Прогнозирование рыночной деятельности

Эти ограничения можно  ослабить с помощью уменьшения жесткости  и схематичности составления  планов, их ориентацией на стратегические цели и задачи предприятия, конкретизацией и усилением комплексности.

 

 

 

2. Показатели  изменения уровней ряда 

Для количественной оценки динамики социально – экономических  явлений применяются статистические показатели : абсолютные темпы роста  и прироста , темпы наращивания и т. д.

В основе расчета показателей  рядов динамики лежит сравнение  его уровней . В зависимости от применяемого способа сопоставления  показатели динамики могут вычисляться  на постоянной и переменной базах  сравнения .

Для расчета показателей  динамики на постоянной базе каждый уровень ряда сравнивается с одним и тем же базисным уровнем . Исчисляемые при этом показатели называются базисными . Для расчета показателей динамики на переменной базе каждый последующий уровень ряда сравнивается с предыдущим . Такие показатели называются цепными .

Способы расчета показателей  динамики рассмотрим на данных товарооборота  магазина в 2005 – 2009 гг. ( таб. 1).

Таблица 1

Объем розничного товарооборота  магазина в 2005-2009 гг.

Год	2005	2006	2007	2008	2009
Объем розничного товарооборота , тыс. р.	885.7	932.6	980.1	1028.7	1088.4

 

Абсолютный прирост  – важнейший статистический показатель динамики , определяется в разностном соотношении , сопоставлении двух уровней  ряда динамики в единицах измерения  исходной информации . Бывает цепной и базисный :

1. Базисный абсолютный прирост  определяется как разность между сравниваемым уровнем и уровнем , принятым за постоянную базу сравнения.
2. Цепной абсолютный прирост – разность между сравниваемым уровнем и уровнем , который ему предшествует.

Абсолютный прирост  может иметь и отрицательный  знак , показывающий , насколько уровень  изучаемого периода ниже базисного .

Между базисными и  абсолютными приростами существует связь : сумма цепных абсолютных приростов  равна базисному абсолютному приросту последнего ряда динамики.

Ускорение – разность между абсолютным приростом за данный период и абсолютным приростом за предыдущий период равной длительности.

Показатель абсолютного  ускорения применяется только в  цепном варианте , но не в базисном . Отрицательная величина ускорения говорит о замедлении роста или об ускорении снижения уровней ряда .

Темп роста – распространенный статистический показатель динамики . Он характеризует отношение двух уровней ряда и может выражаться в виде коэффициента или в процентах .

1. Базисные темпы роста исчисляются делением сравниваемого уровня на уровень , принятый за постоянную базу сравнения.
2. Цепные темпы роста  исчисляются делением сравниваемого уровня  на предыдущий уровень.

Если темп роста больше единицы (или 100%) , то это показывает на увеличение изучаемого уровня по сравнению с базисным . Темп роста, равный единице (или 100%) , показывает , что уровень изучаемого периода по сравнению с базисным не изменился . Темп роста меньше единицы (или 100%) показывает на уменьшение уровня изучаемого периода по сравнению с базисным. Темп роста всегда имеет положительный знак .

Между базисными и цепными темпами  роста имеется взаимосвязь : произведение последовательных цепных темпов роста  равно базисному темпу роста , а частное от деления последующего базисного темпа роста на предыдущий равно соответствующему цепному темпу роста .

Темпы прироста характеризуют абсолютный прирост в относительных величинах . Исчисленный в процентах темп прироста показывает , на сколько процентов изменился сравниваемый уровень по отношению к уровню , принятому за базу сравнения .

1. Базисный темп прироста  вычисляется делением сравниваемого базисного абсолютного прироста на уровень , принятый за постоянную базу сравнения.
2. Цепной темп прироста - это отношение сравниваемого цепного абсолютного прироста к предыдущему уровню.

Важным статистическим показателем динамики социально  – экономических процессов является темп наращивания , который в условиях интенсификации экономики измеряет наращивание во времени экономического потенциала .

 

3.Обработка  вариационных рядов с созданием  линейного и нелинейных трендов

На сегодняшний день вся деятельность в области прогнозирования  социально-экономического развития регионов регламентируется следующими нормативными документами: Федеральным законом № 115-ФЗ от 20 июля 1995 г. «О государственном прогнозировании и программах социально-экономического развития» и соответствующими законами субъектов РФ. Данные нормативные документы определяют систему государственных и региональных прогнозов, дают классификацию прогнозам, а также обозначают круг ответственных лиц: на федеральном уровне – Правительство РФ, на региональном уровне – администрация субъекта РФ.

На сегодняшний день на практике прогнозы регионального  развития разрабатываются на основе методических рекомендаций Министерства экономического развития Российской Федерации. Основной акцент в данных рекомендациях сделан на трех положениях. Во-первых, прогнозы социально-экономического развития регионов преимущественно должны составляться в двух вариантах: базовый – инерционное развитие; основной – применение в прогнозном периоде системы управляющих воздействий. Во-вторых, четко прописана методика сопоставления статистической информации на историческом интервале. Трудности возникли в связи с переходом Федеральной службы государственной статистики с Общероссийского классификатора отраслей народного хозяйства (ОКОНХ) на Общероссийский классификатор видов экономической деятельности (ОКВЭД). В-третьих, в методических рекомендациях закреплена методика построения того или иного показателя социально-экономического развития региона (объем производства продукции сельского хозяйства, индексы-дефляторы по объему соответствующих работ, оборот розничной торговли и т.д.). Несмотря на все положительные аспекты данных методических рекомендаций, главным недостатком является отсутствие формализованной схемы построения модели экономического развития региона, нет четко определенной группы методов прогнозирования, которые следует использовать при построении прогнозов социально-экономического развития региона.

Прогнозирование социально-экономического развития региона представляет сложный  многоэтапный процесс. В данном процессе приходится решать множество разноплановых  проблем, как теоретического, так и практического характера. Для успешного решения многих из проблем необходимо обладать обширным инструментарием прогнозирования. Основу инструментария прогнозирования составляют методы прогнозирования. На сегодняшний день разработано более двухсот различных методов, каждый из которых обладает своей областью применения, своими особенностями. Любой метод прогнозирования позволяет делать прогнозы с максимальной степенью достоверности в одних условиях, и является абсолютно неприменимым в других. Однако на практике сегодня на региональном уровне используются порядка 10-20 наиболее распространенных методов прогнозирования социально-экономического развития. В процессе совершенствования прогнозирования социально-экономического развития региона одним из направлений должно стать расширение базы применяемых методов. Для этого следует четко понимать особенности, преимущества и недостатки конкретных методов.

Анализ методов, используемых в процессе прогнозирования социально-экономического развития регионов, показывает, что  излишне большое внимание уделяется  интуитивным методам. В большей  степени это связано с отсутствием  методологической базы для построения математических моделей регионального развития, а также каких-либо законодательных требований к применяемым методам прогнозирования. Более того, законодательно не определена ответственность за несоответствие прогнозов регионального развития и реально достигнутых результатов. Все это усугубляется недостаточным вниманием со стороны руководителей субъектов к проблемам построения достоверных прогнозов, а также недофинансированием данного направления деятельности администраций регионов. В итоге, на сегодняшний день большая часть субъектов РФ при прогнозировании своего социально-экономического развития использует исключительно интуитивные методы (методы экспертных оценок). Данные методы не требуют существенных финансовых затрат, дают «желаемый» результат, могут быть легко и оперативно скорректированы в зависимости от политических предпочтений.

Прогноз социально-экономического развития любого субъекта не может  не учитывать деятельность органов  исполнительной власти, т.к. они выступают  активными субъектами управления и  воздействуют на экономику региона. При этом прогнозы должны отражать реальное положение вещей, они не должны строиться в угоду предпочтений руководителей. Формализованные методы в меньшей степени подвержены такому влиянию в отличие от интуитивных. В этой связи одним из направлений совершенствования системы прогнозирования регионального развития должно стать повышение роли формализованных методов прогнозирования в процессе построения прогнозов регионального развития.

