Применение социально экономического прогнозирования при подготовке решений. Привет студент. При генетическом подходе конечной целью является определение возможных состояний объекта прогнозирования в перспективе, с учетом сохранения существующих тенденций

Анализ и прогнозирование социально-экономического развития является отправной точкой работы по управлению региональным развитием. На основе обоснованного прогноза определяются цели социально-экономического развития региона, уточняются программные мероприятия и приоритеты в развитии регионального хозяйственного комплекса. Прогнозирование социально-экономического развития региона - предвидение будущего состояния экономики и социальной сферы, составная часть государственного регулирования экономики, призванная определять направления развития регионального комплекса и его структурных составляющих.

Результаты прогнозных расчетов используются государственными органами для обоснования целей и задач социально-экономического развития, выработки и обоснования социально-экономической политики правительства, способов рационализации использования ограниченных производственных ресурсов. В состав прогноза социально-экономического развития региона входят набор частных прогнозов, отражающих будущее отдельных сторон жизни общества, и комплексный экономический прогноз, отражающий в обобщенной форме развитие экономики и социальной сферы региона.

В частных прогнозах оцениваются:

• демографическая ситуация в регионе;
• состояние природной среды, включая такие сферы, как разведанные запасы природных ископаемых, земельные, водные и лесные ресурсы;
• будущее состояние научно-технических достижений и возможность их внедрения в производство;
• основные факторы производства (капитал , труд, инвестиции);
• величина и динамика спроса населения на товары и услуги;
• платежеспособный спрос населения на отдельные товары и
• услуги;
• темпы развития отдельных отраслей народного хозяйства, территорий и других общественно значимых сфер деятельности.

В комплексном экономическом прогнозе отражается будущее развитие экономики региона как целостного образования. Разработка комплексного прогноза базируется на научных основаниях, которые адекватно объясняют функционирование и развитие регионального хозяйственного комплекса. По временному горизонту комплексные прогнозы экономического развития регионов можно подразделить на три вида: долго, средне- и краткосрочный.

Долгосрочный прогноз разрабатывается один раз в пять лет на десятилетний период. Он служит основой для разработки концепции социально-экономического развития страны на долгосрочную перспективу. В целях обеспечения преемственности проводимой экономической политики данные долгосрочного прогноза используются при разработке среднесрочных прогнозов, концепции и программ социально-экономического развития страны.

Среднесрочный прогноз социально-экономического развития страны разрабатывается на период от трех до пяти лет с ежегодной корректировкой данных. Он служит основой для разработки концепции развития экономики в рамках среднесрочной перспективы. В целях всеобщего ознакомления данные долго- и среднесрочных прогнозных расчетов, а также концепции социально-экономического развития публикуются в открытой печати.

Краткосрочный прогноз социально-экономического развития разрабатывается ежегодно и служит основой составления проекта государственного бюджета. Вышеназванные документы являются составной частью пакета, представляемого Правительством России Федеральному собранию.

В состав этого пакета входят:

• данные о социально-экономическом развитии страны за прошедший период текущего года;
• прогноз социально-экономического развития на предстоящий год;
• проект сводного финансового баланса на территории России;
• перечень основных социально-экономических проблем (задач) развития, на решение которых будет направлена политика Правительства РФ;
• перечень федеральных целевых программ, намеченных финансированию в предстоящем году за счет средств федерального бюджета;
• перечень и объем поставок продукции для государственных нужд по укрупненной номенклатуре;
• проектировки развития государственного сектора экономики.

Наряду с этим Правительство России представляет проекты законов, которые оно считает необходимым принять для успешной реализации намеченных задач. В качестве рабочих инструментов комплексного прогноза используются: экстраполяция сложившихся в прошлом тенденций в развитии экономики и социальной сферы на будущее, эконометрические расчеты на базе данных системы национального счетоводства, система макроструктурных моделей, включающая модифицированную модель межотраслевого баланса, модель динамики капитала и инвестиций в реальный сектор экономики. Эта модель пока не имеет завершенного вида и используется лишь для экспериментальных прогнозных расчетов. Возможны два принципиально различных подхода к прогнозированию экономических объектов: генетический и телеологический.

Генетический подход основывается на анализе предыстории развития объекта, фиксирует его основополагающие факторы, определяющие особенности развития. На этой основе делаются выводы относительно состояния прогнозируемого объекта в будущем. Этот подход в большей мере присущ «сторонним наблюдателям» происходящих процессов. Целевые установки социально-экономического развития при этом подходе не играют особой роли. Наиболее ярким представителем данного подхода в нашей стране являлся Н.Д. Кондратьев с его теорией «длинных волн».

Стратегическое планирование регионального развития.

Стратегический план развития региона — это управленческий документ, который содержит взаимосвязанное описание различных аспектов деятельности по развитию региона.

Подготовка такого документа предусматривает:

• постановку целей развития региона;
• определение путей достижения поставленных целей;
• анализ потенциальных возможностей, реализация которых позволит достичь успехов;
• разработку методов организации движения по избранным
• направлениям;
• обоснование рациональных способов использования ресурсов.

Стратегический план социально-экономического развития региона — это индиктивный документ, который позволяет администрации региона и региональному сообществу действовать совместно. Это — документ не исключительно администрации, а в большей мере всех субъектов процесса регионального развития, включая экономических агентов и участников политического процесса. Это — не директива сверху, направленная от региональной администрации к предпринимателям и жителям региона, а ориентир, выработанный с участием всех агентов экономической деятельности. Такой план предусматривает взвешенные и согласованные действия всех субъектов по решению имеющихся проблем. Он представляет собой инструмент налаживания партнерских отношений, механизм определения и осуществления эффективных стратегических действий во всех сферах жизни региона.

