набор учитываемых показателей. По­этому для оперативности получения результата и минимизации ошибок целесообразно использовать ЭВМ. Несмотря на то, что это требует форма­лизации процессов обработки экспертной информации (для алгоритмиза­ции и программирования), выигрыш столь существенен, что данный путь вполне оправдан.

Методами экспертных оценок решается целый ряд задач планирова­ния и прогнозирования. Основными являются: распределение различных видов ресурсов с установлением приоритетности; формирование целей и задач планирования по уровням управления и их ранжирование по важно­сти; определение возможных вариантов решения задач с оценкой предпочтительности каждого из вариантов; оценка степени влияния на объект раз­личных факторов; определение перспективных направлений развития производственной системы, организационно-функциональной структуры; оценка деятельности предприятий или подразделений (когда оценка производится по множеству показателей, большинство из которых - качественные); определение очередности выполнения работ; оценка качества вы­пускаемой продукции; научно-техническое и экономическое прогнозиро­вание; формирование тематики НИОКР; выбор вариантов технического и социально-экономического развития предприятия; определение перспективных направлений развития производственных систем, организационно-функциональных структур; прочие задачи.

Экспертные оценки делятся на индивидуальные и коллективные. К индивидуальным относят сценарии, метод «интервью», аналитические докладные записки.

«Интервью» предполагает беседу организатора прогнозной деятель­ности с прогнозистом - экспертом, которая включает вопросы о будущем состоянии системы и ее среды.

Метод аналитических докладных записок означает самостоятельную работу эксперта над анализом деловой ситуации и возможных путей ее развития.

Коллективные экспертные оценки (метод «комиссий», метод «моз­гового штурма», метод Дельфи и др.) включают:

• подготовку и сбор индивидуальных экспертных оценок;

• статистические методы обработки полученных материалов.

Метод «комиссий» может означать организацию «круглого стола» и других подобных мероприятий, где происходит согласование мнений экс­пертов.

Для метода «мозгового штурма (атаки)» характерна коллективная генерация идей и творческое решение проблем. Мозговая атака представ­ляет собой свободный, неструктурированный процесс генерирования лю­бых идей (включая самые невероятные) по избранной теме, которые спон­танно высказываются участниками встречи [5, 12].

Сущность метода состоит в разделении решения двух задач:

• генерирование новых идей;

• анализ и оценка предложенных идей.

Соответственно образуются две группы: группа генераторов идей и группа аналитиков. Группа генераторов идей состоит из 4-15 человек, но может быть и больше.

При проведении экспертизы должны соблюдаться следующие пра­вила:

• любые критические высказывания или оценки ценности предло­женной мысли, идеи недопустимы;

• должно быть достаточное количество и многообразие высказанных идей;

• необходимо «свободное парение» мысли: чем необычнее идея, тем лучше;

• мысли, идеи должны подхватываться, развиваться, комбинировать­ся, результатом должна быть лавина идей.

В завершении «мозгового штурма» производится тщательный ана­лиз, критика высказанных точек зрения и отбор наиболее ценных из них. Первоначально отбрасываются предположения, явно не представляющие ценности, оставшиеся классифицируют на группы по категориям, завися­щим от сущности проблемы, а затем производят оценку как внутри груп­пы, так и межгрупповую.

Отделение этапа анализа от этапа генерирования идей лишь способ­ствует углубленно анализа, усилению критики и делает ее более объектив­ной и разносторонней.

Метод «мозгового штурма (атаки)» целесообразно использовать в критических ситуациях дефицита творческих решений, новых идей, све­жих концепций в качестве одного из этапов системы поиска путей реше­ния поставленной проблемы [12].

Метод Дельфи был разработан известным экспертом из исследова­тельской корпорации «РЭНД» Олафом Хельмером.

Суть метода - проведение анкетных опросов специалистов в выбран­ной области знаний. Основными особенностями этого метода являются:

• полный отказ от личных контактов экспертов и коллективных об­суждений;

• многоуровневая процедура опроса экспертов;

• обеспечение экспертов информацией, включая и обмен информаци­ей между ними после каждого тура опроса, при сохранении анонимности оценок, аргументации и критики;

• обоснование ответов экспертов по запросу организаторов.

