Количественные методы прогнозирования, временные ряды. Каузальные методы прогнозирования.

Различают колич-ные (1) и кач-ные (2) м-ды прогноз-я. 1.1.Временным (динамическим или хронологическим) рядомназ-тся последовательность значений некот-го показателя (объемы продаж, цена на товар, спрос) во времени.

Различают 2 вида временных рядов: 1. Моментный, когда значения некоторых показателей отнесены к некоторым моментам времени. 2. Интервальные, когда значения некоторых показателей отнесены к промежуткам времени, интервалам.

Временные ряды задаются или в виде таблиц или аналитически, а значение показ-ля выражаться в виде некот. формулы от момента вр-ни или промежутка вр-ни. При ан-зе временных радов часто используют их графическое представление(см. рис. в консп.). Прогноз-ние вр-х рядов осущ-ся при наличии знач-го кол-ва реальных значений рассм-го показателя, кот. имели место в прошлом, при усл-ии, что наметив-ся в прошлом тенденции отн-но стабильны. Сущ-т различные методы прогноз-я тренда:

1)м-д скользящего (подвижного) среднего. Суть этого метода состоит в том, что рассчитываемые показатели на прогнозируемый момент строится путем усреднения значений этого показателя за несколько предшествующих моментов времени. Xk=(Xk-n+Xk-n+1+...+Xk-1)/n

2)м-д взвешенного скользящего среднего. Здесь при составлении прогноза учитывается влияние испол-х при расчетах реальных пок-лей неодинаково, а с учетом связанных с ними весов. Xk=å (Wk-i*Xk-i)/ åWk-i, где Wi –веса реальных данных.

3)При расчете прогнозов м-дом экспоненциального сглаживания учитываются отклонения предыдущего прогноза от реального показателя. Сам расчет производится по след-й формуле: Xk=X_k-1+a (X_k-1-X_k-1), a- константа сглаживания (0<a<1). Она определяет степень сглаживания и обычно определяется методом проб и ошибок.

4) Проецирование тренда.Этот метод опред-т прямую и уравн-ние этой прямой, кот-я наименее уклоняется от массива точек (ti:xi) i=1...n. Этот массив определяется значением временного ряда. Прямая в виде x=at+b, где a и b пока неизвестные коэффициенты, кот. м. опред-ть в Excel ф-цией ТЕНДЕНЦИЯ().

Каузальные (причинно-следственные) методы прогнозирования используются в тех случаях, когда прогнозируемый показатель является функцией не только времени, но и других факторов. Например, объемы продаж товара могут зависеть не столько от времени, сколько от цены товара, затрат на рекламу, действий конкурентов, уровня доходов населения и др.факторов. Если связи между показателями удается установить точно, то погрешность каузального метода незначительна. Как правило, каузальные методы прогнозирования требуют больших объемов количественной информации, существенно больших интеллектуальных, временных и финансовых затрат, чем анализ временных рядов.

Реализация каузальных методов прогнозирования требует, как правило, обязательного применения средств ЭВМ и современных программных средств (Excel).

В основе каузальных методов прогнозирования находится корреляционный и регрессионный анализы.

В корреляционном анализе устанавливается взаимосвязь между показателями, определяется степень их близости.

Регрессионный анализ используется для вывода уравнения, которое связывает объясняемый показатель с одним или более объясняющими факторами. Эти факторы еще называют предикторами.

Вывод о причинности, т.е. какие показатели являются причиной, а какие следствием должны получаться из содержательных знаний и теорий, касающихся самого мк исследования.

Пакет «анализ данных» Excel содержит программные средства с помощью которых реализуются корреляционный и регрессионный анализы.