Понятие о прогнозировании и прогностике

В литературе имеется большое количество терминов и определений, связанных с проблемой прогнозирования, которые, к сожалению, трактуются далеко не однозначно. К ним относятся такие термины как предсказание (prediction), прогнозирование (forecasting), антиципация (anticipation) и некоторое обобщающее понятие предвидение (prognousis).

Предсказание (prediction) представляет собой не вероятностное (практически достоверное) утверждение о будущем. Оно возможно на основании физических законов. Например, можно практически без ошибок рассчитать положение планет в обозримом будущем.

Прогнозирование (forecasting) представляет собой вероятностное утверждение о будущем.

Антиципация (anticipation) – логически сконструированная модель возможного будущего с неопределенным уровнем достоверности. При этом «будущее» представляется в виде событий, ситуаций и т.п.

При этом предсказание, прогнозирование и антиципация являются частным случаем предвидения, которое в принципе представляет собой некоторое рассуждение о будущем.

Результатом предвидения является прогноз будущего. Прогнозы по своему содержанию могут быть качественными и количественными.

Качественные прогнозы могут быть получены как путем логических рассуждений, так и на основе количественных прогнозов процессов и явлений, оказывающих влияние на прогнозируемый процесс.

Количественный прогноз связан с какими-то численными параметрами прогнозируемого объекта, которые по сути являются случайными величинами (при прогнозировании). Поэтому с ними связаны такие характеристики случайных величин как математическое ожидание, дисперсия, наиболее вероятное значение и т.д.

При количественном прогнозировании различают точечные и интервальные прогнозы.

Под точечным прогнозом понимают оценку математического ожидания прогнозируемого параметра в заданный момент времени в будущем. Однако, как указывалось выше, мы никогда не сможем точно «угадать» будущую ситуацию. Поэтому значение точечного прогноза, как правило, не является достаточным и может рассматриваться как некоторый центр, около которого по некоторому закону будут группироваться будущие события. Поэтому дополнительно к точечному прогнозу рассматривается интервальный прогноз, характеризующий размер области, в которую с заданной вероятностью попадет будущее значение прогнозируемого параметра.

Интервал наблюдения – отрезок времени, на котором имеются статистические данные о значении прогнозируемой величины до настоящего момента времени.

Интервал упреждения – отрезок времени с момента осуществления прогноза до момента времени в будущем, для которого делается прогноз.

1.2. ИСТОРИЯ РАЗВИТИЯ ПРОГНОСТИКИ КАК НАУКИ

Прогностика – наука о закономерностях разработки прогнозов, т. е. по сути о методологии прогнозирования.

Различные «размышления о будущем» появлялись на протяжении всей человеческой истории. К наиболее известным работам в этом направлении следует отнести работы Циолковского – «Исследование мировых пространств реактивными приборами» (1926), «Будущее Земли и человечества» (1928) и т.д.

В 1968 г. был создан Римский клуб, получивший свое название по месту нахождения штаб-квартиры. Он объединил около полусотни видных ученых, бизнесменов и общественных деятелей для регулярного обсуждения проблем, поднятых экологической и технологической «волной». Клуб располагал достаточными средствами, чтобы заказать специальные научные исследования по данной проблематике.

В 1970 г. на очередном заседании клуба был обсужден доклад американского кибернетика Дж. Форрестера об опыте моделирования социальных систем с использованием ЭВМ, а в 1972 г. вышла его книга «Пределы роста», которая вызвала очередную сенсацию и сохранила актуальность до наших дней (по его прогнозам на протяжении первых десятилетий ХХI века минеральные ресурсы окажутся исчерпанными и рост производства прекратится).

В СССР в 1966 г. был поставлен вопрос о необходимости повышения научного уровня народнохозяйственного планирования и управления. Это привело к созданию первых секторов и отделов прогнозирования в ряде научно-исследовательских институтов.

