Условно методы прогнозирования можно разделить на три большие группы: экспертной оценки, экстраполяции и моделирования.

Методы экспертных оценок предполагают получение суждений о будущем, основывающихся на опыте и интуиции специалистов. Они подразделяются на два направления: индивидуальные суждения и спе­циальные процедуры коллективного опроса. Рациональное сочетание этих двух направлений позволяет устанавливать и обосновывать нуж­дающиеся в решении проблемы, проводить их структуризацию с оцен­кой относительной важности, выносить суждения об основных пара­метрах возможных решений, в том числе времени их реализации. Методы экспертного прогнозирования, как видно, эффективны на начальных этапах прогноза. Это, разумеется, не исключает, а, напротив, предполагает применение данного метода при изучении других вопросов, решение которых не вытекает непосредственно из имеющейся статистической и фактогра­фической информации. Экспертным методам присущи следующие недостатки:

не все эксперты вовлекаются в равно активный процесс творческого мышления;

на оценки и суждения экспертов часто оказывают влияние факторы, которые нельзя считать научными (авторитет коллег, уже высказавших свое мнение, инертность в публичном отказе от своего мнения, эмо­циональная окраска утверждений оппонента);

для выносимых оценок неизбежен субъективизм и невозможность объективной проверки ответов до истечения значительной части срока прогнозов.

В известной степени преодолеваются эти недостатки путем органи­зации творческого решения задач коллективом экспертов – метод моз­говой атаки. Сущность такой процедуры обсуждения заключается в том, что периоды свободного генерирования идей и гипотез четко от­делены отэтапа критической оценки полученной информации.

Широкой популярностью при решении экономических задач пользуется «дельфийский метод», дающий возможность получить «усредненное» мнение авторитетных экспертов по конкретной проблеме на основе независимых суждений. В основе метода лежит разработка подробных вопросников, которые выдаются ведущим специалистам в соответствующих областях науки и техники, и получения от них ответов. Количественная сторона ответов сводится к указанию периода, к ко­торому эксперт относит появление событий, и вероятности его появле­ния. Опросы экспертов проводятся в несколько туров, в ходе которых вопросы и ответы уточняются. «Дельфийский метод» имеет следующие особенности:

предварительная разработка вопросника в области, в отношении которой намечено собрать прогнозы, на основе глубокого изучения вероятных тенденций;

количественная сторона ответов на вопросы должна состоять в ука­зании отрезка времени (или даты), в течение которого специалист счи­тает возможным появление соответствующего технического достиже­ния с вероятностью 0,5;

статистическая обработка от тура к туру заключается в вычислении примерной даты ожидаемого события, которая соответствовала бы среднему предсказанию во временном ряду (дата наиболее вероятного появления соответствующего достижения науки и техники).

Метод прогнозного графа, в основе которого положены графо-аналитические методы, успешно применяется при прогно­зировании развития экономики, вычислительной техники, природно-промышленных объектов. На первом этапе прогнозирования методом прогнозного графа, формулируется определенная пер­спективная исходная экономическая, техническая или научно-техническая проблема, предлагаемая для оценки специалистам (экспертам). Каждый эксперт формулирует тре­бования, необходимые для решения данной проблемы, представляя при этом ряд оценок. Затем каждое из отобранных по принятым критериям условий рассматривается как промежуточная проблема и предлагается для оценки соответствующим группам специалистов.

Этот вопрос отображается в виде графа «дерева целей» и состоит в расчленении главной цели (исходной проблемы) на ряд уровней – под­целей, соответствующих промежуточным проблемам, и выделении на каждом уровне составляющих путей их достижения.

Указанное расчленение цели проводится до уровня элементарных составляющих, решение которых очевидно («заземленные» решения). После построения графа, содержащего необходимый (оценивается специальной процедурой) набор составляющих, проводится качествен­ный и количественный анализы различных вариантов решения исход­ной экономической или научно-технической проблемы, алгоритм которого может быть реализован с помощью компьютера. Основой построения прогнозного графа и получения исходных дан­ных для проведения соответствующих расчетов служат таблицы (ан­кеты) экспертных оценок. Таблицы составляются таким образом, чтобы обеспечить получение количественно определенных ответов на предла­гаемые эксперту вопросы, формализованных сведений о характере ис­точников аргументации, а также о степени влияния каждого из источ­ников на ответ, количественно определенной оценки степени знаком­ства эксперта с областью, к которой относится предлагаемый вопрос.

