Прогнозирование.
- 26.10.24 г.
- 9772225665000 24026
1. Общие положения.
Прогнозирование представляет собой процесс предсказания состояний объекта или значений набора данных в будущем, основанный на анализе его исторических и текущих характеристик.
В качестве альтернативы прогнозированию выступает ретрополяция.
Прогнозирование представляет собой статистический инструмент, который используется для определения неизвестных значений некоторых переменных путём анализа известных значений других взаимосвязанных переменных.
Основная цель прогнозирования состоит в предсказании будущих значений зависимой переменной на основе анализа данных о независимой переменной. Другими словами, с помощью прогнозирования можно определить недостающие значения в ряде данных, опираясь на уже имеющиеся.
Прогнозирование реализуется за счет экстраполяции и включает в себя
– определение направления и трендов начала временного ряда,
– выявление закономерностей развития явления в прошлом,
– перенос выявленных закономерностей на определенный будущий период,
– оценку достоверности прогноза.
Прогнозирование, как правило, предполагает применение методик, обеспечивающих формулировку предсказаний не в обобщенном виде, а с высокой степенью детализации и указанием конкретных сценариев реализации.
Выбор используемых методов прогнозирования или их сочетания определяется спецификой каждого отдельного случая.
Для прогнозирования актуальны следующие ключевые понятия:
– ошибка прогноза (остаточная ошибка) представляет собой количественную разницу между фактически наблюдаемым значением и значением, предсказанным для данного периода,
– риск и неопределенность отражают потенциальную погрешность прогноза и связаны с непредсказуемостью будущих событий,
– методы и модели (некоторые из них будут рассмотрены ниже).
Для обеспечения точности и адекватности полученных результатов требуется соблюдение следующих условий:
– единообразие временного интервала: весь базовый набор данных должен характеризоваться единым временным шагом.
– синхронизация фиксации наблюдений: фиксация наблюдений должна осуществляться в один и тот же момент времени для каждого интервала.
– непрерывность данных: отсутствие каких-либо пропусков в наборе данных.
В ситуациях, когда базовый набор данных неполный, требуется применение интерполяции, таких как использование среднего арифметического соседних интервалов, для восполнения недостающих значений.
С целью повышения точности прогнозирования предусмотрена корректировка прогнозных значений с учетом временной изменчивости или скачкообразного характера исследуемого явления.
2. Критерии, способы и модели прогнозирования.
2.1. Классификация способов прогнозирования.
Способы прогнозирования можно разделить на два основных типа: общие и специализированные.
Общие способы охватывают широкий спектр задач прогнозирования и используются в различных областях деятельности.
Специализированные способы, напротив, предназначены для решения задач в конкретных областях, и они классифицируются на основе определенных критериев.
Способы прогнозирования можно классифицировать по степени формализации на два типа:
– интуитивные,
– формальные.
Интуитивные способы прогнозирования применяются для решения задач, которые затруднительно описать с помощью формальных математических моделей.
Основой таких способов являются экспертные оценки, полученные посредством разнообразных методик, к числу которых относятся интервью, метод сценариев, метод «Дельфи» (структурированная коммуникация), мозговой штурм и другие.
Данные способы находят широкое применение в экономике, политике и иных сферах, где прогнозируемая система либо обладает чрезмерной сложностью для математического моделирования, либо, наоборот, достаточно проста и не нуждается в формальном описании.
Формальные способы предполагают применение строгих математических вычислений, в том числе экстраполяции, метода наименьших квадратов и разнообразных методов моделирования. Реализация формальных методов позволяет установить функциональную зависимость, с помощью которой можно рассчитать будущие значения исследуемого процесса, и создать соответствующие модели прогнозирования.
Существуют три основных типа подхода к прогнозированию.
По характеру прогнозирования:
– способы качественного прогнозирования,
– способы количественного прогнозирования,
– комбинированные способы.
Способы качественного прогнозирования основаны на использовании экспертного мнения и глубоком анализе имеющейся информации. Данный подход широко применяется в процессе принятия стратегических решений, ориентированных на среднесрочные и долгосрочные перспективы.