Обычно после первого тура опроса наблюдается значительный раз­брос мнений. Поэтому процедура осуществления метода Дельфи предпо­лагает проведение 3-4 опросов, в преддверии которых каждого из экспер­тов знакомят с итогами предыдущих туров для того, чтобы эксперт мог получить предварительную информацию о предмете опроса.

Чаще всего после третьего или четвертого тура опроса ответы экс­пертов перестают изменяться; что и является сигналом к прекращению оп­росов.

Организация экспертизы по методу Дельфи включает следующие этапы [12]:

• предварительную ориентировку экспертов, включающую формули­рование проблемы и инструктаж экспертов;

• формулирование вопросов экспертам в виде, требующем четких ко­личественных и качественных оценок;

• разработку способов и порядка информационного обеспечения экс­пертов, включая обмен аргументаций;

• разработку алгоритмов и порядка промежуточной и окончательной обработки результатов.

Метод Дельфи обладает определенными недостатками: большими затратами времени на многотуровую экспертизу, полным исключением прямого столкновения мнений экспертов, необходимостью неоднократно­го пересмотра оценок.

Отмеченные недостатки могут быть устранены путем создания автоматизированной системы сбора и обработки мнений экспертов и их ин­формационного обеспечения на основе ЭВМ, а также использованием раз­личных модификаций метода Дельфи.

Метод построения сценариев

Особое место среди экспертных оценок занимает построение сцена­риев, так как помимо традиционной экспертизы этот метод включает це­лый ряд параметрических подходов и тяготеет к комбинированным мето­дам.

Впервые термин «сценарий» был употреблен футурологом Х.Каном в 1960 г. при разработке картин будущего, необходимых для решения во­енных стратегических вопросов.

Сценарий — это описание (гипотетическая картина) будущего, со­ставленное с учетом наиболее правдоподобных предположений.

Сценарии разрабатываются для определения рамок будущего разви­тия технологии, рыночных сегментов, стран, регионов, отдельных фирм и т.д. Экономические организации со сложной структурой и разноплановой деятельностью в меньшей степени поддаются прогнозированию в рамках сценария.

Для прогнозируемой ситуации характерно существование опреде­ленного количества вероятных вариантов развития системы (рис. 2.4). По­этому прогноз включает в себя несколько сценариев («трубку сценариев»). В большинстве случаев это три сценария: оптимистический, пессимисти­ческий и средний - реалистичный (наиболее вероятный).

При построении сценариев принято отвечать на три основных во­проса [37]:

• каковы тенденции развития системы в различных условиях и каки­ми факторами они определяются?

• с какими проблемными ситуациями и «узкими» местами может встретиться развитие системы в будущем и как это повлияет на прогнози­рование состояния системы?

• какие управленческие решения и в какой степени влияют на траек­торию будущего развития прогнозируемой системы, каковы последствия различных альтернатив рассматриваемого решения?

Конкретная формулировка поставленных вопросов определяет целе­вую установку исследования.

Диапазон изменений

Пространство будущих возможностей

Разрушительные события

Сценарии

Прогнозируемый период

Рис. 2.4. Модель сценариев

Вся совокупность причин, определяющих функционирование и раз­витие исследуемого объекта, называется факторами:

• внутренние (эндогенные) факторы обусловлены закономерностями развития отдельных элементов и системы как целого, возникают в резуль­тате саморазвития системы;

• внешние (экзогенные) факторы определяются взаимодействием сис­темы между собой и внешней средой, то есть с более широкой системой, в которую прогнозируемая система входит как один из элементов.

Влияние внешней среды называют прогнозным фоном, а параметры, описывающие влияние фоновых факторов, - фоновыми переменными.

Факторы, с помощью которых осуществляется целенаправленное воздействие на систему в целом и ее элементы, называются управляющими параметрами.

Факторы, значение которых объективно непредсказуемо и составля­ет систему предположений об условиях будущего развития хозяйственной системы, называются сценарными параметрами.