К основным характеристикам стратегического плана социально-экономического развития региона относятся:

• выделение сильных и слабых сторон региональной экономики, стремление усилить, развить, сформировать конкурентные преимущества региона с ориентиром прежде всего на создание лучших условий жизни людей;
• краткие идеи и принципы, которые ориентируют производителей товаров и услуг, инвесторов, администрацию и население, помогая им осуществлять решения, базирующиеся на видении будущего развития;
• партнерское взаимодействие всех региональных сил.

Составляющей стратегического плана развития региона должен стать прилагаемый к нему план действий администрации по реализации намеченных мероприятий.

Этапы разработки стратегического плана социально-экономического развития региона включают:

1) оценку достигнутого уровня и особенностей социально-экономического развития региона, предполагающую также проведение анализа региональной ресурсной базы этого развития;

2) выработку концепции развития экономики региона, проработку сценариев модернизации регионального хозяйства в целях адаптации последнего к новой системе межрегиональных связей и взаимозависимостей;

3) выбор и обоснование направлений перспективного развития региона.

Определение «полюсов» регионального развития является важнейшей задачей при разработке стратегии развития региона. Главным направлением реформирования экономики большинства регионов на современном этапе выступает постепенное движение к формированию нового общественного уклада постиндустриального типа на основе использования новых технологических способов производства в условиях многоукладной социально ориентированной экономической системы с современными характеристиками качества жизни населения и с активной ролью государственных органов в регулировании экономики.

Важным принципом развития отраслей социальной сферы будет снижение давления данных отраслей на бюджет региона с одновременным увеличением финансирования данных отраслей в бюджете.

Основными составляющими стратегии социально-экономического развития должны стать:

Проведение целенаправленной структурной, научно-технической и инвестиционной политики;

Решение социальных проблем при реформировании экономики;

Стимулирование деловой активности реального сектора экономики.

Зажиточной части и бедных слоев населения.

Введение

В настоящее время ни одна сфера жизни общества не может обойтись без прогнозов как средства познания будущего. Особенно важное значение имеют прогнозы социально-экономического развития общества, обоснование основных направлений экономической политики, предвидение последствий принимаемых решений. Социально-экономическое прогнозирование является одним из решающих научных факторов формирования стратегии и тактики общественного развития.

Актуальность данной темы как в условиях развитой рыночной экономики, так и переходной экономики определяется тем, что уровень прогнозирования процессов общественного развития обуславливает эффективность планирования и управления экономикой и другими сферами.

Целью данной курсовой работы является рассмотрение методологии и методик разработки социально экономических прогнозов для определения сущности, областей применения и наиболее эффективных методов прогнозирования. Для этого необходимо решить следующие задачи: определить сущность методов социально-экономического прогнозирования и области их применения в ходе изучения теоретико-методологических основ методологии прогнозирования; дать характеристику методов социально-экономического прогнозирования в экономически развитых странах и выявить особенности их применения в современной Украине.

В процессе написания данной курсовой работы были использованы учебники под редакцией В.О. Мосина, К.Л. Трисеева, В. Цыгичко, В.В. Денискина, а также научные статьи по исследуемой проблеме в периодических изданиях «США: экономика политика идеология», «Мировая экономика и международные отношения», «Проблемы прогнозирования», «Российский экономический журнал», «Проблемы прогнозирования», «Российский экономический журнал», «Экономика Украины», «Вестник МГУ».

Социально-экономическое предвидение основных направлений общественного развития предполагает использование специальных вычислительных и логических приемов, позволяющих определить параметры функционирования отдельных элементов производительных сил в их взаимосвязи и взаимозависимости. Систематизированное научно обоснованное прогнозирование развития социально-экономических процессов на основе специализированных осуществляется с первой половины 50-х годов, хотя некоторые методики прогнозирования были известны и ранее. К ним относятся: логический анализ и аналогия, экстраполяция тенденций, опрос мнения специалистов и ученых.

В развитии методологии прогнозирования социально-экономических процессов большую роль сыграли научные разработки отечественных и зарубежных ученых А.Г. Аганбегяна, И.В. Бестужева-Лады, Л. Клейна, В. Гольдберга. В работах этих ученых рассматривается значение, сущность и функции прогнозирования, его роль и место в системе планирования, исследуются вопросы методологии и организации экономического прогнозирования, показываются особенности научного прогнозирования. Развитие работ, освещающих вопросы прогнозирования, осуществляются по таким основным направлениям: углубление теоретических и прикладных разработок нескольких групп методик, отвечающих требованиям разных объектов и разных видов работ по прогнозированию; разработка и реализация на практике специальных способов и процедур использования различных методических приемов в ходе конкретного прогнозного исследования; поиск путей и способов алгоритмизации методик прогнозирования и реализация их с использованием ЭВМ.

Под методами прогнозирования следует понимать совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерений в рамках рассматриваемого явления или процесса вывести суждения определенной достоверности относительно его (объекта) будущего развития.