Процедура анкетного опроса, позволяющая исключить прямые кон­такты между экспертами и вместе с тем взвешивать мнения с учетом анонимных суждений участников экспертизы (при многоуровневом ее проведении), дает возможность получать обобщенные заключения с достаточно высокой степенью обоснованности.

В общем случае при подборе экспертов следует полагаться, прежде всего, на личные мнения организующих прогнозные исследования ра­ботников, которые должны по возможности хорошо представлять дей­ствительную значимость тех или иных исследователей. Такой подход, безусловно, предъявляет высокие требования к специалистам, однако представляется более правильным, чем приписывание чрезмерной до­верительности статистическим оценкам, которые не становятся более убедительными оттого, что основываются на большом массиве фор­мальных квалификационных характеристик. В практике экспертного прогнозирования вполне естественны случаи, когда более достоверное и прогрессивное предложение высказывается небольшим коллективом экспертов или даже одним наиболее крупным в исследуемом вопросе специалистом.

К преимуществу экспертного прогнозирования по методу прогноз­ного графа следует отнести то,что однажды построенный граф посту­пает информация от специалистов, касающаяся замены того или дру­гого условия и использующаяся для корректировки направлений реше­ния исходной проблемы. При создании на основе метода прогнозного графа постоянно дейст­вующей системы непрерывного научно-технического прогнозирова­ния открывается возможность реализации эффективного творческого сотрудничества представителей разных областей знания.

Методы экстраполяции– процедуры выявления и последующего расчета имею­щихся тенденций изменения экономических или иных технико-экономических параметров. В качестве логической основы экстраполяции лежит предположение, что имеется дело с известным консерватизмом состава действующих факторов и ограниченной сферой их активного воздейст­вия. Эти методы могут дать надежные результаты при наличии качест­венного характера взаимосвязей и неизменности воздействия факторов. Трудность экстраполяции связана часто с изменением законов, управ­ляющих развитием временной последовательности, и с тем, что изме­нение не содержится в прошлом процессе. В принципе задача экстра­поляции включается в обширный круг проблем, для которых необхо­димо получить решение, пользуясь неполной информацией, что относит такую постановку к классу некорректных задач.

Методы экстраполяции используются, когда не известен вид мате­матической функции, лежащей в основе исследуемой закономерности. В этом случае вид функции задается произвольно. Об удовлетворитель­ности подбора вида функции судят по чисто формальным признакам – статистическим показателям сходимости. Методы экстраполяции основаны на том, что для главных функций результат экстраполяции на малый отрезок времени практически не за­висит от вида принятого для описания уравнения. Отсюда следует, что метод слепой экстраполяции может быть применен для краткосрочного прогнозирования.

Экстраполироваться могут и тенденции, формулируемые на качест­венном, описательном уровне, хотя чаще всего это делается относи­тельно статистически складывающихся тенденций изменения тех или иных количественных характеристик. Степень реальности такого рода прогноза обусловливается, в конеч­ном счете, аргументированностью выбора пределов экстраполяции. Чрезмерное упреждение часто дает абсурдные оценки. Однако, даже получение таких «точек невозможного» имеет познавательную цен­ность, так как указывает на приближение ситуаций, требующих прин­ципиальных изменений в сложившейся стратегии развития.

Данные, получаемые в процессе прогнозирования, отличаются мерой вероятности в зависимости от срока упреждения и назначения прогноза, а также полноты и качества привлеченной для анализа ин­формации, точности и надежности применяемых методов. Точность прогноза заведомо не может превышать точность исходной информа­ции. При прочих равных условиях прогноз окажется тем точнее, чем короче прогнозируемый период.

