<<
>>

4.3. Методи і моделі прогнозування

Методи прогнозування - це сукупність прийомів мислення, способів, які дають змогу на підставі аналізу ретроспективних даних зробити висновки про можливий розвиток економіки у майбутньому.

Методи прогнозування, як і самі прогнози, можна класифікувати за різними ознаками.

Залежно від способу прогнозування і наявності інформацій­них даних методи прогнозування поділяють на фактографічні, формалізовані, експертні (інтуїтивні) і комбіновані. Факто­графічні методи грунтуються на достатньому інформаційному ма­теріалі про об'єкт прогнозування та його минулий розвиток. До них належить група методів екстраполяції і моделювання. Екс­пертні методи застосовують у тих випадках, коли інформацій­ний матеріал, який характеризує розвиток об'єкта у минулому, недостатній. Вони побудовані на інформації, отриманій за оцін-

73

ками спеціалістів-експертів. До експертних методів належать ме­тоди індивідуальної і колективної експертної оцінки. Комбіновані методи прогнозування об'єднують експертні і фактографічні ме­тоди.

Найпоширенішими серед методів індивідуальної експертної оцінки є метод "інтерв'ю", аналітичний, метод написання сцена­рію. За методом "інтерв'ю" експерт безпосередньо опитує спе­ціалістів. Аналітичний метод передбачає всебічний аналіз про­гнозованого економічного явища або процесу з підготовкою відпо­відної доповідної записки. Метод написання сценарію грунтується на визначенні логіки розвитку прогнозованого об'єкта за різних умов.

Серед колективних методів експертних оцінок доцільно ви­ділити методи колективної експертної комісії і колективної гене­рації ідей, метод Дельфі, матричний метод.

Суть методу колективної експертної комісії полягає у тому, що група укладачів прогнозу (робоча група) уточнює головні на­прями розвитку об'єкта, будує матрицю, у якій відображена гене­ральна мета, підцілі та засоби їх досягнення, і розробляє перелік питань для експертів.

Експертів опитують з метою отримати відповідь на поставлені питання у вигляді оцінок ймовірного ва­ріанта розвитку подій (найпоширенішою є таблична форма). Пи­тання формують за певною структурно-ієрархічною схемою (від складних до простих, від загальних до поодиноких - табл. 4.1).

Таблиця 4.1 Матриця мета-засоби

Мета Генеральна мета і підцілі
Засоби досягнення мети А В С
Група засобів А
Група засобів В
Група засобів С

74

Заповнені експертами таблиці використовують для узагаль­нень думок з кожного запропонованого питання. Остаточну оцін­ку визначають як її середнє зважене значення.

Статистичне опрацювання даних колективної експертної оцінки для науково-технічних прогнозів - це сукупність оцінок відносної важливості, поставлених кожним спеціалістом кожно­му з оцінюваних напрямів досліджень. Оцінки важливості вира­жають у балах, вони можуть набувати значення від нуля до оди­ниці, від нуля до десяти, від нуля до сотні.

Введемо позначення вихідних даних:

m - кількість експертів, які взяли участь у колективному опи­туванні;

I, ..., і, ..., m - можливі номери експертів;

n - кількість напрямів досліджень, запропонованих для оці­нки;

l, ..., j, ..., п - можливі номери напрямів досліджень;

mj - кількість експертів, які оцінювали j-й напрям досліджень;

m 100j — кількість максимально можливих оцінок (100 балів), отриманих на j-му напрямі досліджень;

Сіj - оцінка відносності (у балах) і-м експертом j-го напряму досліджень.

Під час опрацювання матеріалів оцінки важливості з певно­го питання зводять у таблицю, рядки якої відповідають напрямам досліджень, а стовпці - експертам (табл.4.2).