По оценкам отечественных и зарубежных ученных, в настоящее время насчитывается свыше 20 методов прогнозирования, однако число базовых значительно меньше (15-20). Многие из этих методов относятся скорее к отдельным приемам и процедурам, учитывающим нюансы объекта прогнозирования. Другие представляют собой набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения.

В существующих источниках представлены различные классификационные принципы методов прогнозирования. Одним из наиболее важных классификационных признаков методов прогнозирования является степень формализации, которая достаточно полно охватывает прогностические методы. Вторым классификационным признаком можно назвать общий принцип действия методов прогнозирования, третьим – способ получения прогнозной информации. На рис. 1.1 представлена классификационная схема методов прогнозирования.

Как свидетельствует схема, представленная на рис. 1.1, по степени формализации (по первому классификационному признаку) методы экономического прогнозирования можно разделить на интуитивные и формализованные. Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки.

В состав индивидуальных экспертных оценок входят: метод «интервью», при котором осуществляется непосредственный контакт эксперта со специалистом по схеме «вопрос – ответ»; аналитический метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные записки; метод написания сценария, который основан на определении логики процесса или явления во времени при различных условиях.

Методы коллективных экспертных оценок включают в себя метод «комиссий», «коллективной генерации идей» («мозговая атака»), метод «Дельфи», матричный метод. Эта группа методов основана на том, что при коллективном мышлении, во-первых, выше точность результата во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, по меньшей мере могут возникнуть продуктивные идеи.

В группу формализованных методов входят две подгруппы: экстраполяции и моделирования. К первой подгруппе относятся методы: наименьших квадратов, экспоненциального сглаживания, скользящих средних. Ко второй – структурное, сетевое и матричное моделирование.

Рассмотренные классы интуитивных и формализованных методов схожи по своему составу с экспертными и фактографическими методами. Фактографические методы основаны на фактически имеющейся информации об объекте прогнозирования и его прошлом развитии, экспертные базируются на информации, полученной по оценкам специалистов-экспертов.

Рис. 1.1

В класс экспертных методов прогнозирования входит метод эвристического прогнозирования (эвристика – наука, изучающая продуктивно творческое мышление). Это аналитический метод, суть которого заключается в построении и последующем усечении «дерева поиска» экспертной оценки с использованием какой-либо эвристики. При этом методе осуществляется специализированная обработка прогнозных экспертных оценок, получаемых путем систематизированного опроса высококвалифицированных специалистов. Он применяется для разработки прогнозов научно-технических проблем и объектов, анализ развития которых либо полностью, либо частично не поддается формализации.

В изученной литературе представлено значительное количество классификационных схем по методам прогнозирования. Основная погрешность таких схем – нарушение принципов классификации, к числу которых относятся: достаточная полнота охвата методов прогнозирования, единство классификационного признака на каждом уровне членения (при многоуровневой классификации), непересекаемость разделов классификации, открытость классификационной схемы (т. е. Возможность дополнения новыми методами).

В большинстве классификационных схем методы прогнозирования разделяются на три основных класса: методы экстраполяции, экспертных оценок и моделирования. При таком разделении методам экстраполяции противопоставляются как самостоятельный класс методы моделирования.

С одной стороны, построение моделей преследует цель вскрыть закономерность развития изучаемого объекта или процесса на некотором ретроспективном участке. И если модель построена правильно и адекватно отражает связи и свойства реального объекта, она может служить основой для экстраполяции, т. е. Для перенесения некоторых выводов о поведении модели на объект. Это и есть прогнозирование поведения объекта путем экстраполяции тенденций, выявляемых на модели.

С другой стороны, методы экстраполяции – не что иное, как использование теоретических и эмпирических моделей для нахождения переменных вне ретроспективного участка наблюдений по данным зависимостей между ними на ретроспективном участке. Таким образом, применение экстраполяции в прогнозировании всегда предполагает использование каких-либо моделей. Поэтому любое моделирование является основой для экстраполяции.

Конструктивная классификация позволяет наглядно изобразить совокупность методов прогнозирования в виде иерархического дерева и охарактеризовать каждый уровень своим классификационным признаком. (рис. 1.2)

На первом уровне все методы по признаку «информационное основание метода» делятся на три класса: фактографические, комбинированные и экспертные.

Под прогнозированием понимается обоснованное описание возможных состояний объектов в будущем, а также вариантов и сроков их достижения. Прогнозирование позволяет сформулировать ответы на вопросы типа: “Какие ситуации наиболее вероятны в будущем?” и “Какие усилия предпринять для изменения характера и условий деятельности предприятия в целях достижения желаемого результата?”

Процессы прогнозирования и получения адекватных оценок возможных результатов требуют соответствующих эффективных методов. Наиболее эффективными зарекомендовали себя экономико-математические методы, так как они реализуются с использованием современной вычислительной техники и позволяют исследователям получать качественную картину состояния сфер деятельности и количественные оценки изменения показателей хозяйственной деятельности.

В практике прогнозирования наряду с экономико-математическими методами используются аппарат нечеткой логики, теории случайных процессов (цепи Маркова) и методы имитационного моделирования, позволяющие изучать поведение сложных систем, подобных исследуемой ситуации, но имеющих физическую или геометрическую интерпретацию, что существенно облегчает процесс их исследования.

К преимуществам экономико-математических методов следует отнести базирование на многокритериальных оценках. Для экономико-математических методов характерны: возможность получения оценок на основе объективной информации, например статистических данных или результатов количественных исследований рынка; возможность выявления основных тенденций и случайных составляющих в изменении исследуемых процессов. Экономико-математические методы позволяют определять силу и взаимное влияние экономических факторов и на этом строить последующее управление исследуемым объектом.