При построении сценариев следует учитывать воздействие двух ос­новных групп ограничений:

1 группа - это ограничения, накладываемые законами природы (на­пример, по ресурсам). Такие ограничения являются естественными, и но­сят постоянный характер;

2 группа связана с процессами жизнедеятельности систем (особенно социальных). Их называют ограничениями по состоянию системы, в ре­альных системах такие ограничения принимают форму нормативных огра­ничений. Они закрепляются в законодательном порядке, то есть носят праковой характер и с помощью нормативных ограничений обеспечивается динамическое равновесие системы.

Эти ограничения меняются с развитием системы, и одной из наибо­лее сложных задач прогнозирования является предсказание этих измене­ний.

Одним из приемов разрешения неопределенности, связанной с не­точным знанием границ состояния прогнозируемой системы, является вве­дение индикаторов состояния.

Индикатор - это критический к предельным состояниям системы параметр, который должен измеряться количественно. В качестве индика­торов обычно выбираются объективно измеряемые параметры системы с известными предельными значениями, выход за пределы которых вызыва­ет неустойчивость системы и возможность ее перехода в другое качест­венное состояние или ведет к гибели. Например, цена на товар - индикатор состояния рынка; темпы инвестиций - показатель экономической активно­сти.

Важной и сложной проблемой является выбор методов варьирования значений сценарных параметров. Одним из таких методов является гаран­тированный прогноз. Процедура гарантируемого прогноза включает сле­дующие шаги:

1) задаются максимально возможные значения параметров, характе­ризующих факторы, положительно влияющие на развитие исследуемой системы, и минимальные значения тех факторов, которые препятствуют ее развитию. Таким образом, выбирается «идеальное», то есть наилучшее со­стояние системы;

2) для определения нижнего предела поступают наоборот;

3) получают «трубку сценариев» развития системы, которая подвер­гается дальнейшему анализу.

Процесс построения сценариев можно разбить на два больших этапа:

• предсценарный предназначен для содержательного и формального исследования и описания прогнозируемых процессов, построения моделей системы и подготовки всей необходимой информации для синтеза сцена­риев;

• сценарный этап как конечный результат прогнозирования, когда проводятся расчеты по всем базовым сценариям и даются рекомендации по результатам прогнозирования с подробным описанием последствий реализаций каждой из предложенных альтернатив.

На предсценарном этапе формулируется исходная гипотеза о целе­направленном развитии рассматриваемой системы, которая оформляется в виде рабочего документа, содержание которого максимально структуриро­вано и отвечает принципам системного описания объекта прогнозирова­ния. На данном этапе определяется объект и предмет прогнозирования.

Системное описание объекта начинается с его декомпозиции на эле­менты, и строится первая матричная схема целостной системы. Далее от­бираются и фиксируются факторы, определяющие эволюцию системы, т.е. возможности перехода из одного состояния в другие. По результатам этой работы строится матрица «Состояния-факторы» (рис. 2.5). За каждым фак­тором или группой факторов стоит конкретный объект или явление, кото­рые являются или элементами рассматриваемой системы, или элементами более высокого порядка (внешней среды). Это означает, что каждому со­держанию матрицы «Состояния-факторы» соответствует определенная де­композиция прогнозируемой системы.

После формирования матрицы выбирается минимальное число па­раметров, характеризующих состояние системы относительно целей про­гнозирования. Параметры могут быть как количественными, так и качест­венными. Качественные параметры можно представить шкалой качествен­ных значений (баллов). Если число параметров велико, то из них выбирают индикаторы, доминирующие показатели, по которым судят о состоянии системы.

Рис. 2.5. Матрица «Состояния-факторы»

После построения матрицы «Состояния-факторы» переходят к этапу ее анализа и уточнения. Все факторы ранжируются по степени влияния на состояние прогнозируемого объекта, для чего может быть использована шкала оценок от 0 до 5 (0 - отсутствие влияния, 5 - наибольшее влияние).

В матрице оставляют только «главные факторы» (не менее 3 по принятой шкале), а остальные переносятся на другие уровни представления системы.

Классификация состояний системы и факторов сужает первоначаль­ную неопределенность и позволяет построить «трубку» возможных траек­торий развития объекта.

Затем ищется «идеальное» управление, ведущее к достижению целей исследуемой системы. Данная процедура позволяет получить базовый сце­нарий {а в ряде случаев - несколько базовых сценариев), что завершает предсценарный этап.

Страницы: 1, 2, 3, 4, 5