АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Теоретичне введення

Читайте также:
  1. Теоретичне вивчення досліджень зв’язку музичних вподобань з психологічними властивостями людини.
  2. Теоретичне вивчення психологічних особливостей юнацького віку
  3. Технічні характеристики мазуту : в’язкість, реологічні властивості, вологість, сірність, температура спалаху. Присадки до мазутів та способи їх введення.

Прогнозування – це метод, в якому використовуються як накопичений у минулому досвід, так і поточні припущення щодо майбутнього, з метою його визначення. Якщо прогнозування виконане якісно, результатом стане картина майбутнього, яку цілком можна використовувати як основу для планування.

Основою прогнозування є спостереження. Точніше, не самі спостереження, а числові значення якихось станів спостережуваного явища. Наприклад, курс цінних паперів, цін на продукцію інше. Так, фіксуючи в інформаційній системі значення курсу цінних паперів в часі, ми отримаємо табличний опис процесу зміни курсу. Якщо описати аналітично цей процес, тобто поставити йому у відповідність якусь функціональну залежність

ПРОГНОЗ=f(x),

де х – деякий момент часу,

то ПРОГНОЗ будет не що інше, як значення фукції f(x) в деякий наперед заданий момент часу х, тобто в майбутньому.

Кількісні методи можна використовувати для прогнозування, коли є підстави вважати, що діяльність у минулому мала певну тенденцію, яку можна продовжити в майбутньому, і коли наявної інформації вистачає для виявлення статистично достовірних тенденцій або залежностей. Крім того, керівник зобов'язаний знати, як використовувати кількісну модель, і пам'ятати, що вигоди від прийняття ефективнішого рішення повинні перекрити витрати на створення моделі.

Розглянемо один з типових методів кількісного прогнозування – метод аналізу часових рядів.

Числові дані спостережень, що характеризують процеси або явища, які постійно змінюються в часі, називаються часовими рядами, а окремі спостереження часового ряду – рівнями цього ряду. Метод прогнозування, заснований на аналізі часових рядів, називається методом аналізу часових рядів, або методом проектування тренда.

Однієї з головних задач аналізу часових рядів є задача визначення основної закономірності (тренда) зміни досліджуваного показника економічного процесу в часі.

Тренд – це рівняння виду

що виражає в середньому зміну в часі показника, заданого часовим рядом. Таке рівняння можна розглядати як апроксимацію часового ряду або як окремий випадок регресії. Таким чином, метод аналізу часових рядів являє собою парний регресійно-кореляційний аналіз, незалежною змінною якого є час.

У рамках методу аналізу часових рядів економічне прогнозування може бути засноване на екстраполяції або авторегресії. У математичному сенсі метод екстраполяції означає, що тенденція, яка характеризує об'єкт або економічний процес у базисному періоді, поширюється й на прогнозований період.

В економічному прогнозуванні екстраполяція найчастіше здійснюється за допомогою вирівнювання часових рядів шляхом застосування розглянутого раніше парного регресійно-кореляційного аналізу. Тобто, по наявному часовому ряді будують емпіричну криву (тренд), яку потім апроксимують шляхом підбору функції регресії, що дозволяє одержати значення досліджуваного показника економічного процесу, максимально наближеного до фактичних значень часового ряду. Отримане при цьому рівняння регресії y=f(x) являє собою регресійну модель прогнозованого явища. Таким чином, як і вказувалося вище, метод екстраполяції заснований на окремому випадку парного регресійно-кореляційного аналізу, незалежною змінною якого є час.

Далі при виконанні прогнозування припускається, що сукупність факторів, певних тенденцій часового ряду в середньому збереже свою дію протягом майбутнього прогнозованого періоду. Тобто для розрахунку прогнозованого значення параметра y досліджуваного економічного процесу досить підставити в рівняння регресії майбутній момент або період часу, що цікавить.

Регресійно-кореляційний аналіз дозволяє представити спостережувані результати економічного процесу економіко-математичною моделлю у вигляді аналітичної функції, що встановлює зв'язок між змінними досліджуваного процесу. Термін «регресія» передбачає встановлення природи зв'язку між цими змінними (наприклад, лінійна регресія), а термін «кореляція» вказує на тісноту цього зв'язку (наскільки сильно одна змінна впливає на іншу змінну).

Результати апроксимації дають можливість подальшого прогнозування значень отриманої функції в майбутньому, а отже і можливість передбачати можливі результати економічного процесу.

 


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.003 сек.)