Причинно-следственный метод

«Решение проблемы лежит не внутри системы,

а вне системы» (древняя мудрость).

Римский клуб пришел к выводу, что «Если рассматривать действительно критические моменты современности…, то обнаруживается невозможность рассматривать их изолированно. Даже при беглом ознакомлении бросается в глаза связь между проблемами». Все опасности взаимосвязаны, и их можно преодолеть только в совокупности. Большинство новых идей в действительности не что иное, как установление связи между двумя и более известными фактами.

В причинно-следственный методе з акономерность воспринимается как результат взаимодействия большого числа элементарных явлений (фона), рассматриваемых как реальная совокупность. Метод основан на нахождении причины, которая продолжает действовать, а затем определяется ее основной эффект.

Общий прогноз состоит из нескольких составляющих (рис. «Прогноз образа будущего (концептуальная схема) В.В.Гольберт»):

· первичных (космических),

· производных (звездно-солнечно-лунно-земных связей),

· самостоятельных компонентов (земных сфер).

В свою очередь космические воздействия в основном состоят из: галактических, солнечных (солнечная активность и солнечно-земные связи), лунных, падения космического вещества.

Универсальное прогнозирование – новое направление в долгосрочном прогнозировании, оно объединяет два направления: астрономические прогнозы по солнечной геомагнитной активности (СА) и солнечно-земные связи (разработанные А.Л.Чижевским. Достоинство причинно-следственного метода: дает возможность выйти на прогнозирование катастроф, так как замечено, что глубина нарушения равновесия (продолжительность кризисов, катастроф) прямопропорциональна продолжительности цикла СА. Метод прост, он подобен принципу «бритвы Окама», который гласит: «если даны следствия и ряд возможных причин, то наиболее вероятной истинной причиной будет простейшая».

Недостатки причинно-следственного метода. По мнению И.В.Бестужева-Лады практическое применение причинно-следственного метода для некоторых направлений может оказаться глубоко ошибочным. Так, например, причинно-следственные связи в социальной жизни не отличаются простотой и ясностью.

23. Прогнозирование спроса и продаж на основе анализа динамических рядов. Определение трендов в рядах динамики. Методика выявления сезонной составляющей.

В методологически правильной постановке прогнозирование спро­са — это искусство оценки будущего спроса при предположении об опре­деленном поведении покупателей в заданных условиях. Прогнозирование спроса в данном случае должно осуществляется в три этапа. Вначале раз­рабатывается прогноз внешней среды, затем — прогноз развития данной отрасли, наконец, разрабатывается прогноз величины спроса на товары конкретной компании. Такие комплексные, тем более аналитические мо­дели, разработать и реализовать чрезвычайно сложно, поэтому на прак­тике получили применение более простые статистические модели.

Обычно в данном случае речь идет о прогнозировании на основе статистических данных по объему продаж для конкретной компании или конкретного рынка величины текущего рыночного спроса на определен­ный товар. В литературе, в которой приводятся результаты использова­ния тех или иных статистических моделей, очень часто не делается раз­личия между разными видами спроса, и его прямым образом отождеств­ляют с объемом продаж.

Простейшими методами прогнозирования спроса на основе стати­стической маркетинговой информации являются экстраполяционные методы, основанные на анализе временных рядов.

Анализ временных рядов применительно к прогнозированию вели­чины спроса представляет собой разбиение данных об объеме продаж в прошлом на компоненты, характеризующие тренды, циклы, сезонные и случайные изменения, выявление причин изменения спроса в прошлом с последующим переносом полученных закономерностей на будущее. (Пример получения прогнозных оценок объема сбыта велосипедов на основе анализа тренда рассматривался выше.)

Для статистики и анализа является очень важным нахождение тренда в рядах динамики и их развития. Основной бычий тренд развития называется равномерное и стабильное изменение уровня по истечению конкретного времени, свободное от незапланированных колебаний. Задачей является определение общей тенденции в рядах изменений, которая была высвобождена от воздействия факторов.

Процесс изучения тенденции предполагает два взаимосвязанных этапа:
1. проверка на присутствие тенденции ряда динамики;
2. выравнивание временного ряда и соответственно определение тенденции с экстраполяцией выявленных результатов.

Для реализации этой цели ряды динамики нуждаются в детальной обработке методами укрупнения интервалов, скользящей средней и аналитического выравнивания.

Одним из самых простых методов позволяющий выявлять тренд в рядах динамикиявляется метод укрупнения интервалов и бычий тренд. Данный метод основывается на укрупнении сроков, связанных с уровнями рядов динамики. Примером может служить перевод месячных периодов в квартальные.