Таблиця 4.2 Матриця оцінки важливості напрямів

Напрями досліджень j Експерти (і)
1 2 ... і ... m
1 C11 C21 ... Сі1 ... Cm1
2 С12 C22 ... Сі2 ... Cm2
...
... ClJ C2j ... Cij ... Cmj
...
n С1n C2n ... Сіn ... Cmn

75

Оцінку відносної важливості ставлять за показниками, які характеризують узагальнену думку експертів, статистичну ва­гомість показника узгодженості їхніх думок, активність експертів, їхню компетентність з кожного пропонованого питання.

Середнє статистичне значення показника узагальненої дум­ки для j-го напряму М. визначають за формулою.

Цей показник обчислюють для кожного з «-напрямів дослід­жень; він може набувати значення у межах, наприклад, від нуля до ста балів. Нижня межа відповідає випадку, коли усі експерти дали мінімальну оцінку важливості, верхня - максимальну.

Результати опитування експертів доцільно зіставити з ре­зультатами, що отримані за допомогою інших методів прогнозу­вання.

Метод колективної генерації ідей у практиці називають методом "мозкового штурму". Він дає змогу активізувати твор­чий потенціал експертів у разі шукання виходу з проблемної си­туації. Використання методу передбачає зіткнення протилежних напрямів думок і рекомендацій учасників "мозкового штурму" щодо вирішення конкретної проблеми: генерацію ідей і наступ­не руйнування (через критику).

З огляду на це його називають методом деструктивної відносної оцінки. За методом "мозково­го штурму" розробники виконують прогнозування у кілька етапів. Роботу розпочинають з формування групи експертів (10-15-20 осіб), куди запрошують фахівців з високим рівнем загаль­ної ерудиції і розумінням проблеми. Надалі група аналізу про­блемної ситуації складає проблемну записку учасника "мозко­вого штурму", у якій наводить і описує проблемну ситуацію і головні правила ведення "штурму". Після завершення організа­ційно-підготовчої роботи розпочинається власне "мозковий штурм". Його організовує ведучий, який концентрує увагу учас­ників на правилах поведінки і головному питанні. Характерно,

76

що в процесі генерації ідей до уваги беруть усі ідеї, незалежно від їхньої доцільності.

Після "атаки" група аналізу проблемної ситуації система­тизує ідеї: складає їхній перелік; формулює у загальноприйнятій термінології; об'єднує ідеї, які дублюються і взаємодоповню­ють одна одну; визначає ознаки, за якими ідеї можна об'єднати;

поєднує за визначеними ознаками; за групами (від загальних до часткових).

Потім настає етап руйнування систематизованих ідей з ме­тою оцінити можливості їхньої практичної реалізації. Група ана­лізу для ведення цієї роботи формує нову експертну групу з висо­кокваліфікованих фахівців у досліджуваній галузі у складі 20-25 осіб, зосереджуючи їхню увагу на критиці. Доцільно, щоб процес критики тривав до 1.5 год і супроводжувався магнітофонним за­писом. Прогнозування методом колективної генерації ідей завер­шують оцінкою критичних зауважень і складанням переліку прак­тичного застосовування ідей.

Для визначення й оцінки ймовірності настання тих або інших подій використовують метод Дельфі. Він дає змогу уза­гальнити думки окремих експертів в узгоджену групову думку. Особливість методу Дельфі полягає в тому, що він передбачає анонімність експертів, використання результатів попереднього туру опитування, статистичну характеристику групової відповіді.

Процес прогнозування за цим методом виконують у такий спосіб, що фахівець, який проводить прогнозування, використовуючи анкети попереднього туру, вилучає з них лише ту інформацію, яка стосується одної проблеми. Фахівець-прогнозист враховує думку експертів "за" і "проти" з кожного погляду. Статистична характеристика групової відповіді полягає у тому, що група фахівців складає прогноз, який містить погляд лише більшості експертів. Метод Дельфі є ефективним, оскільки він дає змогу ліквідувати низку труднощів, пов'язаних з роботою колективної експертної комісії.

Серед фактографічних методів прогнозування найважливі­шими є такі:

77

методи однофакторного прогнозування. Вони об'єднують дві великі підгрупи, а саме: методи прогнозування тренду (експоненціональне згладжування, узагальнене експоненціональне зглад­жування, гармонічні ваги, спектральні методи, метод ковзної се­редньої, метод Бокса-Дженкінса, метод скінченних різниць, різни­цевих рівнянь, оптимальних фільтрів, сплайн-функції) і методи прогнозування випадкової компоненти (метод авторегресії, ймовір­нісний метод, метод ланцюгів Маркова);

методи багатофакторного прогнозування, до яких належать регресивні моделі (адаптивні регресії, регресивні K-моделі), адаптивне згладжування, факторний аналіз, метод групового вра­хування аргументів, імітаційні моделі, багатовимірна фільтра­ція.

Статистичні методи використовують для прогнозування ча­сових рядів динаміки параметрів економічних явищ. В економічній літературі вони відомі як методи екстраполяції. Методів прогно­зування одновимірних часових рядів є декілька. Динамічний ряд yt (t = 1, ..., Т) можна розкласти на трендову (Xt) і випадкову (Еt) складові1:

yt = Xt + Et

Для прогнозування трендової складової найпоширеніші ме­тоди, які грунтуються на використанні критерію найменших квадратів і його різновидів - експоненціонального згладжуван­ня, ковзної середньої, гармонійних ваг, адаптивного згладжуван­ня та ін.

Випадкову складову прогнозують за допомогою методів ав­торегресії, ймовірнісного моделювання, ланцюгів Маркова та ін.

Під час формування прогнозів за допомогою методів екст­раполяції виходять зі статистичне сформованих тенденцій зміни тих чи інших кількісних характеристик об'єкта. Операцію екст-

_____

1 Див.: Горелова В.Л., Мельникова Е.Н. Основы прогнозирования систем. М.: Высш. шк., 1986. С. 157.

78

раполяції можна записати у вигляді визначення значень функції1 Yi + L = f(Yi,L),

де Yi + L - значення рівня, яке екстраполюють; L - період уперед­ження; Уki - рівень, прийнятий за базу екстраполяції.

Для підвищення точності екстраполяції застосовують різні прийоми.

Екстраполяція за середньою грунтується на припущенні, що середній рівень ряду не має тенденції до зміни, і якщо ця зміна незначна, можна прийняти Yi+L = Ŷ, тобто прогнозований рівень дорівнює середньому значенню рівнів у минулому. У цьому ви­падку довірчі межі для середньої, якщо кількість спостережень невелика, обчислюють за формулою

де ta - табличне значення t-статистики Стьюдента з (n-1) ступеня­ми та рівнем ймовірності Р; SŶ - середня квадратична помилка середньої,

Тут S - середнє квадратичне відхилення, яке для вибірки визна­чаємо так:

Звідси довірчі інтервали для прогностичної оцінки

Вада описаного методу полягає в тому, що довірчий інтервал не пов'язаний з періодом упередження.

У практиці часто використовують метод екстраполяції на

_____

1 Див.: Четыркин Е.М. Статистические методы прогнозирования. М.: Статисти­ка, 1977. C.154.

79

підставі середнього темпу зростання. У цьому випадку екстрапо­льоване значення рівня можна отримати за допомогою формули

Yi+L=Yi*r2,

де r - середній темп зростання; У*i - рівень, прийнятий за базу екстраполяції.

У разі екстраполяції за методом середнього темпу прогноз виз­начають за геометричною прогресією або за експонентною кривою.

Метод середньої ковзної.

Прогнозуючи числові ряди, теба враховувати дисконтування вихідних даних. Очевидно, кінцевим точкам ряду потрібно нада­ти більше значення, а спостереженням, які належать до минуло­го, - менше. Це можна частково врахувати за допомогою проце­дури ковзних середніх з кінцевою довжиною відтинку усереднен­ня, де значення ваг, які приписують останній групі (2m+1), не за­лежать від попередніх значень.

Метод експоненціального згладжування є одним з головних. Він поєднує метод екстраполяції та ковзної середньої і дає змогу побудувати такий опис прогнозованого процесу, у якому пізнішим спостереженням надають більшого значення порівняно з попе­редніми, причому значення спостережень спадають за експонен­тою.

Вихідний динамічний ряд можна записати у вигляді полінома:

Для розрахунків за методом експоненціального згладжуван­ня вводять експоненціальну середню k-гo порядку Si(y)[k]. яку виз­начають за формулою1

_____

1 Див.: Горелова В.Л., Мельникова Е.Н. Основы прогнозирования систем. М.: Высш. шк., 1986. С.158.

80

де

- експоненціональна середня k-ro порядку для ряду у; а -

параметр згладжування; а = 1- β.

Важливу роль у методі експоненціонального згладжування відіграє вибір оптимального параметра згладжування а. Залежно від параметра а прогнозні оцінки по-різному враховують вплив зміни значення вихідного ряду спостереження: чим більше зна­чення а, тим більший внесок останніх спостережень у формуван­ня тренду, а вплив початкових УМОВ швидко послаблюється.

Адаптивне згладжування. Головною сферою застосування адаптивних методів прогнозування є отримання прогнозних ре­зультатів для показників, динаміку яких характеризує регулярна зміна. Вихідна інформація для використання адаптивних методів - динамічні ряди з кількістю спостережень не менше 10-15 то­чок. Результати отримують у вигляді числових значень динаміки ряду на перспективу, використовуючи лінійну адаптацію моделі1

де

- оцінки коефіцієнтів прогнозного полінома в мо­мент t; r - період прогнозування.

Метод найменших квадратів застосовують для відшукання наближених залежностей між двома або кількома прогнозовани­ми величинами за їхнім емпіричним значенням. Суть його поля­гає у мінімізації суми квадратичних відхилень'між спостережу­ваними величинами і відповідними оцінками (розрахунковими ве­личинами), обчисленими за підібраним рівнянням.

У випадку апроксимування справжнього розвитку явища за допомогою поліноміального тренду залежну величину у можна записати як функцію часу у вигляді многочлена

де аi - параметри; t-час; λ - ступінь полінома.

_____

1 Див.: Горелова В.Л., Мельникова Е.Н. Основы прогнозирования систем. М. Высш. шк., 1986. С.158. С.160.

81

Оцінки параметрів а0, а1,..., аλ можна отримати за допомо­гою методів найменших квадратів. Розгорнутий запис системи нормальних рівнянь, у якій змінні Х0, Х1, ..., Хm замінені характе­ристиками часу t, t2, ..., tλ, має такий вигляд:

де n - кількість членів у динамічному ряду

Використовуючи матричні позначення, цю систему можна за­писати у вигляді

де j=(уt); a=(aj).

Отже, система, яка складається з λ-рівнянь, як відомі величи­ни містить λ, невідомих величин аi. Розв'язок цієї системи стосов­но a0, a1, ..., aλ і дає значення параметрів, які відшукують.

Одним із головних методів прогнозування випадкової ком­поненти є метод авторегресії. Прогнозуючи деяку величину, при­родно допустити залежність її в довільний момент часу від зна­чень у попередні моменти часу. Будь-який процес залежить від низки факторів. Модель прогнозування, побудована як функція від передісторії, повинна враховувати можливі дії цих факторів. Тоді досліджуваний процес можна записати так:

де yt,..., уt-p - реалізація процесу в моменти t, ..., t-p; a0, a1,..., аp - деякі задані числа; εt - випадковий процес з нульовим середнім і обмеженою дисперсією; р - порядок моделі.

Модель є авторегресивною формою прогнозованого проце­су. Головною умовою правомірності її застосування є випадковість і стаціонарність.