Были подготовлены первые специальные труды по методологии прогнозирования: Г.М. Добров «Прогнозирование науки и техники» (1969), В.Г. Гмошинский и Г.И. Флиорент «Теоретические основы инженерного прогнозирования» (1973), С.А. Саркисян и Л.В. Голованов «Прогнозирование развития больших систем (1975), А.Г. Ивахненко «Долгосрочное прогнозирование и управление сложными системами» (1975) и др.

К числу первых учебников по прогнозированию относятся «Теория прогнозирования и принятия решений»/Под. ред. С.А. Саркисяна (1977) и «Рабочая книга по прогнозированию»/Под ред. И.В. Бестужева-Лады (1982).

С 70-х годов регулярно проводились семинары по теории и практике прогнозирования в Киеве, Ленинграде, Новосибирске.

1.3. СОВРЕМЕННОЕ СОСТОЯНИЕ МЕТОДОЛОГИИ ПРОГНОЗИРОВАНИЯ

Современные методы прогнозирования можно классифицировать на три основные группы:

- методы экстраполяции;

- методы экспертных оценок;

- методы математического моделирования.

Суть метода экстраполяции состоит в распространении существующих закономерностей (тенденций и связей) на некоторый период в будущем. Динамическая (временная) экстраполяция основывается на предположении, что имеющийся временной ряд y_t представляет собой сумму двух составляющих – регулярной и случайной:

, (1.3.1)

где f (t) - регулярная составляющая;

e _t - случайная величина с нулевым математическим ожиданием.

При этом предполагается отсутствие корреляции между e_t и e _{t- τ} для любого τ, не равного нулю.

В основе метода экстраполяции лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Применение этого метода фактически сводится к построению наилучшего в некотором смысле описания регулярной составляющей и экстраполяции его на прогнозный момент времени.

Выбор типа функции f (t) осуществляется на основании визуального анализа динамики показателя. В качестве функций обычно используются:

- линейная ; (1.3.2)

- полиномиальная ; (1.3.3)

- экспоненциальная ; (1.3.4)

- логистическая кривая (1.3.5)

и другие простые математические зависимости.

Для учета возможности плавного изменения регулярной составляющей во времени используются так называемые адаптивные модели, к числу которых относятся модели экспоненциального сглаживания и модель Бокса-Дженкинса, которая является более общей по отношению к модели экспоненциального сглаживания.

Методы экстраполяции целесообразно использовать при прогнозировании показателей в тех случаях, когда имеется достаточно представительная статистика, позволяющая провести построение временных рядов, причем прогнозируемые события должны носить массовый характер.

К методам экстраполяции относится также группа методов прогнозирования, основанных на построении и использовании моделей связи прогнозируемого показателя y с различными факторами X₁, X₂, …,X_k

. (1.3.6)

Метод заключается в построении регрессии (математической зависимости) прогнозируемого показателя от ряда факторов (независимых переменных), прогнозировании будущих значений факторов и расчете прогнозных значений показателя по математической зависимости. При этом прогнозные значения независимых переменных определяются вне рамок регрессионной модели на основе дополнительной информации, как правило, с использованием экстраполяции трендов или экспертным путем.

Однако применение многофакторных моделей на практике сталкивается со сложностью отбора существенных факторов и трудностями в получении исходной информации.

Методы экспертного прогнозирования используют индивидуальные или групповые мнения о перспективах развития прогнозируемого объекта и могут использоваться при отсутствии или сложности получения статистической информации.

Возможно комбинирование результатов экспертного и экстраполяционного прогнозов.

Следует отметить, что существует также ряд специфических методов прогнозирования: метод огибающих кривых (используется для прогнозирования развития техники с учетом смены поколений), "инженерное прогнозирование" (основанное на анализе патентной информации), метод прогнозного графа (прогнозирование вероятности или времени наступления событий) и др.

Многообразие методов и моделей прогнозирования обусловлено тем, что они ориентированы на определенный класс объектов и сложившиеся условия. Поэтому при выборе метода прогнозирования и построении математической модели прогноза следует учитывать природу объекта прогнозирования (научно-технический, экономический, социальный, естественный), его размерность, сложность (степень взаимосвязи между элементами), характер развития (наличие циклов, скачков и т. д.), степень детерминированности, а также имеющиеся информационные источники.