ВВЕДЕНИЕ
В последнее время прогнозирование
стало неотъемлемым атрибутом
деятельности в таких сферах, как
экономика, бизнес, в различных
отраслях сельского хозяйства и
медицине. Решаемые задачи различны
по своим характеристикам, например
прогнозирование спроса в экономике
предприятия и прогнозирование
расположения полезных ископаемых в
том или ином регионе.
Под прогнозом понимается результат
экстраполяции прошлого в будущее.
Предполагается, что прогнозы
строятся на основе некоторых
объективных правил, которые
определяют совокупность
вычислений и действий, необходимых
для получения прогноза, тогда как
под “предсказанием” понимаются
некоторые субъективные оценки
будущего. Прогнозы таким образом
представляют собой некоторые
несмещенные оценки будущих
значений. Однако, если субъективные
предсказания достаточно
убедительно указывают на то, что
несмещённые оценки будущего вряд
ли возможны, прогнозы необходимо модифицировать, т. е.
подправлять.
С начала шестидесятых годов число
промышленных предприятий и
организаций, применяющих методы
статистического анализа, неуклонно
растёт. В 1977г. такими методами
воспользовались в своей работе 88%
из 500 наиболее крупных компаний США,
причем чаще всего это были
прогностические методы.
Рост популярности прогностических методов
сопровождался их теоретическим
совершенствованием, но по закону
Парето лишь 20% имеющихся
теоретическим моделей
используются в 80% практических
приложений, остальные 80% моделей –
в 20% приложений[2].
В прогнозировании
можно идти двумя путями. Первый –
попытаться вскрыть
причинно-следственный механизм, т.
е. найти факторы, определяющие
поведение прогнозируемого
показателя, прогноз по которым либо
известен, либо найти нетрудно. Этот
путь приводит собственно к
экономико-математическому
моделированию, построению модели
поведения объекта (статистические
модели такого типа иногда называют
эконометрическими). Второй путь –
не вдаваясь в механику движения,
попытаться предсказать будущее
положение, анализируя временной
ряд показателя изолированно. В
данной работе будут рассмотрены
именно такие методы, так как
определить общие закономерности
прогнозируемого объекта
представляется весьма сложным.
Методы прогнозирования существенно
различаются в зависимости от того,
является ли прогнозирование
краткосрочным или среднесрочным. В
первом случае прогноз строится на
один-два момента времени (квартал,
месяц, неделю и т. п.) вперёд и, как
правило, оперативен и непрерывен. В
большинстве случаев
краткосрочного прогнозирования
данные берутся либо за месяц, либо
за неделю; соответственно прогноз необходимо
построить на один-два месяца или на
неделю вперёд. При среднесрочном
прогнозировании данные, как
правила, ежегодные, а прогноз
необходимо построить на 5-10 лет
вперёд[1].
Указанные различия между задачами кратко- и
среднесрочного прогнозирования
приводят к необходимости решать их
разными методами. В первом случае
это основанные на идее
экспоненциального сглаживания
методы, впервые предложенные Р.
Брауном, а во втором – методы
выравнивания и экстраполяции
тренда.
В большинстве приложений применяются два типа
прогностических моделей: экспоненциальное
сглаживание и регрессия (в том
числе криволинейное выравнивание).
Причины несомненной популярности
соответствующих методов следующие: