Финансовые прогнозы: виды, сферы применения, роль

Так, все методы прогнозирования  можно разделить по степени формализации на интуитивные (неформализованные) и  формализованные методы. Интуитивные  методами принято считать методы прогнозирования, основанные на субъективных качествах (интуиции) прогнозиста с более ограниченным применением объективных механизмов получения информации. Формализованные методы прогнозирования объединяют методы, обладающие логической обоснованностью, опирающиеся на объективную информацию. Неформализованные методы опираются на присущую человеку способность предвидения (интуицию). Интуиция, не смотря на отсутствие структурности процесса, представляет собой способность делать выводы на основе обширных знаний, жизненного опыта, способности ориентироваться в сложной обстановке. Интуитивные методы внешне кажутся случайными, нелогическими. Однако, интуиция представляет собой качественный метод мышления, который «кристаллизуется» из обширных познаний. Интуиция – это «огромная скрытая работа ума» . Интуитивные методы применяются при исследовании простых по сложности структуры процессов либо многоуровневых процессов со сложной внутренней структурой, где присутствует значительное количество факторов, обладающих различными свойствами. Эффективность формализованных методов доказана при исследовании процессов, которые обладают параметрами, поддающиеся количественному анализу. Вторым условием эффективности формализованных методов является отсутствие значительных отклонений исследуемого объекта на период исследования. Если исследуемый объект обладает цикличностью, то при исследовании объекта за период времени, входящий в один цикл, наиболее эффективным будет применение формализованных методов. Если исследовательский период включает в себя время смены циклов, то высока вероятность отклонения полученных данных, что в действительности исказит итоги прогнозирования. Объясняется это тем, что состояние объекта способно меняться при переходе с одно цикла развития в другой. Резкое изменение исследуемых параметров деформируют корелляционные связи между данными параметрами. Поэтому в данной ситуации эффективны интуитивные методы, результаты которых мало зависят от количественных значений и их корреляции.

Так, все методы прогнозирования  можно разделить по степени формализации на интуитивные (неформализованные) и формализованные методы. Интуитивные методами принято считать методы прогнозирования, основанные на субъективных качествах (интуиции) прогнозиста с более ограниченным применением объективных механизмов получения информации. Формализованные методы прогнозирования объединяют методы, обладающие логической обоснованностью, опирающиеся на объективную информацию. Неформализованные методы опираются на присущую человеку способность предвидения (интуицию). Интуиция, не смотря на отсутствие структурности, представляет собой способность делать выводы на основе обширных знаний, жизненного опыта, способности ориентироваться в сложной обстановке. Интуитивные методы внешне кажутся случайными, нелогическими. Однако, интуиция представляет собой качественный метод мышления, который «кристаллизуется» из обширных познаний. Интуиция – это «огромная скрытая работа ума»⁸. Интуитивные методы применяются при исследовании простых по сложности структуры процессов либо многоуровневых процессов со сложной внутренней структурой, где присутствует значительное количество факторов, обладающих различными свойствами. Эффективность формализованных методов доказана при исследовании процессов, которые обладают параметрами, поддающиеся количественному анализу. Вторым условием эффективности формализованных методов является отсутствие значительных отклонений исследуемого объекта на период исследования. Если исследуемый объект обладает цикличностью, то при исследовании объекта за период времени, входящий в один цикл, наиболее эффективным будет применение формализованных методов. Если исследовательский период включает в себя время смены циклов, то высока вероятность отклонения полученных данных, что в действительности исказит итого прогнозирования. Объясняется это тем, что состояние объекта способно значительно меняться при переходе с одно цикла развития в другой. Резкое изменение исследуемых параметров деформирует корелляционные связи между данными параметрам. Поэтому в данной ситуации эффективны интуитивные методы, результаты которых мало зависят от количественных значений и степени их корреляции.

Основой интуитивного метода прогнозирования являются экспертные оценки. Экспертная оценка – итоговый результат анализа прогнозируемой информации, осуществляемая специалистом соответствующей области. При анализе информации эксперт пользуется профессиональными знаниями, которые научно-обоснованны, объективны, и личными аналитическими способностями, основанные на субъективных качествах индивида. Соотношение объективизма и субъективизма в анализе различных экспертов различна, поэтому вполне логично, что при анализе конкретной информации эксперты могут делать отличные друг от друга выводы.

