Экономико-математические и статистические методы прогнозирования

№106-1,

экономические науки

В статье рассматриваются экономико-математические и статистические методы прогнозирования, а также их сущность.

Похожие материалы

Прогнозирование является одним из ключевых компонентов для принятия эффективных управленческих решений, особенно в современных условиях. Данный метод позволяет установить совокупность всех факторов, и их влияние на развитие различных бизнес-процессов.

Существует множество экономико-математических и статистических методов прогнозирования. Среди них самыми важными являются метод наименьших квадратов и метод математической экстраполяции. В статье рассмотрены различные регрессионные модели прогнозирования показателей.

Выделяют пять основных этапов прогнозирования, а именно:

  1. Сбор данных и последующая их проверка на достоверность, целостность и точность;
  2. Уплотнение данных: подбор данных оптимально достаточных, имеющих прямое отношение к рассматриваемой предметной области;
  3. Подбор модели прогнозирования;
  4. Фактическое получение прогноза по выбранной модели;
  5. Оценка результатов прогноза, сравнение величин, полученных в результате вычисление, и наблюдаемых значений.

Методы — это совокупность вычислительных и аналитических приемов, благодаря которым составляется этот прогноз. Методы составления прогнозов различны по своему характеру. Для выбора методов необходимо:

  1. Отчетливо представлять задачу поставленную, т.е. рассмотреть ситуацию и составить окончательный прогноз;
  2. Знать основные характеристики методов, которые будут использованы.

Метод наименьших квадратов — математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных.

Математической экстраполяции методы позволяют количественно охарактеризовать прогнозируемые процессы. Приемы, а также методы математической статистики, теории вероятности дают возможность использовать огромный круг функций для прогнозирования необходимого показателя во времени. Различают формальную и прогнозную экстраполяцию. Этот данный метод позволяет научно обосновать показатели и конечно нормативы, используемые при планировании.

Статистические методы прогнозирования помогают определять темпы роста продаж на будущее, исходя из тенденций, которые сложились в прошлом.

Как правило, данные методы используются для кратковременного прогнозирования до года, когда количество изменений имеет минимальный показатель.

К более распространенным статистическим методам прогнозирования относятся:

  1. Метод экстраполяции скользящей средней. Данный этот метод применяется при краткосрочном прогнозировании. Он заключается в замене фактического уровня динамического ряда на расчетный уровень, имеющий значительно меньший показатель колебаний. План прогнозирования состоит из следующих шагов: выбор объектов прогнозирования; определение временных интервалов; выбор и обоснование модели прогнозирования; сбор и обработка данных для формирования прогноза; анализ и контроль полученных результатов. Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения.
  2. Метод экспоненциальной средней. Представляет элементарный способ сглаживания динамического ряда за счет «устаревания». Суть метода заключается в применении линейных комбинаций за прошедшие и настоящие периоды времени.
  3. Прогнозирование на основе метода сезонных колебаний. Еще одним эффективным статистическим методом прогнозирования является расчет на основании сезонного колебания уровня ряда динамического. Обнаруживаются колебания с совершенно разной интенсивностью в любой области человеческой жизни. Они имеют цикличный характер — повторяются ежегодно, хотя сама продолжительность времени года имеет свои колебания. Для измерения сезонных колебаний обычно исчисляются индексы сезонности.
  4. Прогнозирование методом линейной регрессии. Этот метод прогнозирования представляет собой один из наиболее используемых формализованных методов прогнозирования. В основание этого заложено требование наименьшего показателя сумм квадратов отклонений эмпирических данных от выровненных показателей. Регрессия линейная — этот метод восстановления зависимости между 2 переменными.

В управлении хозяйственными процессами наибольшее значение имеют прежде всего экономико-математические модели, часто объединяемые в системы моделей. Экономико-математические методы позволяют решать большой круг плановых, учетно-статистических и управленческих задач, анализ результатов производства, выявление основных тенденций его развития, определение прогнозных уровней экономических показателей, обоснование оптимального варианта использования различных ресурсов и т.д. ЭВМ дает возможность учитывать одновременно очень большое число условий и перерабатывать большую массу информации. В настоящие время в таком анализе хозяйственной деятельности организаций все большее применение находят математические методы исследования. Это способствует совершенствованию экономического анализа, его углублению и повышении действенности его. А также используют различные виды экономико-математических моделей: корреляционные модели и производственные функции, модели балансовые, модели оптимизации.

Список литературы

  1. Горбунова, Е. А. Экономико-математические методы в прогнозировании бизнес-процессов / Е. А. Горбунова, И. М. Яхонтова // Информац. общество: современное состояние и перспективы развития : сб. материалов X междунар. студенческого форума, 2018. — С. 47-49.
  2. Латышенко, А. А. Статистические методы планирования и прогнозирования / А. А. Латышенко, Н. Н. Яроменко // Новая наука: Теорет. и практ. взгляд. — 2016. — № 4-1. — С. 123-126.
  3. Мартынов, С. В. Совершенствование системы прогнозирования методами статистического анализа / С. В. Мартынов, С. Ю. Мычка, М. А. Шаталов // Актуальные направления науч. исслед. XXI века: теория и практика. — 2017. — Т. 5, № 8-2. — С. 65-68.
  4. Харитонова, Т.В. Экономико-математические методы и модели в прогнозировании и планировании: история вопроса / Т. В. Харитонова // Регион. проблемы устойчивого развития сельской местности : сб. ст. XII Междунар. науч.-практ. конф., 2015. — С. 165-169.
  5. Щербаков, Г. А. Экономико-математические методы анализа и прогнозирования хозяйственной динамики: возможности и пределы применения / Г. А. Щербаков // Мягкие измерения и вычисления. — 2018. — № 5. — С. 54-59.