Способы качественного прогнозирования:
– обоснованное мнение,
– аналогия с прошлыми событиями,
– метод «Дельфи» и другие.
Способы количественного прогнозирования опираются на математические модели и применяется в тех случаях, когда имеются исторические числовые данные и существует обоснование для предположения о сохранении определенных тенденций в будущем. Эти способы обычно применяются для принятия решений на краткосрочную или среднесрочную перспективу.
Способы количественного прогнозирования:
– простые и взвешенные N-периодные скользящие средние (прошлые наблюдения имеют одинаковый вес),
– экспоненциальное сглаживание (с течением времени веса прошлых наблюдений экспоненциально уменьшаются),
– прогнозирование на основе модели пуассоновского процесса,
– мультипликативные сезонные индексы.
Комбинированные способы исследования предусматривают синтез качественных и количественных подходов, объединяя субъективные экспертные суждения с объективными математическими моделями.
В зависимости от варианта получения и обработки данных можно выделить три основных подхода:
– статистические способы, основанные на анализе количественных (динамических) структурных закономерностей в данных.
– способы аналогий, использующие логические умозаключения о сходстве закономерностей развития различных процессов.
– прогнозные (опережающие) способы, позволяющие строить прогнозы на основе анализа последних тенденций и закономерностей развития исследуемого объекта.
Существует несколько оснований для классификации способов прогнозирования.
Во-первых, можно выделить методы усреднения, которые полагаются на использование среднего значения из прошлых периодов для оценки будущих значений.
Во-вторых, существуют различные модификации наивного подхода к прогнозированию.
В-третьих, детерминированный подход, при котором прогнозы строятся на основе заданных функций и параметров без учета случайных факторов.
В-четвертых, методы анализа временных рядов, которые основаны на анализе исторических данных для оценки будущих результатов.
В-пятых, реляционные (оценочные) методы, которые используют субъективные суждения, мнения и вероятностные оценки как в контексте исторических данных, так и в новых, уникальных рыночных условиях.
Наконец, к способам прогнозирования относятся также способы, основанные на искусственном интеллекте.
2.2. Способы прогнозирования.
Способ прогнозирования – это упорядоченный набор действий, необходимых для построения модели прогнозирования:
– геометрическая экстраполяция с предсказанием ошибок (метод, позволяющий прогнозировать значения на основе геометрических закономерностей с оценкой точности предсказания),
– вероятностное прогнозирование (метод, присваивающий каждому из возможных исходов определенную вероятность),
– ансамблевое прогнозирование (метод, объединяющий множество прогнозов для получения более полной картины диапазона потенциальных сценариев развития событий),
– методы Форсайта (систематический подход к долгосрочному прогнозированию, основанный на анализе трендов и сценариев),
– деревья решений (метод, использующий разветвленную структуру для выявления решений на основе анализа входных данных),
– методы регрессионного анализа, в т.ч. линейная регрессия (статистические методы, позволяющие установить зависимость между переменными),
– метод «ближайшего соседа» (метод классификации, основанный на сравнении с ближайшим известным объектом),
– метод k–ближайших соседей (обобщение метода «ближайшего соседа», использующее k ближайших объектов для классификации),
– метод опорных векторов (метод машинного обучения, использующий опорные векторы для построения оптимальной разделяющей гиперплоскости),
– байесовская сеть (графическая модель, представляющая вероятностные зависимости между переменными),
– скрытая марковская модель (статистическая модель, описывающая последовательности событий со скрытыми состояниями)
и др.
Одними из главных способов составления прогнозов являются статистические способы.
Они представляют собой математический аппарат, позволяющий строить перспективные динамические ряды. При условии наличия полного и достоверного массива исходных данных, необходимых для количественного и качественного анализа характеристик прогнозируемых объектов, прогнозы, полученные с помощью статистических способов, характеризуются наивысшей точностью.
В сферу статистического прогнозирования входят:
– изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных.
– теоретико-практические исследования в области вероятностно-статистического моделирования экспертных методов прогнозирования.