В зависимости от количества участвующих в исследовании экспертов-прогнозистов интуитивные методы подразделяется на индивидуальные и коллективные экспертные оценки. К индивидуальным экспертным оценкам относятся метод «интервью», аналитические докладные записки, метод сценариев. Методы анкетирования, «комиссий», «мозговых атак» («мозгового штурма»), коллективной генерации идей относят к коллективным методам прогнозирования. Коллективная экспертная оценка представляет собой совокупность выводов индивидуальных экспертов. При этом, коллективные экспертные оценки отличаются от индивидуальных усреднением (обобщением) выводов экспертов. Итоговый результат рассчитывают несколькими способами. Количественные показатели, как правило, усредняют. При усреднении качественных показателей в итоговых выводах сохраняют те пункты, которые приняты, по мнению большинства экспертов. В отличие от интуитивных методов прогнозирования, формализованные методы характеризуются наличием объективно-научной обоснованностью исследования. Данная группировка методов подразделяется на следующие группы:

Методы экстраполяции (динамики);

вырабатывается общее  суждение.

Системно-структурные  методы;

Ассоциацивные методы;

Методы опережающей  информации.

Экстраполяционные методы прогнозирования подразделяются на формальные и прогнозные. Формальные методы основываются на предположении сохранения тренда изменений в исследуемом объекте, т.е. наиболее вероятно сохранение в будущем текущего тренда. Тренд на графике бывает восходящий, нисходящий и боковой и представляет собой движение во времени прогнозируемого объекта в пределах его крайних значений (в коридоре)⁹. Считается, что если событие «протекает» в прошлом и в настоящем времени в каком-либо тренде, то существует вероятность его движения в данном направлении и далее в будущем. Отличительной чертой экстраполяции является его зависимость от временных рядов. Временной ряд – это упорядоченные во времени набор характеристик исследуемого объекта. Временной ряд формируется под влиянием тренда, сезонного, циклического движения объекта и случайности. Степень влияние того или иного компонента исследуется в каждом конкретном случае. Наиболее часто применяются метод наименьших квадратов, экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания.

Вторая группа методов  относится к системно-структурным. Данная группа отличается двояким подходом к прогнозировании объекта: системностью и структурностью. Системность метода прогнозирования рассматривает исследуемый объект (процесс) как целостную, динамично развивающуюся систему. Структурность же предполагаем выделение в объекте исследования составляющих элементов и их структурирование.

К популярным методам относятся такие системно-структурные методы, как метод морфологического анализа, функционально-иерархический, матричный методы, метод сетевого моделирования, метод структурной аналогии, метод прогнозного сценария и д.р.

Ассоциативные методы направлены на выявление факторов влияния на исследуемый объект. Исследовав их воздействие в прошлом и в  текущем времени, можно спрогнозировать  примерную реакцию прогнозного  объекта в будущем. Базисом данного метода является предположение, что взаимосвязи (взаимоотношения) между различными элементами внутри одной системы стабильны и менее подверженные внешним воздействиям. Поэтому высока вероятность их сохранения и в будущем. Среди ассоциативных методов выделяют методы имитационного моделирования, историко-логический анализ, теория распознавания образов, нейросетевое прогнозирование, интеллектуальный анализ данных.

Четвертой группой формализованных  методов прогнозирования является методы опережающей информации. Сравнительно новая группа методов, основанная на анализе публичной информации о прогнозном объекте, появилось в связи с информационно-техническим развитием общества. Метод опережающей информации связан с мониторингом исследований в различных отраслях экономической деятельности. Источником информации для прогнозирования являются тематические научные, околонаучные публикации, исследования, патенты, авторские свидетельства, лицензии и др. Очень часто объем исследований в конкретной отрасли экономике являются серьезным аргументом в пользу инвестирования в данную отрасль, что положительно влияет на ее активный рост. Следует отметить так же, что применение данных методов прогнозирования способствует сокращению временного лага между изобретениями и их практическим (коммерческим) внедрением. Необходимость данного метода связано так же с сокращением жизненного цикла новых разработок и технических новшеств. Среди методов опережающей информации выделяют анализ потоков публикаций, исследующий тематические публикации. Исследование изобретений их необходимости и значимости осуществляется методом оценки значимости изобретений. Анализ патентной информации как метод применяется к знаниям, информации, наделенных определенной правовой защитой. К ним относятся лицензии, патенты, авторские права и др.

Развитие технического прогресса расширило возможности  широкого применения математических методов  анализа. Математические методы отличаются логичностью, точностью, четкой обоснованностью, объективностью. Технические возможности позволяют обрабатывать огромный объем информации не только касающейся непосредственно экономической деятельности субъекта экономики, но и отрасли его функционирования, экономики страны, региона и мира в целом. Анализ корреляции между количественными финансовыми параметрами на разных уровнях позволяет выявлять взаимосвязи и закономерности. На основе этих данных разрабатываются математические модели прогнозируемого объекта. Математические модели отражают наиболее важные параметры исследуемого объекта, их свойства и особенности, что значительно облегчает прогнозирование. Однако наряду с этим математические модели обладают рядом недостатков. Так, модели представляют собой абстрактные копии реальных объектов. В математических методах абсолютно не учитываются внешние факторы (изменение законодательства, действия конкурентов и пр.). Изменение модели в будущем расчитывается по каждому параметру в отдельности, а не в совокупности.