Тренд в рядах динамики можно выявлять так же эффективно с помощью метода скользящей средней путем сглаживания ряда динамики. Бычий тренд, определяющийся с помощью скользящей средней подразумевает некоторую подвижную динамическую среднею, которая вычисляется по ряду при поэтапном движении на один промежуток. Другими словами, сперва рассчитывают средний уровень из конкретного числа первых по порядку в рядах и только потом средний уровень, но начиная уже со второго. Подводя итоги можно заметить, что сущность метода основывается на замене абсолютных параметров средними арифметическими за конкретные сроки. Но самым эффективным и результативным при выявлении трендов в рядах динамики считается метод аналитического выравнивания. Целью данного метода является получение аналитической или графической зависимости. При выравнивании применяют такие зависимости как экспоненциальная, параболическая и линейная. Объясняется результативность данного метода для менеджера тем, что только он позволяет получать закон. С помощью данного закона можно максимально точно спрогнозировать параметры уровней ряда. Иногда при использовании данного метода используют гармонический анализ. Недостатком данного метода является то, что его может применять только профессионал, владеющий в совершенстве знаниями в области высшей математики и математической статистики.

частью задачи прогнозирования должна являться задача оценки колебательных процессов, которые могут в значительной степени влиять на получаемую картину прогнозируемого состояния объекта.

Рассмотрим часть приёмов, позволяющих оценить величину сезонных колебаний.
Для этого обычно используются индексы сезонности.

В литературе чаще всего рассматриваются следующие методы нахождения данных индексов:

• 
  метод постоянной средней;
• 
  метод переменной средней;
• 
  метод нахождения взвешенных индексов сезонности;
• 
  метод скользящей средней.

Рассмотрим каждый из этих методов.

1. Наиболее простым методом определения величины колебательных процессов является метод постоянной средней. Он применяется в случае отсутствия тенденции роста или убывания, когда внутригодичные изменения колеблются на протяжении изучаемого периода (ряда лет) вокруг определённого постоянного уровня.

2. Метод переменной средней применяется при наличии ярко выраженной основной тенденции развития. В этом случае в качестве базы сравнения выступают теоретические уровни, представляющие собой своего рода «среднюю ось кривой», поскольку их расчёт основан на положениях метода наименьших квадратов.

3. При изучении сезонных колебаний по данным за несколько лет их можно отделить от изменений уровней за счёт наличия общей тенденции и от случайных колебаний, искажающих характер сезонной волны (индекса сезонности) в отдельные годы, путём нахождения взвешенных индексов сезонности. В данном случае индивидуальные индексы сезонности усредняются путём нахождения взвешенных средних. Весами являются средние месячные или квартальные уровни каждого года.

4. Метод скользящей средней также как и два предыдущих метода позволяет выявить и исключить общую тенденцию развития изучаемого явления. Определение общей тенденции в ряду динамики с помощью рассматриваемого метода состоит в вычислении средних величин из определённого числа членов ряда с отбрасыванием при вычислении каждой новой средней одного члена ряда слева и присоединением одного члена ряда справа.

Аналитик вправе использовать любой подходящий метод для определения величины колебаний. Но при достаточно серьёзном моделировании экономического объекта рекомендуется воспользоваться методом нахождения взвешенных индексов сезонности или скользящей средней, причём первый из этих методов при довольно хороших результатах более удобен при расчётах.

Метод простой средней применяется для анализа сезонно­сти явлений, уровни которых не имеют резко выраженной тенден­ции увеличения или уменьшения. Сущность этого метода заключается в определении сезонной волны (индекса сезонности) как процентного отношения средних квартальных уровней к общей средней (если, например, анализируются помесячные показатели, то исчис­ляются отношения средних месячных
к общей средней за весь рассматриваемый период). Применение метода простой средней или расчёта сезонной волны даёт возможность нейтрализовать случайные колебания показателей исследуемого ряда динамики и определить сезон­ные колебания в среднем за весь период. Правильность получен­ной сезонной волны зависит как от числа уровней ряда, привлекаемых для анализа, так и от характера их изменения: чем продолжи­тельнее период анализа, чем большее число лет привлекается к рас­чётам, тем устойчивее будут полученные данные. Однако чем про­должительнее период анализа, тем больше проявляется тенденция увеличения или уменьшения уровней ряда динамики и на показа­тель сезонной волны
в большей степени окажет влияние общая тенденция развития, а не сезонные колебания.

При наличии маловыраженной (незначительной) общей тенденции подъёма (снижения) уровней ряда динамики её влияние на сезонную волну можно уменьшить
с помощью некоторого преобра­зования уровней ряда. Для этого исчисляются процентные отноше­ния уровней ряда к их среднеквадратичному показателю за каждый год, а затем
из полученных отношений определяется средняя ариф­метическая для каждого квартала
за весь анализируемый период – это будет индекс сезонности.

