Виды прогнозов

Признак классификации	Виды прогнозов
1. по горизонту прогнозирования	§ краткосрочными (до 1 года, но обычно квартал), § среднесрочными (от 1 года до 3 лет), § долгосрочными (на 3 года и более).
2. по типу прогнозирования	§ поисковые прогнозы (основанные на поиске фактов связанных с тем или иным результатом или, иначе говоря, построенные на основе выявленных причинно-следственных связей), § нормативные прогнозы (строятся в результате анализ временных рядов), § основанные на творческом видении (или экспертные оценки)
3. по степени вероятности будущих событий	§ вариантные (предусматривается несколько вариантов развития событий), § инвариантные (имеется только 1 вариант)
4. по способу представления результатов:	§ точечные прогнозы (объем продаж в следующем году составит 2,5 млн.руб) § интервальные прогнозы (от 2 до 3 млн.)
5. по охвату рынка(в зависимости от того, что охватывает прогноз)	§ локальный рынок, § глобальный рынок, § товарная группа, § отдельный товар.

Выбор метода прогнозирования зависит от множества факторов. Отметим некоторые из них:

наличие данных,

желаемая точность прогноза, а также

временные и стоимостные затраты на его составление.

Методы прогнозирования условно можно разбить на две группы:

1. количественные,

2. качественные.

Количественные методы прогнозирования требуют значительного количества исходных данных и при их отсутствии не могут быть использованы.

Качественные методы, наоборот, предназначены для использования в условиях отсутствия достоверной количественной информации.

Методы прогнозирования

Качественные методы

Каузальные методы

Количественные методы

Методы анализa временных рядов

К количественным методам прогнозирования относятся:

методы анализа временных рядов,

каузальные (или причинно-следственные) методы.

В задачах прогнозирования метод анализа временных рядов используются при наличии значительного количества значений рассматриваемого показателя из прошлого и при условии, что наметившаяся тенденция ясна и относительно стабильна.

Анализ временных рядов предпочтительнее использовать при составлении краткосрочных прогнозов.

К данной группе методов относятся:

Метод скользящего среднего

Метод проецирования тренда

Методы анализа временных рядов

Метод экспоненциального сглаживания

Модели с аддитивной и мультипликативной компонентой

Суть метода скользящего среднего состоит в том, что значение прогнозируемого показателя определяется путем усреднения значений за несколько предшествующих моментов времени.

Метод экспоненциального сглаживания также предполагает, суммирование значений за предшествующие периоды времени, но при этом им присваиваются весовые коэффициенты. Взвешивание осуществляется таким образом, что последние данные получают большие веса, нежели более старые. Это связано с тем, что значения показателя за более поздние временные периоды более точно отражают влияние совокупности факторов внешней среды, соответственно они более ценны для прогноза.

Для прогнозирования используется следующее рекуррентное соотношение (это означает, что последующий показатель вычисляется через предыдущий)

где - прогнозируемое значение показателя_.

- константа сглаживания. Значение выбирается исходя из конкретных условий.

В качестве рекомендаций можно использовать данные следующей таблицы:

	0,05	0,1	0,2	0,3
k

k – количество предшествующих моментов времени, используемых в расчете.

Пример:

Имеются данные о количестве пользователей сети за 7 месяцев текущего года. Необходимо составить прогноз на август месяц методом экспоненциального сглаживания. Константу сглаживания принять равной 0,4.

t
Y, тыс.чел.								?

Для прогнозирования методом экспоненциального сглаживания необходимо провести расчеты для всех временных периодов в следующей последовательности:

Прогнозное значение за январь месяц примем равным 3 тысяч пользователей, тогда кол-во пользователей в феврале будет равно:

поскольку фактическое и прогнозное кол-во совпадают, то в итоге получим

тыс.пользователей

В марте:

Таким образом, метод экспоненциального сглаживания показал, что в августе количество пользователей будет равно 11,1428 тыс. пользователей.

Метод экспоненциального сглаживания может быть использован только в относительно стационарных условиях, при стабильном развитии системы без резких изменений условий внешней и внутренней среды. Если же компания стала терпеть убытки, резко изменилась рыночная ситуация (например, цены на сырье, резко вырос уровень инфляции) данный метод не рекомендуется использовать, т.к. он не позволяет учесть влияние этих факторов.