Опыт свидетельствует о том, что в пределах 12 – 15 лет большую часть экономических и научно-технических данных можно экстраполировать с допус­тимой ожидаемой оценкой ±15%.Обычно предполагается, что период, охватываемый экстраполяцией, не должен быть 6олыые периода в прошлом, по которому имеется достоверная информация. Некоторые исследователи полагают, что при экстраполяции длина периода предсказания вообще должна быть меньше длины эмпириче­ского временного ряда. Считается при этом, что ретроспективный пе­риод должен превышать время упреждения прогноза примерно в 1,5 – 2 и даже 3 раза, то есть экстраполяция временных рядов не должна пре­вышать 0,5 – 0,7 отчетного ряда. Это значит, что если отчетная инфор­мация охватывает 20-летний период, то надежно предсказывать можно не более чем на 7 – 10 летвперед.

Качество прогнозирования, безусловно, зависит от продолжительности того периода времени, тенденция которого выявляется и экстраполи­руется на будущее. Однако нельзя, по-видимому, дать категорическое соотношение этих сроков. Могут быть случаи, когда предшествующая тенденция за менее короткий срок дает более точные результаты на долголетние тенденции. Среди экстраполяционных методов наибольшее распространение получили методы регрессионного анализа, экспоненциального сглажи­вания, огибающих кривых, а также экспертно-графический подход.

При периодах прогнозирования экономических параметров более 5 – 10 летосновное значение имеет установление тренда, тогда как при краткосрочном прогнозиро­вании особенно быстро изменяющихся объектов преобладающую роль приобретают случайные отклонения. Для этого случая целесообразно применять метод Хемминга для экспоненциального сглаживания, в кото­ром более поздним наблюдениям придается больший вес по сравнению с ранними наблюдениями.

Идея метода заключается в том, что предсказываемые значения ис­комого параметра принимаются как функция известных значений пре­дыстории процесса, влияние которых на предсказываемые значения экспоненциально убывает с удалением в глубь предыстории. Метод предполагает определение искомого параметра по предыдущему сгла­женному значению в виде ряда Эйлера. Как показывают экономические исследования, этот метод дает хорошие резуль­таты при глубине прогнозирования до 5 – 7 лет. При увеличении пе­риода прогноза до 8 – 10 лет более точные результаты удается полу­чить с помощью регрессионного анализа, предполагающего сущест­венные, но в принципе не четко представляемые изменения в характере процессов исследуемых систем (объектов). В этих случаях рекоменду­ется принимать метод экстраполяции по огибающей кривой.

Метод огибающей кривой основан на построении гипотетической кривой, которая описывает максимально достижимые значения какой-либо из функциональных или параметрических характеристик системы или объекта. Сущность данного метода прогнозирования заключается в нахожде­нии в виде огибающей кривой общей тенденции экономического развития объекта, которая выносится затем за пределы известного до принятой верхней границы прогноза. Прогноз изменения характеристик исследуемого объекта ведется этим методом по достаточно общим по своей природе параметрам. Прогноз ха­рактеризует итоговую эффективность системы с точки зрения ее основного назначения (без учета других частных пара­метров – микропеременных, обусловливающих основную характери­стику). В качестве такого параметра (макропеременной) может служить любая характеристика, определяемая независимо от какого-либо узкого класса экономических переменных.

При прогнозировании методом огибающей кривой представитель­ный временной ряд динамики исследуемой макропеременной подвер­гается анализу на предмет выделения уровней совершенствования, свя­занных, например, с переходом на новые технические решения, обеспечивающие, как правило, более быстрое улучшение микропеременной, чем проис­ходящее внутри каждого уровня. Затем на каждом уровне строятся ло­гически взаимосвязанные кривые, на основе которых устанавливается экономическая тенденция изменения макропеременной. С этой целью строится огибающая кривая, которая может характеризовать средний и максимальный варианты изменения прогнозируемого параметра.

В первом случае, огибающая кривая проводится через точки перегиба (на­сыщения) кривых, а во втором – через точки высшего качества, остающиеся на перекрывающихся участках при переходе к очередному высшему уровню. Затем, по данным точкам, известными мето­дами (регрессионный анализ и так далее) строится огибающая кривая максималь­ного варианта. Экспертно-графический экстраполяционный подход, основываю­щийся на визуальном анализе и экспертной оценке возможных тенден­ций изменения исследуемых показателей, удобен в системном анализе, для ориентировочных расчетов и обладает большой наглядностью. При всей своей простоте этот подход позволяет устанавливать границы изменения экономического уровня прогнозируемых объектов и позволяет оценивать возможности достиже­ния желаемых экономических характеристик при сохранении сложившихся тенден­ций. Заметим, экстраполяция – один из возможных, но не главных методов про­гнозирования. Если рассматривать экстраполяцию как начало анализа и прогнозирования, то следует признать широкие возможности метода, особенно если его дополнять более глубоким проникновением в логику явления и сочетать с другими методами.