Сезонная волна, исчисляется из процентных отношений уров­ней ряда, более правильно отражает сезонные колебания (при нали­чии небольшой тенденции), чем сезонная волна, вычисленная по методу средней арифметической непосредственно из уровней ряда, т.к. процентные преобразования несколько снижают влияние общей тенденции развития
на сезонную волну.

Метод простой средней при всей несложности его вычислений, являющейся его достоинством, для анализа сезонных колебаний применяется редко даже при некоторых его усовершенствованиях, поскольку он не может исключить влияния общей тенденции,
а уровень явлений в большинстве случаев имеет выраженную тенденцию подъёма или снижения и почти никогда не остаётся постоянным на протяжении изучаемого периода.

^ Метод относительных чисел. Этот метод применяется для анализа сезонности тех рядов динамики, развитие общей тенденции которых происходит равномерно.

Метод исчисления сезонных колебаний способом относительных чисел точнее метода простой средней, так как с его по­мощью исключается влияние общей тенденции подъёма (сни­жения) уровней ряда динамики на сезонную волну и среднем за весь изучаемый период. Однако и этот метод не лишен недостатков. Один из его недостатков – механическое внесение относительно одинаковой поправки в анализируемые отрезки времени, которое означает признание равномерного развития уровней явления.

^ Анализ сезонности методом У. Персонса. Данный метод применяется в рядах динамики, отражающих развитие явлений, об­щая тенденция которых изменяется по средней геометрической, т.е. по сложным процентам. Суть метода У. Персонса заключается
в исчислении показателей средней сезонной волны как медианных зна­чений (а не как простых средних арифметических) из цепных отно­шений. Здесь погрешность, вызываемая влиянием общей тенденции, устраняется с помощью среднего коэффициента подъёма (сниже­ния) общей тенденции по средней геометрической. Для анализа этим методом сначала, как и в методе относительных чисел, необ­ходимо вычислить цепные отношения как процентные отношения каждого уровня ряда к уровню ряда предшествующего, но потом исчислять средние не как средние арифметические, а как медианные значения. Медиана
за первый отрезок времени принимается за еди­ницу (или 100), а для остальных периодов средние исчисляются путём последовательного перемножения медианных средних.
При перемножении преобразованного медианного значения за четвёртый квартал
на медианные значения первого квартала должна получить­ся единица (100,00). Однако результат обычно бывает больше еди­ницы или меньше её, поскольку он отражает действительность, на развитие которой оказывает влияние общая тенденция увеличения или уменьшения.

При анализе сезонности методом относительных чисел разность теоретического
и действительного включалась равномерно из каждо­го квартального показателя, в способе
У. Персонса исключение разности основано на применении формулы сложных процентов.

Сезонная волна, исчисленная методом У. Персонса, более правильна, здесь из цепных отношений исчисляются медианные значения, а не средние арифметические, а при исчислении, как и медианных значений резкие случайные отклонения не сказываются.

Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. При этом под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Проявляются они с различной интенсивностью во всех сферах жизни общества: производстве, обращении и потреблении. Их роль очень велика в агропромышленном комплексе, в торговле многими товарами, в строительстве, на транспорте, в заболеваемости и др. Сезонные колебания строго цикличны – повторяются через каждый год, хотя сама длительность времен года имеет колебания. Для изучения сезонных колебаний необходимо иметь уровни за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью.

Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода.

Для измерения сезонных колебаний обычно исчисляются индексы сезонности (I_s).

В общем виде индексы сезонности определяются отношением исходных (эмпирических) уровней ряда динамики y_i, к теоретическим (расчетным) уровням y_ti, выступающим в качестве базы сравнения:

I_si = y_i: y_ti (2)

Именно в результате того, что в приведенной выше формуле измерение сезонных колебаний производится на базе соответствующих теоретических уровней тренда y_ti, в исчисляемых при этом индивидуальных индексах сезонности влияние основной тенденции развития элиминируется (устраняется). И поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивидуальных индексов одноименных внутригодовых периодов анализируемого ряда динамики. Поэтому для каждого периода годового цикла определяются обобщенные показатели в виде средних индексов сезонности (I_s):

å I_si

I_si = -------. (3)

N

Рассчитанные таким образом средние индексы сезонности свободны от влияния основной тенденции развития и случайных отклонений.