Многообразие используемых в современном анализе инструментов прогнозирования объясняется наличием у каждого из них своих сильных и слабых сторон: требования к наличию объективных статистических данных; необходимость многократного повторения процедуры прогнозирования; зависимость от субъективных мнений экспертов или исследователей, осуществляющих прогнозирование, и др. Выбор оптимального метода возможен исходя из целей прогнозирования, характера требуемого прогноза, длительности прогнозирования, навыков исследователя и наличия требуемой первичной надежной информационной базы.

Экономические прогнозы могут охватывать все уровни: развитие отдельных предприятий (микроуровень), региональные и отраслевые прогнозы (мезоуровень), прогнозы в масштабе страны (макроуровень).

Существуют различные признаки классификации прогнозов. Прогнозы различаются с учетом горизонта, типа прогнозирования, степени вероятности оценок, способа представления результатов, распределения вероятностей.

В зависимости от горизонта прогнозирования прогноз может разрабатываться на текущий период - до месяца (например, недельные и месячные прогнозы объемов продаж, движения наличности), на год, на 2-3 года (среднесрочный прогноз), на 5 и более лет (долгосрочный прогноз). Долгосрочные прогнозы называют также перспективными.

По типу прогнозирования прогнозы относят к поисковым (вероятностная оценка ожидаемых процессов), нормативным (оценка изменений условий деятельности исходя из общих целей и стратегических ориентиров предприятия) и имитационным, основанным на творческом видении (субъективное, интуитивное видение перспектив прогнозистом).

По степени вероятности различают вероятностные прогнозы с различной степенью надежности ожидаемых процессов и инвариантные, остающиеся неизменными при соответствующих преобразованиях.

По способам представления результатов выделяют точечные и интервальные прогнозы. Точечный прогноз объема продаж - это прогноз конкретной цифры. Он является наиболее простым из всех прогнозов, поскольку предусматривается наименьший объем информации. Как правило, заранее предполагается, что точечный прогноз может быть ошибочным. Однако такой методикой не предусмотрен расчет ошибки или вероятности точного прогноза, поэтому на практике чаще применяют интервальный метод прогнозирования.

Интервальный прогноз объема продаж предусматривает установление границ, внутри которых будет находиться прогнозируемое значение показателя с заданным уровнем значимости.

Интервалы, учитывающие низкий, средний и высокий уровень продаж, получили названия пессимистичных, наиболее вероятных и оптимистичных.

Распределение вероятностей может быть представлено количеством групп, большим трех.

Прогноз распределения вероятностей связан с определением попадания фактического значения показателя в одну из нескольких групп с установленными интервалами. Хотя при составлении прогноза существует определенная вероятность, что фактический объем продаж не попадет в указанный интервал, предполагается, что она настолько мала, что может игнорироваться при прогнозировании.

Применительно к поставленной задаче наиболее часто используемые методы прогнозирования можно подразделить на следующие группы: экспертные методы, анализ и прогнозирование временных трендов и казуальные методы. Выбор метода зависит от конкретной ситуации. Каждый из методов обладает определенными достоинствами и не свободен от недостатков. Одни методы более эффективны в краткосрочном прогнозировании, так как упрощают реальные процессы, не выходя за рамки текущей оперативной деятельности. Использование других методов рациональнее для оценки перспектив развития исследуемых социально-экономических процессов.

Экспертные (эвристические) методы связаны с субъективной оценкой складывающейся ситуации и результативности деятельности предприятия на рынке товаров. Они основаны на интуитивно-логическом мышлении человека в соответствии с его опытом, интуицией, креативным восприятием имеющихся научных и практических данных, исследуемых событий и процессов.

Методы анализа и прогнозирования временных трендов связаны с исследованием временных рядов изолированных друг от друга количественных показателей, каждый из которых состоит из двух элементов: прогнозов детерминированной и случайной компоненты. Если определена основная тенденция развития и возможна ее дальнейшая экстраполяция, то разработка первого прогноза не представляет больших трудностей. Прогноз случайной компоненты сложнее, так как ее появление можно оценить лишь с некоторой вероятностью.

С помощью казуальных методов делается попытка найти несколько причинно-следственных факторов, определяющих поведение прогнозируемого показателя, например, влияние доходов потребителей и объема продаж на долю рынка. Поиск факторов приводит к построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных явлений и процессов. Применение многофакторного прогнозирования ставит проблему выбора факторов, которая не может быть разрешена чисто статистическим путем и связана с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса.

РЕГИОНАЛЬНАЯ И МУНИЦИПАЛЬНАЯ ЭКОНОМИКА

СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНА [ на примере Белгородской области)

В статье рассмотрены экономико-математические методы, эконометрические модели и их применение в практической деятельности. На основании проведенного сопоставительного анализа эконометрических методов, предложен алгоритм разработки прогнозов развития Белгородской области, обоснованы рекомендации по совершенствованию методического обеспечения социально-экономического прогнозирования. В статье раскрываются особенности современных методов прогнозирования, обосновывается необходимость и целесообразность их применения.

Для анализа и прогнозирования явлений и процессов, влияющих на экономическое развитие региона, эффективным инструментом являются регрессионные математические модели. Преимущество регрессионных моделей состоит не только в возможности определения количественной меры зависимости, но и в изучении влияния различных факторов.

