Прогнозирование в экономике
Прогнозирование в экономике – это комплекс научных подходов, которые позволяют разрабатывать алгоритмы для формирования представлений о будущем положении систем хозяйствования.
Прогнозирование применяется в различных сферах экономики с целью решения конкретных стратегических задач. Прогнозы обычно делят на субъективные и смоделированные. Первые отличаются отсутствием строгих правил, обычно создаются экспертами. Эксперт использует неформальный подход, опирающийся на гипотезы. Модели прогноза формализуют зависимость переменных друг от друга. Каузальные модели используют связи между переменными, они стремятся к определению их поведения. Не каузальные модели строят прогноз, отталкиваясь от прошлых значений.
Не каузальные модели часто применяются для исследования изменений во времени. Если за исследуемый период произошло множество изменений, то применяют эту модель. Существует так же одномерная модель Бокса-Дженкиса. Она выражает зависимость от предыдущих значений. При прогнозировании для наглядного изображения часто применяют диаграммы. Они помогают идентифицировать повторяющиеся моменты, что позволяет сформировать представление о будущем. Диаграммы хорошо подходя для исследования котировок акций и их трендов. Не каузальные модели просты в применении. К сожалению, они не учитывают причины возникновения изменений. Еще одним неоднозначным допущением в них является факт того, что в будущем сохраняется тренд прошлого.
Эконометрика позволяет формализовать многие динамические процессы в экономике. Отличительной особенностью эконометрического подхода к прогнозированию является научное обоснование исследования, так как он опирается на данные экономической теории.
Особенности трендовых моделей
Моделирование является одним из наиболее эффективных методов формализации динамических процессов в экономике. Оно подразумевает применение языка математики, что позволяет описывать практически любые события, а также просчитывать их возможные тенденции развития.
Трендовые модели имеют следующие отличительные особенности:
- Действующее направление является наиболее вероятным направлением движения тренда.
- Применение для технического анализа.
- Пресечение определенного уровня становится сигналом.
- Для подтверждения сигнала нужны подтверждающие сигналы любого рода.
Трендовые модели делят на три типа. Первый тип охватывает модели, которые предупреждают о развороте тренда. Второй тип подтверждает текущий тренд, а третий действует в условиях тренда. На графике тренд не всегда представлен прямой линией. Это может быть кривая, и даже геометрическая фигура – овал или окружность. Тренд сложно отследить на малых промежутках. В таком случае он будет скоротечным, а также вызвать противоречивое восприятие основного направления.
Исследование трендов показывает ряд противоречий. Часто возникает разница между прогнозом тренда и текущим направлением. Это играет роль в момент разворота тренда. Противоречия возникают и тогда, когда рассматриваются разные временные промежутки.
Трендовые модели характеризуют динамику экономической системы через тенденцию. Цель их создания заключается в исследовании динамики, формировании представления о развитии явления или процесса по истечении определенного промежутка времени. изучение временного ряда обычно опирается на экстраполяцию. Экстраполяция – продолжение прошлого и текущего тренда в будущее. Считается, что тенденция подвергается влиянию большого числа факторов. При этом их сложно выделить или описать, так как информации о них недостаточно.
Теоретические аспекты построения трендовых моделей прогнозирования
Экстраполяция позволяет исследовать кривые роста. Она основывается на нескольких предположениях:
- Тренд имеет одну преобладающую тенденцию.
- Прошлые факторы останутся прежними.
- Создаваемая модель адекватна заданным условиям.
Кривые роста имеют разные типы. Для того, чтобы наиболее точно описать необходимый процесс подбирают наилучшую кривую. Чаще всего используются полиномиальные, 5-образные и экспоненциальные кривые. Самыми простыми считаются полиномиальные кривые. Для них характерен постоянный закон роста. Если приросты для полинома рассматриваются во второй степени, то они имеют линейную временную зависимость и постоянны. Полином третьей степени отличается своим постоянством. Чем выше порядок полинома, тем проще перейти к полиному более низкого порядка. Прирост в них не зависит от значения функции. Такие кривые часто применяются для приблизительных прогнозов, которые позволяют не учитывать текущий уровень развития в будущем.
Экспоненциальные кривые строятся на предположении, что дальнейшее развитие зависит от достигнутого уровня. Математика использует простые и модифицированные экспоненты. Они хорошо описывают процессы, которые сначала медленно растут, а потом резко ускоряются. Например, введение объекта в эксплуатацию требует длительной подготовки, которая практически не приносит дохода, а потом предприятие начинает формировать прибыль. Чтобы приблизить прогноз к реальности обычно строят несколько кривых тренда с учетом времени.
Кривые роста должны учитывать принципы адекватности, динамику и быть адаптированными к заданным параметрам. Статистические методы построения прогнозов обычно сглаживают исходный ряд для того, чтобы более точно исследовать процесс. Так же происходит определение тренда, который определяет общее направление развития. Отбор кривых роста проводится с помощью инструментов статистического анализа. Оценку адекватности моделей проводят с помощью специальных критериев статистического анализа.
Сегодня существуют программные продукты, применяемые для исследования экономических тенденций. Наиболее часто они используются на фондовом рынке при расчете котировок. Знание методологии прогнозирования позволяет составлять более реалистичные планы.
