Методы разработки и объекты прогнозов на уровне предприятия (фирмы)
Мы видим, что прогнозы занимают ведущее (исходное) положение во всей системе прогнозов и планов фирмы. По существу между прогнозом (предвидением будущего) и планом нет резкой границы. Можно сказать, что прогноз - недостаточно определенный план, а план - это уточненный прогноз. Наиболее существенным отличием плана от прогноза является наличие в плане элементов выбора, принятия решений и мероприятий по осуществлению этих решений.
Как указывалось в рис. 32, основными объектами прогнозирования на уровне предприятия (фирмы) являются:
- потребность в продукции предприятия,
- потребности предприятия в производственных ресурсах (материальных, финансовых, трудовых, информационных).
Разработкой методов прогнозирования занимается прогностика.
Все методы прогнозирования (их более 100) можно разделить на две группы:
- неформализованные (эвристические),
- формализованные.
К числу неформализованных относят:
|
|
- индивидуальные экспертные оценки,
- коллективные экспертные оценки,
- написание сценариев и т.д.
К фрмализованным методам относят:
- методы экстраполяции,
- моделирование.
Неформализованные (эвристические) методы применяются в тех случаях, когда невозможно использовать знания экспертов в формализованном виде.
Наиболее широко используются методы интервью, "мозговой атаки", коллективных экспертных опросов.
Из формализованных методов наиболее широко применяются экстраполяционные, т.е. те, когда прогноз производится по такому алгоритму:
1. Упорядочение прошлых данных;
2. Сглаживание временного ряда;
3. Выделение тренда;
4. Определение уравнения тренда;
5. Расчет прогнозного значения;
6. Оценка доверительного интервала с заданной вероятностью.
Наиболее простым является экстраполяция с линейным сглаживанием.
Прогнозное значение определяется подстановкой нужного значения времени в уравнение тренда y = f(t), а доверительный интервал по формуле
,
где ta- табличное значение t-критерия Стьюдента при вероятности p и n-1 степени свободы (табл.15.1); n - число прошлых значений объекта прогноза, ; y - текущее значение объекта прогнозирования в прошлом, y* - текущее теоретическое значение объекта прогнозирования (исходя из уравнения тренда).
Таблица 7.1
Таблица значений t-критерия Стьюдента
n-1 p | 0,95 | 0,9 |
3,18 2,78 2,57 2,45 2,36 2,31 2,26 2,23 2,09 | 2,35 2,13 2,01 1,94 1,89 1,86 1,83 1,81 1,72 |
Этот метод прогнозирования имеет смысл при сравнительно краткосрочном прогнозировании (5-7 лет) и уверенности в том, что основная модель процесса (а, следовательно, и тренд) за это время не изменяются.
|
|
Ясно, что с целью несмещенности оценки уравнение тренда следует выбирать таким образом, чтобы S было минимальным (т.е. по методу наименьших квадратов). Практически допустимо использовать критерий
.
В том случае, если тренд целесообразно аппроксимировать монотонной произвольной кривой, то можно использовать преобразование масштабов осей ординат с целью "выпрямления" кривой (практически удобно преобразовывать только ось y - ов).
Такое преобразование выполняют последовательно согласно следующей "лестнице преобразований":
Движение в ту или иную сторону по "лестнице преобразований" определяется направлением выпуклости непреобразованной кривой тренда (куда направлена, туда и надо двигаться по "лестнице"). Критерием достижения цели является равенство тангенсов углов наклона, построенных на трех характерных точках кривой (обычно начало, конец и зона изменения угла наклона). В результате получаем уравнение прямой линии преобразованной величины (например, ). Обратное преобразование дает уравнение тренда (соответственно ). Далее нахождение доверительного интервала и прогнозного значения исследуемой величины осуществляется по вышеприведенным формулам.
В некоторых случаях первоначальному выделению тренда мешает неопределенность исходных данных (их "кучность" или "разреженность"). В этом случае возникает необходимость предварительного сглаживания. Наиболее прост метод сглаживания "по медианам троек". Его просто показать на примере. Предположим есть числовой ряд:
10 1 3 5 20 7 4 10 24 25 30.
Выписываем медианы троек, последовательно передвигаясь на одно число:
3 3 5 7 7 25 25 25 30 30.
Эффект сглаживания очевиден. В целях сохранения числа данных добавляем по одному числу в начале и в конце ряда. Если полное сглаживание не достигнуто, процедура повторяется.