Ключевые слова: прогнозирование, прогноз, экономическое развитие региона, регрессионные модели, экономико-математические методы, эконометрические модели, экономическое моделирование.

Анализ и прогнозирование социально-экономического развития является отправной точкой работы при решении задач по управлению устойчивым развитием региона. Актуальность упомянутой задачи обусловлена исследованием разработки прогнозов развития Белгородской области, построением эконометрической модели, применение которой создаст базу для прогнозирования валового регионального продукта. На основе обоснованного прогноза определяются цели социально-экономического развития региона, уточняются программные мероприятия и приоритеты в развитии регионального хозяйственного комплекса.

Прогнозирование социально-экономического развития региона- предвидение будущего состояния экономики и социальной сферы, составная часть государственного регулирования экономики, призванная определять направления развития регионального комплекса и его структурных составляющих . Результаты прогнозных расчетов используются государственными органами для обоснования целей и задач развития, выработки и обоснования социально-экономической политики правительства, способов рационализации использования ограниченных производственных ресурсов.

Е.С. ПРИДВОРОВА

Белгородский государственный национальный исследовательский университет

Pridvorova @bsu.edu.ru

В состав прогноза социально-экономического развития региона входят набор частных прогнозов, отражающих будущее отдельных сторон жизни общества, и комплексный экономический прогноз, отражающий в обобщенной форме развитие экономики и социальной сферы региона. Сам процесс прогнозирования способствует организации конструктивного взаимодействия науки, бизнеса, общественных организаций и региональных органов государственной власти, формированию согласованных взглядов на проблемы и перспективы развития региона. Прогнозирование имеет большое значение и в теоретическом аспекте, так как является своеобразным катализатором проведения многочисленных исследований, совершенствования их методологии.

В теории и в практике плановой деятельности накоплен значительный набор различных методов разработки прогнозов. Известный ученый Эрих Янч насчитывает их более сотни; на практике в качестве основных используются лишь 15-20 методов (рис. 1) .

По существу, методы моделирования социально-экономического развития региона можно свести в четыре основные группы: экспертная оценка; моделирование; нормативный метод; экстраполяция. Развитие информатики и средств вычислительной техники создает возможность расширения круга используемых методов прогнозирования и планирования. На первый план возвращаются экономико-математические модели на основе комбинаций методов.

Система методов прогнозирования и планирования

Метод «интервью):"

Аналитический и ггод

Метод коллективной генерации идей «Мозговой штурм»

Метод «Дельфи»

Метод «комиссий»

Метод и орф ологаче-

СКОГС ЇНЕЛШЕ.

Метод написания сценариев

Метод «Ф орсайт»

Метод опенки средней

Метод «363»

Эвристический МЄТ0Д

Метод списков

Метод медиан

Метод ан-лиз а и опенки рисков

Метод суммарных опенок

Матричная модель

Имитационная

Моделі оптимального планирования

Сетевая модель

Зкееемшнзак

ИТЩЖ модели

Модель взаимодействия полюса и окружения

Моделі- диффузии НОЕ ОБЕ едений

Модель устойчиво -го развития

Модель дерева пел ей

Модель инноб апи-онного устойчивого го развития

Экспертная Моделирование Норыативные Экстраполяцил

оценка |- |- ыетодьт

экономического

Балансовый

Нормативный

Прогрэмыио-п ел ев ой метод

Ст атипический

?.ІЄТОД______

Бюджетный

Прогноз денежных потоков

1Т Н ТП-ГТГ ягтитлтьти прогноз

Экономико-матем эпическая модель

К оррвяянионно-регресси птгрд я модель

Целочисленное пр огр ам ї, і иров ание

Модель межотраслевого баланса

Методы исторических. аналогий и прогнозирования по образцу

Метод подбора функций

Метод сколь злщих _______средних________

Метод экспоненциального сглаживания

Метод адаптивного сглажив ания

Построение 1} ЄНДЕ

Метод опережения

Метод огибающих

Метод динамических рядсв

Метод пиклов НШ и деловой активности

Метод группового учета аргументов

Метод факторного ан^лша

Метод наименьших квадратов

Линегаое програм-миров зиие

Деи ографическая ______модель_______

Рис. 1. Классификация методов прогнозирования и планирования

Серия История. Политология. Экономика. Информатика. 2013. №1 (144). Выпуск 25/1

Составление прогнозных значений критериальных показателей и индикаторов влечет за собой неопределенность оценок. Существует множество способов, позволяющих снижать риски от неопределенности оценок при принятии решений, производить верификацию прогнозных данных. Прежде всего, рекомендуется применение следующих взаимодополняющих шагов: обосновать размеры инвестиций; представить возможные результаты с указанием основных допущений их достижения или вероятности (оценки риска); принять во внимание представления и предпочтения регионального и муниципального социально-экономического развития на принципах устойчивости; разработать соответствующие правила принятия решений и стратегии инвестирования в модернизацию и инновационные преобразования .

Методы прогнозирования непрерывно обогащаются и совершенствуются. Выбор метода прогнозирования зависит от периода, на который необходимо составить прогноз, возможности получить соответствующие исходные данные, требований к точности прогноза, объема информации. В экономической литературе представлено большое разнообразие методов прогнозирования. Так, исследователи говорят, что все многообразие методов прогнозирования основано на двух подходах - эвристическом и математическом.