По отношению ко времени  отличают статистические (независимые  от времени) и динамические (зависимые от времени) модели, по характеру зависимости выходных параметров от входных - детерминированные (зависимость определена)  и стохастические (зависимость неизвестна). Модели, привязанные к временным параметрам подразделяются на непрерывные и дискретные модели.

Среди математических методов  выделяют корреляционный  и регрессионный  анализ, метод группового учета аргументов, факторный анализ, метод распознавания  образов, вариационные методы, спектральный анализ, Цепи Маркова и др. Отметим лишь некоторые их особенности.

Если корреляционный анализ позволяет исследовать взаимосвязь  двух и более случайных величин, то регрессионному анализу подвергается влияние одного (независимого) параметра  на другой(-ие) (зависимые). Методом группового учета аргументов осуществляется селективный отбор моделей для построения более сложных моделей. Фрактальный анализ, исследуя взаимосвязи между переменными, объединяет их в один фактор, тем самым сокращает количество исследуемых переменных (факторов) и облегчает само прогнозирование. Метод прогнозирования, способствующий идентификации некоторого набора свойств и признаков как конкретного объекта (явления, процесса и др.), называется методом распознавания образов. Цепи Маркова, определяющие последовательность случайных событий с конечным или счетным числом исходов, утверждают, что последующие цепи зависят от текущего состояния и не зависят от предыдущих состояний, что означает, что будущее определяется не прошлым, а фиксированным настоящим.¹⁰

Заключение

Финансовое прогнозирование важный элемент деятельности субъекта хозяйствования. На необходимость данного исследования указывает потребность в нем не только во всех отраслях экономики, но и в политической, социальной жизни общества. Прогнозирование востребовано среди всех слоев общества. Сегодня без прогнозирования не обходится даже любая существенная сделка в семье. Простые граждане вынуждены прогнозировать свои доходы, чтобы удовлетворить свои потребности. Итогом прогнозирования является выработка прогноза – вывода о том, что будет в интересующем нас будущем.

Прогноз позволяет субъекту хозяйствования быть готовым к любому повороту событий. Прогноз уменьшает  издержки и максимизирует прибыль (выгоду) от событий прошлого, настоящего в будущем. Тем самым прогноз повышает конкурентоспособность субъекта экономики, что жизненно-важно для его выживания и развития.

Несмотря на острую необходимость  в прогнозе, существуют серьезные  проблемы в получении точного  и своевременного прогноза. Главная  проблема заключается в наличие временного лага между выработкой прогноза и временем его исполнения. Именно данная проблема породила большой спектр видов прогноза и прогнозирования, которые опираются на всевозможные (порой противоречивые) методы «определения будущего». Развитие электроники способствует усилению в прогнозировании позиций количественных методов прогнозирования (математических, статистических). Современные компьютеры способны обрабатывать миллионы событий (операций) за короткое время, выявлять среди них взаимосвязи, закономерности, что позволяет вычислять реакцию исследуемого объекта при изменении определенных параметров (факторов) и манипулировать им, в конечном счете. В этом направлении наибольший интерес представляют возможности нейронных сетей, искусственного интелекта.

Стремление человечества спрогнозировать как можно точно  и как можно дальше безгранично. Технические возможности настоящего и будущего позволят обществу увеличить  качество прогнозирования и глубину  прогнозирования во времени. Точность прогноза значительно увеличится, однако подобно гиперболе, стремящейся к нулю, субъекты хозяйствования в своих прогнозах будут стремиться к стопроцентному прогнозу будущего, но никогда не достигнут его.

Список используемой литературы:

1. Владимирова Л.П. Прогнозирование и планирование в условиях рынка: Учебное пособие. – 2-е изд., перераб. И доп. – М.: Издательский Дом “Дашков и К”, 2004. – 308 с.
2. Э. Е. Тихонов. Методы прогнозирования в условиях рынка: учебное пособие. – Невинномысск, 2006 г., - 221 с. 
3. А.Н. Вашедченко. Прогнозирование. Учебное пособие для слушателей Института последипломного образ. Николаев, НУК, 2007 г., -138 с.
4. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник – Финансы и статистика, 2001 г. – 228 с.
5. Грешилов А.А., Стакун В.А., Стакун А.А. Математические методы построения прогнозов.