Методы прогнозного моделирования.Между экстраполяцией как инструмен­том экономической и математической статистики,и математической моделью прогноза не существует резкой границы. При прогнозирова­нии оба эти метода часто тесно связаны друг с другом. При моделировании качественный характер взаимосвязей считается известным, и задачу сводят к нахождению величины пара­метров в уравнениях. При подборе вида уравнений исходят не столько из формальных показателей сходимости, сколько из того, в какой мере эти зависимости удовлетворительно отражают известные качественные закономерности. Проблема использования моделирования для прогно­зов еще недостаточно освещена в имеющейся экономической литературе, но на прак­тике получает все более широкое применение. Вследствие математиче­ской завершенности, количественной определенности своих характери­стик и оценок экономико-статистические модели служат не только средством анализа предшествующего экономического развития, но и становятся важнейшим инструментом прогнозирования и плановых экономических расчетов.

В системном плане, в моделировании различают статистический, операциональный икибернетический подходы:

статистический подход состоит в построении математической мо­дели и оценке ее параметров путем статистической обработки информации за прошедшее время;

операциональный подходпредполагает принятие рациональных ре­шений в условиях неопределенности будущего.

кибернетический (информационный) подход означает преобразова­ние информации, имеющее целью увеличение не энтропии системы.

Единого метода создания прогнозных математических моделей не существует, но соблюдается главное условие – в модели должны быть учтены все су­щественные факторы, от которых в максимальной степени зависит формирование будущих процессов. Для построения модели требуется не только знание математики, но и глубокое проникновение в сущность изучаемых тенденций, то есть обладать профессиональ­ными навыками в исследуемом вопросе. В то же время попытки учесть все детали могут привести ксозданию такой сложной модели, что она не будет иметь практического значения. Должна быть соблюдена оптимальная мера, которая отвергает и чрез­мерную сложность модели и попытки ее чрезмерного упрощения.

Как было установлено ранее, под моделью некоторого экономического показателя подразумева­ется математико-статическое описание соответствующего процесса, позволяющее определять значение показателя (с точностью до извест­ной случайной величины) в любой момент времени определенного пе­риода, если эта модель динамическая, или при любых допустимых зна­чениях аргументов, если она статическая. Следовательно, прогнозиро­вание экономического показателя можно рассматривать в двух аспек­тах – пространственном идинамическом.

Задача пространственного прогнозирования состоит втом, чтобы, исходя из анализа случайной выборки из однородной совокупности объектов в определенный момент времени, предсказать результат дея­тельности любого объекта этой совокупности в тот же момент времени.

Задача динамического прогнозирования состоитв том,чтобы по зна­чениям показателя и факторов – аргументов в определенный промежу­ток времени предсказать значения показателя на некоторые моменты времени, следующие за изучаемым периодом.

Решение задачи динамического прогнозирования связано с экстра­поляцией, выходом за временные границы той количественной инфор­мации, на основании которой строилась прогнозная модель, решение же задачи пространственного прогнозирования связано с интерполяцией.

Наиболее распространенный вид пассивного прогнозирования осно­вывается на изучении тенденций экономического показателя в про­шлом, на изучении истории процесса. В исследуемой системе экономи­ческих показателей могут быть такие, изменение которых происходит с некоторым запаздыванием (шагом) по сравнению с другой группой по­казателей. Если даже не все показатели второй группы служат причи­ной изменения интересующих нас показателей, то сам факт существо­вания типа статистических связей может быть использован для пассив­ного прогнозирования. Такой подход, однако, недостаточен для использования модели в це­лях принятия плановых решений и управления системой.

В основе построения модели активного прогнозирования должны лежать не только статистические факты взаимосвязи, но и анализ меха­низма формирования прогнозируемого показателя. Прогнозирование экономических явлений всегда носит вероятностный характер, предпо­лагает наличие вероятностных оценок проявления тех или иных свойств изучаемого процесса.