Эвристические методы базируются на использовании явлений или процессов, не поддающихся формализации.

Для математических методов прогнозирования характерен подбор и обоснование математической модели исследуемого процесса, а также способов определения ее неизвестных параметров. Задача прогнозирования при этом сводится к решению уравнений, описывающих данную модель для заданного момента времени.

Среди математических методов прогнозирования в особую группу выделяются методы экстраполяции, которые отличаются простотой, наглядностью и легко реализуются

В настоящее время наиболее распространенными и широко применяемыми в экономике являются методы экспертных оценок. «Экспертное оценивание - это формализованная качественная или количественная оценка экспертами характеристик объектов применения метода экспертных оценок е возможными последующим сравнением исследуемых объектов по соответствующим характеристикам». Практически во всех субъектах Российской Федерации в ходе формирования прогнозов социально-экономического развития регионом па среднесрочную перспективу применяются данные подходы для прогнозирования основных параметров.

К методам моделирования относится прогноз, основанный на изучении внутренней логики логических моделей развития исследуемого явления, на анализе исторической преемственности развития науки и техники и сценариев будущего (логический анализ иерархии целей, описание реальных вариантов их достижения и оценка ресурсов).

Нормативные методы это методы планирования основанные на применении для обоснования плановых, программных и прогнозных документов норм и нормативов.

При формировании прогнозов с помощью экстраполяции обычно исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта. Экстраполируются оценочные функциональные системные и структурные характеристики. Экстраполяционные методы являются одними из самых распространенных и наиболее разработанных среди всей совокупности методов прогнозирования.

С помощью этих методов экстраполируются количественные параметры больших систем, количественные характеристики экономического, научного, производственного потенциала, данные о результативности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков, элементов в системе показателей сложных систем и др.

Методы экстраполяции - наиболее распространенные в прогнозировании. Они отличаются простотой, наглядностью и легко реализуются на ЭВМ. Подробное описание экстраполяционного метода прогнозирования дается в работах ученых .

Основу экстраполяционных методов прогнозирования составляет изучение динамических рядов.

Аналитические методы экстраполяции тенденций основаны на применении метода наименьших квадратов к динамическому ряду и представлении закономерности развития явления во времени в виде уравнения тренда.

В настоящее время одним из перспективных направлений прогнозирования считаются адаптивные методы. Адаптивные методы используются в условиях сильной колеблемости уравнений динамического ряда и позволяют при изучении тенденции учитывать влияние предыдущих уравнений на последующие значения динамического ряда. Эти методы рассмотрены наиболее подробно ученым .

При региональных исследованиях обязательно изучаются перспективы развития той или иной территории. Траекторию развития или будущее состояние региона в целом и отдельных экономических объектов, в частности, определяют с помощью следующих методов: экстраполяция, экспертные оценки, аналогии, регрессионный и корреляционный анализы.

Важнейшее достоинство адаптивных методов - построение самокорректирующихся моделей, способных учитывать результат прогноза, сделанного на предыдущем шаге. Пусть модель находится в некотором состоянии, для которого определены текущие значения её коэффициентов. На основе этой модели делается прогноз. При поступлении фактического значения оценивается ошибка прогнозного значения. Ошибка прогнозирования через обратную связь поступает в модель и участвует в ней в соответствии с принятой процедурой перехода от одного состояния в другое. В результате вырабатываются компенсирующие изменения, состоящие в корректировании параметров в целях большего согласования поведения модели с динамикой ряда. Затем рассчитывается прогнозная оценка на следующий момент времени, и весь процесс повторяется вновь.

Таким образом, адаптация осуществляется итеративно с получением каждой новой фактической точки ряда. Модель постоянно «впитывает» новую информацию, приспосабливается к ней и поэтому отражает тенденцию развития, существующую в данный момент. На рис. 2 приведена общая схема построения адаптивных моделей прогнозирования .

Рис. 2. Схема построения адаптивной модели прогнозирования: у(1:) - фактические уровни временного ряда;)’г(/) (1) - прогноз, сделанный

в момент I на Г единиц времени (шагов) вперёд; е(+1 - ошибка прогноза, полученная как разница между фактическим и прогнозным значением показателя точки (1+1)

2013. №1 (144). Выпуск 25/1

Быстроту реакции модели на изменения в динамике процесса характеризует так называемый параметр адаптации. Параметр адаптации должен быть выбран таким образом, чтобы обеспечивалось адекватное отображение тенденции при одновременной фильтрации случайных отклонений. Значение параметра адаптации может быть определено на основе эмпирических данных, выведено аналитическим способом или получено на основе метода проб.

В качестве критерия оптимальности при выборе параметра адаптации обычно принимают критерии минимума среднего квадрата ошибок прогнозирования.

На основе рассмотренных особенностей дадим определение группы методов прогнозирования, объединенных общим названием адаптивные.

Адаптивными называются методы прогнозирования, позволяющие строить самокорректирующиеся (самонастраивающиеся) экономико-математические модели, которые способны оперативно реагировать на изменение условий путем учета результата прогноза, сделанного на предыдущем шаге, и учета различной информационной ценности уровней ряда. Благодаря отмеченным свойствам адаптивные методы особенно удачно используются при оперативном, краткосрочном прогнозировании. Указанное определение отражает основные характерные черты, присущие рассматриваемому подходу. В тоже время деление на адаптивные и неадаптивные модели часто носит условный характер.