82

Для отримання точніших оцінок схему авторегресії можна модифікувати на підставі застосування вагових коефіцієнтів.

Якщо ряди дуже довгі, то для виділення тренду використо­вують метод, що грунтується на переході від вихідної інформації до різниць того чи іншого порядку.

До методів спільного прогнозування трендової і випадкової складових динамічного ряду належить метод Бокса-Дженкінса. Безпосередньо модель Бокса-Дженкінса - це об'єднання двох форм подання вихідного динамічного ряду: авторегресивного і ковзної середньої.

Для прогнозування багатовимірних процесів використовують методи багатофакторного прогнозування. Вони прості в реалі­зації, досить "м'які" щодо вимог до вихідної інформації і дають змогу отримати достовірні прогнозні результати. Процедурні пе­реваги методів передбачають чіткий вибір виду функціональної залежності пояснювальної змінної від часу і незалежних змінних. По суті, якість отриманих прогнозних результатів залежить, на­самперед, від правильності вибору виду функціональної залеж­ності і вже меншою мірою - від якості вихідної інформації.

Вихідною інформацією для отримання прогнозних резуль­татів за допомогою методів багатофакторного прогнозування є матриця спостережень за часом залежної і незалежних змінних:

Кожний стовпець цієї матриці - часовий ряд спостережень, упорядкований за часом. Для вихідної інформації повинні вико­нуватися деякі головні передумови - такі як Т >= 3-5, Т >= 15-20. Це означає, що кількість спостережень за кожним фактором повинна бути у 3-5 разів більшою від досліджуваних факторів, у всякому разі - не менше 15-20 спостережень.

83

Найпоширенішими є методи регресійного і кореляційного аналізів. Регресійний аналіз використовують для дослідження форм зв'язку, які визначають кількісні співвідношення між ви­падковими величинами досліджуваного випадкового процесу. Регресійний аналіз є частиною теорії кореляції. Нехай Х = хi; Y = yi, i = 1,2, ..., n; j = 1, 2,..., m - випадкові величини з розподілом р (хi, yi).

Регресією називають функцію

де Х - одне із значень вибірки; М(у/х) - умовне математичне спо­дівання випадкової величини у з фіксованим х. Найпростішою функцією регресії є лінійна:

Коефіцієнти а і В обчислюють методом найменших квадратів, на підставі умови мінімізації функції помилки.

Для складніших процесів будують модель множинної лінійної регресії

У цьому випадку, як і в простій функції, завдання зводиться до визначення коефіцієнтів a0, a1, ... , an шляхом мінімізації функції помилок.

Кореляційний аналіз визначає кореляційні зв'язки між випад­ковими величинами. Дві випадкові величини a і b називаються кореляційно пов'язаними, якщо математичне сподівання однієї з них змінюється залежно від зміни іншої. Парна кореляція дає змогу з'ясувати залежність між двома показниками.

Якщо є спостереження за од ним показником у11, у12, ..., У1n,а за іншим у21, у22, ..., у2n, то коефіцієнт парної кореляції обчислю­ють за формулою:

84

де у - середнє арифметичне для i-го показника 0=1- 2).

Коефіцієнт парної кореляції змінюється у межах від -1 до +1. Чим більше коефіцієнт наближається до +1, тим сильніший прямий зв'язок, чим ближче коефіцієнт до -1, тим сильніший обер­нений зв'язок між показниками. З наближенням коефіцієнта до нуля зв'язок між показниками послаблюється.

Кореляційний аналіз дає змогу перевірити різні економічні гіпотези про наявність та силу зв'язку між двома явищами і гру­пою явищ.

