Каузальные методы прогнозирования

В случае значительных требований к точности прогноза и при наличии большого (даже огромного) массива данных используются каузальные, или причинно-следственные, модели прогнозов, в которых прогнозируемая величина является функцией большого числа переменных. Объемы продаж товара могут зависеть от цены продукта, затрат на рекламу, действий конкурентов, уровня доходов и других независимых переменных. Если связи между этими переменными удается описать математически корректно, то точность каузального прогноза может оказаться довольно высокой. Рассмотрим три каузальных метода прогнозирования.

1. Многомерные регрессионные методы (модели), посредством которых регрессионная зависимость между величинами устанавливается по статистическим данным, являются наиболее распространенными количественными методами прогнозирования (к ним относится метод проецирования тренда).

2. Эконометрические методы (модели) дают количественное описание закономерностей и взаимосвязей между экономическими объектами и процессами и разрабатываются для прогнозирования динамики экономики. Типичная эконометрическая модель представляет собой систему из тысяч уравнений, решение которой требует мощных вычислительных средств.

3. Компьютерная имитация. С появлением современных вычислительных средств уровень сложности математических моделей, при помощи которых можно делать правильные предсказания о динамике процессов, существенно вырос. Появились модели, способные создавать «иллюзию реальности». Называемые имитационными, эти модели являются как бы промежуточным звеном между реальностью и обычными математическими моделями. Имитационные модели находятся как бы на пределе возможностей вычислительной техники (и системного программирования).