У истоков адаптивных методов лежит модель экспоненциального сглаживания. Предположим, что модель временного ряда имеет вид:

у(=ах+е(, (1)

где ах =соп81:;

Е(- случайные неавтокоррелированные отклонения с нулевым математическим ожиданием и дисперсией.

Для экспоненциального сглаживания ряда используется рекуррентная формула:

^ = ау(+ , (2)

где - значение экспоненциальной средней в момент 1:; а - параметр сглаживания а=соп81:, 0<а<1;

Если последовательно использовать соотношение (1), то экспоненциальную среднюю можно выразить через предшествующие значения уровней временного ряда:

^ = ау, + = ау, + р{ау(_х +) =

Ау, + ару,_х + /?2^_2 = ... = ау,+ ару,_х + ар2у,_2 +... + аДу„ +... + /Г£0 ’

Таким образом,

^ = я]?+/?"Ч о, (3)

где п - длина ряда.

При п -> °°Р” -> 0, следовательно,

Таким образом, величина $, оказывается взвешенной суммой всех членов ряда.

Причем веса отдельных уровней ряда убывают по мере их удаления в прошлое соответственно экспоненциальной функции (в зависимости от «возраста» наблюдений). Именно поэтому величина Я, названа экспоненциальной средней.

Для элиминирования избыточного веса, придаваемого Э0, Р. Вейд предложил модифицировать процедуру.

Пусть Э"0 = аЭ0, тогда ЭЧ = ау! + (1 - а) Э"0 = ау! + (1 - а) аЭ0.

Так как весовые коэффициенты в сумме теперь не дают единицу, то вводится дополнительный множитель, равный обратной величине суммы коэффициентов:

‘V, = s;---\-г [осуi + (l - a)aS0 ].

Тогда на первой итерации при а = 0,1 вес текущего уровня уг определяется выра-

жением-------= 0,526, а вес S0 уже равен меньшему значению------= 0,474.

При краткосрочном прогнозировании необходимо отразить изменения ряда и в то же время очистить его, отфильтровав случайные колебания. Для этого величине а следует присваивать одно из промежуточных значения в интервале от о до 1. Если в результате экспериментальных расчетов получено наилучшее значение а, близкое к 1, то целесообразно проверить правомерность выбора модели данного типа.

Иногда поиск этого значения параметра осуществляется путем перебора на сетке значений. В этом случае в качестве оптимального выбирается то значение а, при котором получена наименьшая дисперсия ошибки. В большинстве эконометрических пакетов, например «Мезозавр», SPSS, STATISTIKA и других, при построении этих моделей в меню предусмотрена ветвь «оптимизация», реализующая поиск значений по этой схеме.

В ходе исследования был проведен прогноз дальнейшего изменения индекса промышленного производства. Данный показатель характеризует изменение масштабов производства в сравниваемых периодах, является одним из основных индикаторов промышленного производства Белгородской области.

Для осуществления прогноза используем метод экстраполяции на основе построения трендовых моделей.

Данные для построения трендовой модели промышленного производства Белгородской области за 1992-2011 гг. представлены в табл. 1 .

Таблица 1

Исходные данные для построения трендовой модели промышленного производства Белгородской области за 1992-2011 гг.

Год Индекс промышленного производства Российской Федерации Индекс промышленного производства Белгородской области

1997 101,0 106,0

1999 108,9 И5,3

2000 108,7 109,1

2001 102,9 110,1

2002 103,1 116,0

2003 108,9 10б,2

2004 ю8,о ю6,з

2006 ю6,з 112,8

2008 100,6 111,6

2010 108,2 110,0

2011 Ю4,7 ю6,9

На основании представленных исходных данных (табл. 1) были построены четыре трендовые модели, представленные на рис. 3-6.

Белгородская область -=-РФ ------Полиномиальный (Белгородская область)

Рис. 3. Полиномиальный тренд индекса промышленного производства

Белгородской области

Если для прогнозирования временного ряда, имеющего ярко выраженную линейную тенденцию, использовать формулу 5, опирающуюся на модель экспоненциального сглаживания, то модель, как правило, будет давать смещенные прогнозы, т.е. систематическую ошибку. Для таких временных рядов целесообразно использовать модели линейного роста, также применяющие процедуру экспоненциального сглаживания. Прогнозная модель определяется равенством

У АЙ = а^, (5)

где^уДО - прогноз, сделанный в момент? на г единиц времени (шагов) вперед;

ал,1 - оценка ах,.

В этих моделях прогноз может быть получен с помощью следующего выражения:

Ж0 = «и+« С6)

где ал, с/-, - текущие оценки коэффициентов; т - период прогноза.

Белгородская область -■- РФ Логарифмический (Белгородская область)

Рис. 4. Логарифмический тренд индекса промышленного производства

Белгородской области

# & £ & & £ & & # / # $ & $ & / # $ / /

Ф- Белгородская область -■- РФ -■ Степенной (Белгородская область)

Рис. 5. Степенной тренд индекса промышленного производства Белгородской области

-♦- Белгородская область -■- РФ Экспоненциальный (Белгородская область)

Рис. 6. Экспоненциальный тренд индекса промышленного производства

Белгородской области

В табл. 2 представим уравнение полиноминальной, логарифмической, степенной, экспоненциальной моделей индекса промышленного производства Белгородской области.