Область применения методов математической статистики для про­гнозирования не ограничивается только экстраполяцией. Если анализ прошлого и настоящего позволяет выдвинуть определенные гипотезы о поведении изучаемого показателя в будущем, то прогноз по модели, построенной математико-статистическими методами на основании ука­занных гипотез, уже не является просто экстраполяцией. В этом случае модель отражает принятую гипотезу о поведении моделируемого пока­зателя в будущем.

К методам моделирования, в той или иной степени воспроизводя­щим изучаемый объект через систему свойств и связей, существенных с точки зрения исследуемого явления, примыкает морфологический метод. Он предусматривает конструирование альтернатив из первич­ных элементов проблемы с последующим выбором по специальным критериям наиболее предпочтительной альтернативы. В принципе морфологический метод применим к прогнозированию любых объек­тов, включая организационные и экономические структуры и решения. Однако наиболее целесообразно его использование для случаев про­гнозирования сложных экономических, технических и технологических объектов при условии обеспечения главной для исследуемого объекта функции. С помощью этого метода удается принимать к учету новые варианты ре­шений частных элементов системы, прежние их решения и новые воз­можности, достоверная индивидуальная прогнозная оценка которых не всегда осуществима. При этом не исключаются ситуации, при которых практическую значимость приобретают, казалось бы, обоснованно, ра­нее отвергнутые решения.

Для моделирования экономических тенденций может реализоваться принцип так на­зываемой потоковой модели. В этом классе моделей все частные экономические, технические и ор­ганизационные решения появляются как следствие обеспечения зара­нее обоснованной программным прогнозом целевой функции и представляют собой взаимоувязанные элементы желаемой системы. Разработка потоковой модели предусматривает по­следовательное выявление и структуризацию составляющих проблем-целей с выделением соответствующих подсистем, частные решения по которым, устанавливаемые по индивидуальным процедурам, объеди­няются в общее решение системы через ее статическую экономико-ма­тематическую модель (аргументы модели, как правило, имеют дискретный характер по за­данным временным границам).

К разработкам любых прогнозов необходим комплексный подход. В основу методологии прогнозирования ключевых экономических параметров и критериальных показателей промышленных предприятий должно быть положено составление двух прогнозов:

технико-технологического;

экономического и технико-экономического.

Технический и экономический прогнозы, отображая картину техни­ческого и экономического развития, должны дополнять, развивать и исходить один из другого.

Точность прогноза оценивается величиной границ, в пределах ко­торых должны лежать характеристики объектов и прогнозируемые ре­шения при соблюдении условий прогноза. Относительная оценка точности по шкале времени исходит из допу­щения о том, что точность прогнозов убывает обратно пропорцио­нально квадрату времени упреждения. Вид этой взаимосвязи для пара­метрических прогнозов заранее неизвестен, в связи с чем, данное допу­щение не может быть использовано для прямого получения искомого параметра по базисному его значению.

В общем случае точность прогноза зависит от природы прогнози­руемого объекта, глубины его познания и совершенства применяемого метода прогнозирования (адекватности модели, достоверности исходной информации, меры учета факто­ров и связей). Повышение точности прогноза путем уменьшения влия­ния ошибок, носящих объективный характер (степень изученности объекта и полнота информации о нем, совершенство экономико-математических методов), связано, как правило (при задачах большого охвата), с дополнитель­ными затратами времени, сили ресурсов.

При ограниченной точности методик прогнозирования их использо­вание должно предусматривать относительную оценку достоверности результатов путем их получения разными методами и с последующим анализом. Исходя из этого положения, косвенным подтверждением дос­товерности конкретного прогноза является его воспроизводимость (на основе несколько отличной информационной базы и применения дру­гих методов). В принципе к данному приему относятся взаимопроверка результатов аналогичных прогнозов, полученных разными исследова­телями, и выведение логических или математических следствий из уже известных прогнозов. При отсутствии данных о предпочтительности различных методов прогнозирования по точности результатов определения одинаковых характеристик (параметров) можно оценивать их точность с помощью разработанной методики определения со­ответствующих (для разных характеристик) доверительных интерва­лов.