З-поміж економіко-математичних методів, які набули чима­лого поширення у зарубіжній та вітчизняній практиці, треба на­звати метод виробничих функцій, що дає змогу математично опи­сати структурні співвідношення між затратами і випуском про­дукції, методи дослідження операцій, зокрема різні види мате­матичного програмування. Лінійне програмування - це спосіб фор­мулювання завдань оптимізації у вигляді лінійних рівнянь, їх роз­в'язування й аналізу. Квадратичне програмування розширює сфе­ру застосування лінійного програмування шляхом використання складніших залежностей. У деяких випадках ці залежності мож­на звести до лінійних, що суттєво спрощує обчислення. Динаміч­не програмування дає змогу вирішувати багатоступінчасті завдан­ня із взаємними зв'язками, коли рішення, які приймають на одно­му ступені, визначають умови для наступного.

Загалом ці методи призначені для оптимального плануван­ня, однак застосування варіантного і параметричного аналізу, ана­лізу на чутливість надає їм типових рис методів нормативного про­гнозування.

Використання моделей математичного прогнозування дає змогу прогнозувати розміщення виробництва, темпи розвитку га­лузі, асортимент і обсяг випуску продукції, попит споживачів, ви­користання ресурсів галузі і потребу в матеріально-технічних ре­сурсах.

Економіко-математичну модель економічного типу можна зобразити як Z=aX і використати, наприклад, для визначення про­гнозної потреби в матеріалах. У цій моделі Z - загальна потреба у

85

матеріалах; X - кількість виробів; а - норма витрат матеріалу на один виріб.

У випадку прогнозування потреби в матеріалах для кількох виробів модель набуває вигляду

де n=1,2, 3, .... n.

Таку модель називають дескриптивною.

Економіко-математичні моделі можна класифікувати залеж­но від різних ознак (рис. 4.1). Серед них відомі факторні, струк­турні та комбіновані.

Факторні моделі відображають залежність рівня і динаміки того чи іншого показника від рівня і динаміки економічних по­казників-аргументів. Залежно від виду факторів (зовнішніх або внутрішніх) факторні моделі поділяють на екзогенні й ендогенні, а залежно від кількості факторів-часових параметрів - на одно- та багатофакторні. Власне багатофакторними є більшість моде­лей, у яких розглядають макроекономічні виробничі функції, фор­мування попиту на товари і послуги залежно від грошових до­ходів населення, цін, раціональних норм споживання та ін.

Структурні моделі описують співвідношення та зв'язки між окремими елементами, які утворюють єдине ціле. Такі моделі ма­ють матричну форму і їх застосовують для аналізу та прогнозу­вання міжгалузевих і міжрегіональних зв'язків. Найпоширенішою формою структурно-балансової моделі є міжгалузевий баланс ви­робництва і розподілу продукції. У цій моделі відображені нату­ральні й вартісні зв'язки у національній економіці. Міжгалузевий баланс розробляють у вигляді укрупненої динамічної і розгорну­тої натурально-вартісної моделі. Динамічна модель дає змогу пе­редбачити розвиток економіки з урахуванням трьох головних фак­торів: досягнутого рівня економічного потенціалу, перспективних тенденцій зміни показників ефективності трудових ресурсів, пер­спективної структури кінцевих потреб суспільства. Модель нату­рально-вартісного балансу містить комплексну характеристику національної економіки і конкретизує показники, розраховані за

86

Рис. 4.1. Класифікація економіко-математичних моделей економічного і соціального прогнозування.

87

допомогою укрупнених динамічних моделей міжгалузевого ба­лансу. Найпоширенішою у практиці є матрична економіко-математична модель (табл. 4.3).

Головними рівняннями моделі натурально-вартісного балансу є рівняння виробництва і розподілу продукції у натуральному виг­ляді та рівняння для визначення валової (товарної) продукції га­лузей. Рівняння балансів продукції мають вигляд

де Хi, X1 - обсяг виробництва продукції і, l за повним народногос­подарським колом; Хi - обсяг валової продукції j-ї галузі; аil -коефіцієнт витрат продукції i на одиницю продукції l; аij - ко­ефіцієнт витрат продукції і на одиницю продукції j-ї галузі; аi -питома вага іншого виробничого споживання продукції і у загаль­ному обсязі виробництва продукції і: Уi - обсяг кінцевого спожи­вання продукції і.