Таблица 2

Трендовые модели индекса промышленного производства Белгородской области

Тип модели Построение трендовой модели

Полиномиальная модель V = -0,1448 X2 +4,0849*+ 82,994

Логарифмическая модель у = 8,6212 1п(х) +86,856

Степенная модель у = 87,24 х0’0862

Экспоненциальная модель V = 93,819

Для адекватных моделей проведена оценка точности. Точность модели характеризуется величиной разности между значением фактического уровня и значением по построенной трендовой модели.

Для оценки качества однофакторной модели в эконометрике используют коэффициент детерминации и среднюю ошибку аппроксимации.

Средняя ошибка аппроксимации определяется как среднее отклонение полученных значений от фактических по формуле (7)

Допустимая ошибка аппроксимации не должна превышать ю%. Результаты проверки точности модели приведены в табл. 3.

Таблица 3

Средние относительные ошибки аппроксимации адекватных моделей, %

Тип модели Значение ошибки Точное значение ошибки Уровень точности

Логарифмическая 0,22 0,228 -

Степенная 0,22 0,220 Точный

Полиномиальная 0,22 0,220 Точный

Экспоненциальная 0,22 0,229 -

Итак, наиболее точной является степенная и полиноминальная трендовая модель. Рассмотрим прогноз индекса промышленного производства Белгородской области на 2012-2013 гг. в табл. 4.

Таблица 4

Прогноз индекса промышленного производства Белгородской области

на период 2012- 2013 гг.

Прогноз Индекс промышленного производства

Логарифмическая трендовая модель Степенная трендовая модель Полиномиальная трендовая модель Экспоненциальная трендовая модель

2012 113,10 П3,42 104,92 116,96

2013 113,50 113,88 102,77 118,19

Индекс промышленного производства Белгородской области при данных условиях по степенной трендовой модели в 2012 году прогнозируется на уровне 116,96%, а в 2013 году - на уровне 118,19%., по полиноминальной трендовой модели индекс промышленного производства составит в 2012 году 104,92%, а в 2013 году - 102,77%.

Важное прикладное значение в прогнозировании валового регионального продукта по Белгородской области принадлежит методам регрессионного анализа. Выявлено, что достоинством регрессионного метода следует считать его универсальность, широкий выбор функциональных зависимостей, возможность включения в статистическую модель в качестве самостоятельной переменной фактора времени.

Наилучшие результаты дает модель множественной регрессии:

Г=а+Ьл+Ъ2х2+Ъ3х3+....+Ъ„хп, (8)

где У - зависимая переменная (валовой региональный продукт по Белгородской области), х,- - независимые переменные (факторы), Ь,- - регрессионные коэффициенты.

Регрессионные коэффициенты корреляции представлены в табл. 5.

Главными критериями отбора факторов являются точность, достоверность, оперативность получения информации, а также возможность их прогнозирования. Исходя их этих требований, для построения модели были отобраны следующие факторы:

Численность населения, тыс. чел(х1);

Добыча полезных ископаемых млрд.руб (х2);

Индекс потребительских цен (х3);

Индекс цен производителей промышленных товаров (хД

Таблица 5

Регрессионные коэффициенты и коэффициенты корреляции

Независимые переменные Регрессионные коэффициенты Коэффициенты корреляции

Xi Численность населения, тыс.чел. 1,24 0,95

x2 Добыча ископаемых, млрд.руб. 12,57 0,94

Использованы исходные данные за период 1995-2011 гг. После определения регрессионных коэффициентов уравнение регрессии принимает следующий вид:

У=-18684,2-+1,24^ + 12,57X2-1,83Х3-1,2бх^. (9)

Коэффициент корреляции принимает значения в интервале от -1 до +1. Если коэффициент больше 0,7 - связь сильная, или тесная. Наиболее сильная связь присутствует у фактора численности населения. Коэффициент детерминации для модели составляет R2=0,95.

Рассчитанный коэффициент корреляции свидетельствует об очень тесной зависимости изменения валовой продукции от изменения ее факторов. Коэффициент детерминации, характеризующий качество подбора прямолинейной линии регрессии для прогноза равен 0,95. Это говорит о том, что уравнение регрессии объясняется 95% дисперсии результативного признака, а на долю прочих факторов приходится лишь 5% дисперсии, т.е. остаточная дисперсия.

Таким образом, можно сделать вывод, что в ходе исследования был проведен прогноз дальнейшего изменения индекса промышленного производства. Для осуществления прогноза использовался метод экстраполяции на основе построения трендовых моделей. Для адекватных (действительных) моделей проведена оценка точности. Выявлено, что наиболее точной является степенная и полиномиальная трендовая модель.

Список литературы

1. Бережная, Е.В. Математические методы моделирования экономических систем / Е.В. Бережная, В.И. Бережной. - М.: Финансы и статистика,2003.-368 с.

2. Дуброва, Т.А Статистические методы прогнозирования / Т.А. Дуброва. - М.: ЮНИТИ-ДАНА,2003.-206 с.

3. Егоров, В.В. Прогнозирование национальной экономики /В.В. Егоров. - М: ИНФРА-М,2001.-184 с.

4. Настенко, А.Д. Прогнозирование отраслевого и регионального развития / А.Д. Настен-ко. - М: ГелиосАРВ,2002.-144 с.

5. Регионы России. Социально-экономические показатели. 2002 - 2011: стат. сб. М.: Росстат, 2002 - 2011.

PREDICTION SOCIO-ECONOMIC DEVELOPMENT OF THE REGION }