– теоретико-практические исследования прогнозирования в условиях риска, а также комбинированных методов, объединяющих экономико-математические и эконометрические (включая формализованные и экспертные) модели.
Следует также отметить, что разные способы могут приводить к разным точностям прогнозирования.
2.3. Критерии и факторы выбора способов составления прогнозов.
При выборе оптимальных способов прогнозирования следует принимать во внимание многочисленные факторы. Так, оперативные задачи требуют применения быстрых и высокоэффективных способов, в то время как стратегическое планирование на длительный период предполагает использование комплексных и всесторонних подходов к прогнозированию.
Выбор конкретных способов также зависит от сферы применения, доступности достоверных данных, возможности количественной оценки факторов, уровня квалификации специалистов, участвующих в прогнозировании, а также от наличия необходимой технической инфраструктуры.
Ключевыми требованиями к прогнозной модели являются:
– системность: прогноз должен основываться на всестороннем анализе взаимосвязанных факторов и процессов,
– адаптивность: модель должна обладать способностью к корректировке в соответствии с изменениями входных данных,
– обоснованность методики: выбор способа прогнозирования должен быть аргументирован с точки зрения обеспечения точности и надежности предсказаний,
– непрерывность процесса прогнозирования: прогноз должен проводиться регулярно, если не предполагается единовременное его применение,
– экономическая эффективность: затраты на прогнозирование не должны превышать выгоду от использования полученных результатов, в особенности в сфере экономики.
2.4. Пределы и условности прогнозирования.
Существует ряд явлений, поддающихся лишь ограниченному прогнозированию или вовсе непредсказуемых.
Некоторые процессы характеризуются случайным характером и отсутствием корреляционной связи в данных, что привносит элемент неопределенности. К таким явлениям относятся, к примеру, результаты лотерейных розыгрышей, которые невозможно предсказать с какой-либо достоверностью.
Другие тенденции обладают динамикой, подверженной самомодификации. Так называемые «саморазрушающиеся прогнозы» оказывают влияние на контекст событий и поведение участников, что существенно затрудняет точное предвидение их развития.
2.5. Модели прогнозирования.
Следует различать способ и модель прогнозирования.
Модель прогнозирования представляет собой функциональную конструкцию, точно воспроизводящую исследуемый процесс и позволяющую получать предсказания его будущих состояний.
Модель предметной области является разновидностью моделей прогнозирования, построенных на основе фундаментальных законов и принципов соответствующей области знаний. Они учитывают специфические взаимосвязи, характерные для данной предметной области. Разработка таких моделей требует индивидуального подхода, обусловленного уникальными особенностями каждой конкретной сферы применения.
Модели временных рядов представляют собой математические инструменты, предназначенные для прогнозирования будущих значений динамических процессов на основе анализа взаимосвязей между их прошлыми и будущими значениями. Ключевой особенностью этих моделей является фокус на выявлении общих закономерностей изменения данных во времени, независимо от специфики самих данных. Благодаря этому, модели временных рядов обладают универсальностью: их структура не зависит от конкретной природы исследуемого явления.
2.6. Диалектика и прогнозирование.
Для гносеологии диалектики большое значение имеет ее концептуальное соотношение с прогнозированием.
3. Применение.
Прогнозирование находит широкое применение в разнообразных сферах деятельности человека. К числу таких сфер относятся:
– предсказание спроса на товары и услуги,
– управление цепочками поставок и планирование продаж,
– прогнозирование экономических процессов на различных уровнях детализации,
– оценка сейсмической активности,
– оптимизация систем отопления с учетом погодных условий,
– планирование транспортной логистики,
– предсказание результатов спортивных состязаний,
– анализ политических тенденций и предвыборных предпочтений,
– прогнозирование погоды.
4. В дискуссиях требуется акцентировать те из обозначенных выше положений или их аспекты, которые имеют значения для обсуждений
– различений методов и информационных технологий,
– аспектов новой математики, учитывающей качественные положения,
– новых выявляемых моментов нейросетей,
– диалектических аспектов прогнозирования.
Дискуссии и конференции. Методы