В зависимости от характера тренда формула (3) принимает следующие формы:

1. для рядов внутригодовой динамики с ярко выраженной основной тенденцией развития:

y_i

_å ----

y_ti

I_si = -------. (4)

N

Выступающие при этом в качестве переменной базы сравнения теоретические уровни y_ti представляют своего рода “среднюю ось кривой”, т.к. их расчет основан на положениях метода наименьших квадратов. Поэтому измерение сезонных колебаний на базе переменных уровней тренда называется способом переменной средней;

1. для рядов внутригодовой динамики, в которых повышающийся (снижающийся) тренд отсутствует, или он незначителен

I_si = y_i: y (5)

В этой формуле базой сравнения является общий для анализируемого ряда динамики средний уровень y. Поскольку для всех эмпирических уровней анализируемого ряда динамики этот общий средний уровень является постоянной величиной, то применение формулы (5) называют способом постоянной средней.

24. Метод экспоненциального сглаживания. Использование корреляционных моделей в прогнозных исследованиях.

Существуют различные методы прогнозирования, учитывающие характер протекания процессов и значения случайной величины временного ряда. Если вариация средних значений незначительна, для прогноза на короткие интервалы времени применяется метод скользящего среднего. Если поздние значения временного ряда имеют большую значимость для прогноза, а начальные значения - меньшую, применяетсяметод экспоненциального сглаживания

метод экспоненциального сглаживания в отличие от прямой экстраполяции позволяет распознать изменение коэффициентов модели и тем самым уменьшить ошибку прогноза

Наиболее сложным и ответственным является среднесрочное прогнозирование мировых цен на жидкое топливо. Подобные прогнозы крайне необходимы для планирования инвестиционной деятельности нефтяных компаний, практически невозможны без эффективного моделирования международного нефтяного рынка. Помимо многофакторных содержательных методов существуют формальные статистические методы прогноза. В докладе представлена динамика мировых цен на нефть сорта брент, полученная с использованием методов экспоненциального сглаживания, построения авторегрессии, двухпараметрической модели и скользящего тренда. Наиболее простым и точным среди статистических методов являетсяметод экспоненциального сглаживания. Он основан на признании того, что наибольшее влияние будущее значения цен испытывают со стороны последних членов фактически имеющегося динамического ряда цен.

Ниже рассматривается пример применение метода экспоненциаль­ного сглаживания при прогнозировании объема продаж, дающего воз­можность получить более точные оценки по сравнению с простым анали­зом трендов [14].

Метод экспоненциального сглаживания используется для кратко­срочного прогноза и основан на средневзвешенном значении продаж по определенному числу прошедших периодов. При этом наибольшие весо­вые коэффициенты придаются позднейшим продажам. Прогнозное зна­чение рассчитывается по формуле

Константа сглаживания выбирается аналитиком итеративным спо­собом в интервале от 0 до 1. Ее значение мало при малых изменениях продаж и приближается к 1 в случае сильных флуктуаций.

Существуют компьютерные программы для определения этой кон­станты.

Пример: Проведена се­зонная коррекция данных, с тем чтобы найти оптимальное значение кон­станты сглаживания. С целью проверки предсказательной силы модели привлечены данные за 1992 г. Чтобы предсказать продажи в первом квар­тале 1992 г., нужно располагать сглаженными оценками продаж за пре­дыдущие периоды. Например, сглаженная оценка за первый квартал 1988 г. соответствует

Квартальные продажи с коррекцией влияния сезонности

Это очень большая погрешность, что может быть объяснено малым значением константы а в условиях быстрого роста продаж. Если выбрать для а значение 0,80, то сглаженные продажи в 1991 г. составят 128,6, а ошибка прогноза не превысит 1,1%, что значительно лучше.

Существуют и более сложные методы сглаживания, использующие несколько констант сглаживания.

Главная слабость этих методов в том, что они не позволяют дейст­вительно «предсказать» эволюцию спроса, поскольку неспособны предви­деть какие-либо «поворотные точки». В лучшем случае они способны быстро учесть уже произошедшее изменение. Поэтому их называют адап­тивной прогнозной моделью. Тем не менее для многих проблем управле­ния такой «апостериорный» прогноз оказывается полезным при условии, что имеется достаточно времени для адаптации и факторы, определяю­щие уровень продаж, не подвержены резким изменениям.

25. Прогнозирование на основе нормативного подхода. Использование сравнительного подхода для разработки прогнозов.

Нормативное (нормативно-целевое) прогнозирование предполагает:

· во-первых, определение общих целей и стратегических ориентиров предприятия на будущий период;

· во-вторых, оценку развития предприятия, исходя из этих целей.

Нормативное прогнозирование применяется чаще всего тогда, когда предприятие не располагает необходимыми историческими данными. В силу этого оно опирается на качественные методы исследования и, как и экстраполятивное, является в большой степени традиционным подходом к предсказанию будущей среды предприятия.

он отражает, возможность управления прогнозируемыми процессами, исходя из целей социально-экономического развития. Цель развития подается нормативно, т.е. в виде определенного нормативного состояния, и исследуются способы ее достижения.