Классификация методов прогнозирования

С теоретической точки зрения формализованные методы прогнозирования являются достаточно проработанными. В настоящее время существует огромное количество всевозможных математических методов, которые с помощью различных преобразований позволяют выделить тенденции, закономерности на историческом интервале времени и на их базе произвести прогноз. К формализованным методам прогнозирования относятся методы исторических аналогий и методы математического моделирования.

Методы исторических аналогий следует использовать при прогнозировании развития новых объектов и процессов, по которым нет ретроспективной информации. Суть метода заключается в выборе объекта-аналога для объекта прогнозирования, который в своем развитии опережает объект прогнозирования. Прогноз будет заключаться в сопоставлении, имеющейся информации по объекту-аналогу со специфическими особенностями объекта прогнозирования, на основании этого делается заключение о развитии объекта прогнозирования в будущем. Однако, несмотря на всю привлекательность, данный метод имеет целый ряд ограничений и сложностей в процессе применения. Во-первых, следует очень внимательно и тщательно подходит к подбору объектов-аналогов. Во-вторых, следует учитывать все специфические особенности объекта прогнозирования, а также действия внешних факторов. Например, будет неверным прогнозировать социально-экономическое развитие одного региона при помощи метода исторических аналогий и выбирать в качестве аналога другой регион. Каждый регион имеет свою специфику, также большое значение имеет фактор времени и изменения внешнего окружения. В этой связи представляется нецелесообразным применение данного метода для прогнозирования социально-экономического развития региона. Все вариации метода исторических аналогий могут рассматриваться, как вспомогательные на региональном уровне для построения прогнозов отдельных процессов и явлений.

Самой обширной группой  среди формализованных методов  являются методы экстраполяции. Все  методы экстраполяции сводятся к  выявлению устойчивых тенденций  в прошлом и их переносу в будущее. В теоретическом плане наиболее разработанными являются методы экстраполяции тренда. «Трендовая модель – это математическая модель, описывающая изменение прогнозируемого или анализируемого показателя только в зависимости от времени и имеющая вид y=f(t)». Для применения методов экстраполяции тренда, во многих случаях требуется представление исходных данных об объекте прогнозирования в виде временных рядов. «Временной ряд состоит из данных, которые были собраны или зафиксированы через последовательные промежутки времени». С математической точки зрения процесс экстраполирования заключается в переносе закона изменения функции за область её определения (на прогнозный интервал).

Модели экстраполяции, в том числе и модели экстраполяции  тренда, могут быть линейными и нелинейными. Наиболее часто используемые функции для экстраполяции:

·линейная;

·параболическая;

·степенная;

·гиперболическая;

·экспоненциальная;

·и др.

Все методы экстраполяции  традиционно классифицируют на следующие  группы: методы подбора функции, методы усреднения и методы адаптивного сглаживания. Сущность метода подбора функций заключается в правильном подборе экстраполирующей функции. Главная задача, которую преследует субъект прогнозирования, заключается в таком подборе функции, при котором на историческом интервале времени значения подобранной функции минимально отклонялись от реальных значений. Благодаря развитию компьютерных технологий, росту производительности электронно-вычислительной техники, учёным удалось разработать ряд алгоритмов, которые позволяют достаточной эффективно подбирать функции экстраполяции и строить прогнозы.

Наименее трудоемкой и простой группой методов  математического моделирования  являются методы усреднения. Сущность методов усреднения заключается  в вычислении некоторого среднего значения на основе исторических данных. Далее субъект прогнозирование исходит из предположения, что прогнозная величина не будет значительно отличаться от этого среднего значения. Данные методы прогнозирования крайне неточны и могут быть использованы лишь для оценки прогнозов, построенных с применением других методов.

Существенным недостатком  группы методов подбора функции, а также методов усреднения является равнозначность всех исторических данных. Однако любой процесс развивается во времени, на него оказывают влияния различные факторы. В этой связи логичнее предположить, что более поздние значения более информативны и требуют большего внимания, чем более ранние. Данный факт учитывается в группе методов экстраполяции, которые носят название методы адаптивного сглаживания. «Слово «адаптация» (от лат. adaptatio) означает приспособление строения и функций явлений и процессов к условиям существования». Примером методов адаптивного сглаживания могут служить методы экспоненциального сглаживания.