Методологические вопросы экономического прогнозирования

В современных условиях управляющие решения должны приниматься лишь на основе тщательного анализа имеющейся информации. Например, банк или совет директоров корпорации примет решение о вложении денег в какой-то проект лишь после тщательных расчетов, связанных с прогнозами состояния рынка, с определением рентабельности вложений и с оценками возможных рисков. В противном случае могут опередить конкуренты, умеющие лучше оценивать и прогнозировать перспективы развития. Для решения подобных задач, связанных с анализом данных при наличии случайных воздействий, предназначен мощный аппарат прикладной статистики, составной частью которого являются статистические методы прогнозирования. Эти методы позволяют выявлять закономерности на фоне случайностей, делать обоснованные прогнозы и оценивать вероятность их выполнения.

Под прогнозом понимается научно-обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Процесс разработки прогнозов называется прогнозированием (от греч. Prognosis – предвидение, предсказание).

В статистических методах, используемых в практической деятельности для построения прогнозов, заложены следующие основные предположения:

· основные факторы, тенденции и зависимости, наблюдавшиеся в прошлом, сохранятся либо можно будет предвидеть и определить направление их изменения в прогнозируемом периоде;

· развитие экономических процессов может быть представлено в виде плавной траектории, т.е. оно должно обладать некоторой инерционностью.

Процесс прогнозирования, опирающийся на статистические методы, распадается на два основных процесса. Первые – обобщение данных, наблюдаемых за достаточно продолжительный период, и представление статистической закономерности в виде модели. Второй этап – собственно прогноз. На основе выявленных закономерностей определяют ожидаемые значения прогнозируемого показателя, которые должны быть критически осмыслены с содержательной точки зрения.

Методы статистического прогнозирования "осмысливают" лишь часть формализованной информации о прошлом развитии, в то время как специалист-аналитик владеет еще и значительным объемом слабо формализуемой, но очень важной информации о текущем и будущем развитии исследуемого объекта, а также его внешней среды. Поэтому полученную прогностическую информацию следует рассматривать как дополнительную, которая призвана помочь аналитику прояснить ситуацию и принять правильное решение.

В зависимости от объектов прогнозирования принято разделять прогнозы на научно-технические, экономические, социальные, военно-политические и т.д. Однако такая классификация носит условный характер, т.е. между этими прогнозами, как правило, существует множество прямых и обратных связей.

В зависимости от масштабности объекта прогнозирования экономические прогнозы могут охватывать все уровни: от микроуровня (рассматривающего прогнозы развития отдельных предприятий, производств и т.д.) до макроуровня (анализирующего экономическое развитие в масштабе страны) или – до глобального уровня (где существующие закономерности рассматриваются в мировом масштабе).

Важной характеристикой является время упреждения прогноза – отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз.

По времени упреждения экономические прогнозы делятся на:

· оперативные (с периодом упреждения до одного месяца),

· краткосрочные (период упреждения от одного, нескольких месяцев до года),

· среднесрочные (период упреждения более 1 года, но не превышает 5 лет),

· долгосрочные (с периодом упреждения более 5 лет).

Наибольший практический интерес, безусловно, представляют краткосрочные и оперативные прогнозы.

Статистическое описание развития экономических процессов во времени осуществляется с помощью временных рядов.

Временным рядом называется ряд наблюдений за значениями некоторого показателя (признака), упорядоченный в хронологической последовательности, т.е. в порядке возрастания переменной t-временного параметра. Отдельные наблюдения временного ряда называются уровнями этого ряда.

Временной ряд состоящий из N уровней y(1), y(2), … y(N) может быть записан в компактной форме: Y(t), t=1,2, … N, где t – порядковый номер наблюдения.

Формально задача прогнозирования сводится к получению оценок значений ряда на некотором периоде будущего, т.е. к получению значения Y_p(t), t=N+1, N+2…

Статистические методы исследования исходят из предположения о возможности представления уровней временного ряда в виде суммы нескольких компонент, отражающих закономерность и случайность развития, в частности в виде суммы трех компонент:

, (1)

где f(t) – тренд (долговременная тенденция) развития;

S(t) - сезонная компонента;

E(t) – остаточная компонента.

Сезонная компонента характеризует устойчивые внутригодичные колебания уровней. Она проявляется в некоторых показателях, представленных квартальными или месячными данными. Для данных с иным шагом наблюдения S(t)=0.

Обратимся к примеру.

Рассмотрим данные табл. 5. Условимся, что относящиеся к отдельным годам значения урожайности картофеля будем называть уровнями, а всю их последовательность с 1997 по 2007 г. – рядом динамики (динамическим рядом, временным рядом).

Таблица 5

Динамика урожайности картофеля N-й области

Годы
Урожайность, ц/га

Ряд динамики состоит из двух строк: промежутков или моментов времени, к которым относятся уровни, и самих уровней признака (показатели). Ряд, в котором время задано в виде промежутков – лет, месяцев, суток, называется интервальным динамическим рядом. В табл. 5 приведен такой ряд. Ряд в котором время задано в виде конкретных дат (моментов времени), называется моментным динамическим рядом. Например, ряд численности населения по оценке на 1 января каждого года.

Вернемся к табл. 5. Сравнивая уровни разных лет, мы замечаем, что в целом урожайность возрастает. Однако нередко уровень урожайности следующего года оказывается ниже предыдущего. Иногда рост по сравнению с предыдущим годом велик, как в 2006 г., а иногда мал, как в 2003 г. Следовательно, рост урожайности наблюдается лишь в среднем, как тенденция. В отдельные же годы уровни испытывают колебания, отклоняясь от основной тенденции. Эти колебания урожайности связаны в основном с различием метеорологических условий в разные года.

Тенденция динамики связана с действием долговременно существующих причин и условий развития. Колебания же, напротив, связаны с действием краткосрочных или циклических факторов, влияющих на отдельные уровни динамического ряда, и отклоняющих уровни от тенденции то в одном, то в другом направлении. Например, тенденция динамики урожайности связана с прогрессом агротехники, с укреплением экономики данной совокупности хозяйств, совершенствованием организации производства. Колеблемость урожайности вызвана чередованием благоприятных по погоде и неблагоприятных лет, циклами солнечной активности, колебаниями в развитии вредных насекомых и болезней растений.

При статистическом изучении динамики необходимо четко разделить ее два основных элемента – тенденцию и колеблемость, чтобы дать каждому из низ количественную характеристику с помощью специальных показателей.

Тенденцию и колебания наглядно показывает график (рис. 8). По оси абсцисс всегда отражается время, по оси ординат – уровни. По обеим осям строго соблюдается масштаб, иначе характер динамики будет искажен.

На рис. 8. хорошо заметно, что рост урожайности в 1997 – 2007 г.г. характеризовался линейной тенденцией, а колеблемость была хаотической, без явной цикличности. О линии тренда и ее уравнении будет сказано далее.

Основная цель статистического анализа временных рядов – изучение соотношения между закономерностью и случайностью в формировании значений уровней ряда, оценка количественной меры их влияния. Закономерности, объясняющие динамику показателя в прошлом, используются для прогнозирования его значений в будущем.

Статистический анализ временных рядов выполняется в следующей последовательности:

· постановка задачи и подбор исходной информации;

· предварительный анализ исходных данных временного ряда и расчет основных показателей его динамики;

· выбор модели прогнозирования (спецификация модели) и численное оценивание ее параметров (параметризация модели);

· учет в модели сезонной волны (при наличии сезонных колебаний);

· оценка качества модели динамики (адекватности и точности);

· получение точечного и интервального прогнозов.

Рис. 8. Динамика урожайности картофеля