Таблиця 4.3 Матрична модель міжгалузевого балансу

Галузі-виробники Виробниче споживання (галузі-споживачі) Кінцевий продукт Валова продукція
1 х11, х12, ... x1j, .... х1m Y1 X1
2 x21,x22, ...,x2j, ...х2m Y2 X2
... xi1, xi2, ..., xij, ...хіm Yi Xi
i І квадрант II квадрант
... ... ... ...
n хn1, xn2, ..., xnj, ..., хnm Yn Хn
Амортизація A1, A2, ... Aj,...,Am
Чиста продукція VI, V2, ..., Vj, ..., Vm
III квадрант IV квадрант
Валова продукція

Вихідна інформація для розрахунків натурально-вартісного міжгалузевого балансу охоплює таку систему показників: ко­ефіцієнт прямих матеріальних затрат для розрахунків обсягів ви-

88

робничого споживання продукції (аil, аij); потребу в головних ви­дах продукції для капітальних вкладень, ринкових і позаринкових фондів, експорту та інших взаємозв'язків елементів кінцево­го продукту (У); показники, які забезпечують взаємозв'язок об­сягів виробництва продукції у натуральному і вартісному вира­женні (середні оптові ціни, коефіцієнти товарності тощо), показ­ники для розрахунку потреби в трудових і фінансових ресурсах.

За допомогою натурально-вартісного балансу можна прогно­зувати збалансовані з макроекономічними показниками обсяги виробництва продукції в грошовому вираженні, потребу еконо­міки в найважливіших видах матеріальних ресурсів, і передусім, у тих, які контролює і розподіляє держава, показники енерго- і матеріаломісткості національного виробництва. Залежно від кри­терію оптимально сті розрізняють моделі мінімізації затрат (ре­сурсів) і максимізації ефекту (доходу, продукції тощо).

Моделі за рівнями агрегування показників розвитку націо­нальної економіки поділяють на макроекономічні, міжгалузеві, міжрегіональні, галузеві, регіональні. Макроекономічні моделі використовують під час складання економічних прогнозів на макроекономічному рівні. До них належать одно- і багатофакторні моделі економічного зростання, моделі розподілу національного доходу, структурні, міжгалузеві, галузеві, відтворення основних фондів і руху інвестиційних потоків, рівня життя. Міжрегіональні, галузеві і регіональні моделі застосовують у разі прогнозування відповідно на міжрегіональному, галузевому і регіональному рівнях.

Залежно від номенклатури продукції, сировини розрізняють одно- і багатопродуктові моделі. В однопродуктових визначають одне обмеження щодо попиту на продукцію, яку виробляє галузь, або одне обмеження на ресурс. У багатопродуктових моделях роз­глядають два і більше обмежень за попитом на продукцію галузі в цілому або на споживання ресурсу.

За роллю ресурсів у розвитку економіки розрізняють моделі відтворення трудових ресурсів, основних фондів, системи фінансів, економічних ресурсів тощо. З урахуванням фактора часу

89

моделі можуть бути статичними і динамічними. Статичні моделі використовують, якщо обмеження стосується одного певного відрізка часу. Моделі, в яких обмеження запроваджені для кількох відрізків часу, називають динамічними.

Найефективнішим засобом прогнозування, особливо довго­термінового, є динамічні та ігрові імітаційні моделі. Перші дають змогу робити висновки про головні риси розвитку економічних систем, які суттєво не залежать від початкових умов. Ці висновки потрібно згодом деталізувати за допомогою інших методів, на­приклад, апарату математичного програмування.

У ситуації, коли відомі математичні методи і моделі виявля­ються надто спрощеними і не можуть адекватно відобразити еко­номічну реальність, використовують також методи імітаційного моделювання. Імітаційна модель є формалізованим описом вироб­ничої системи через її елементи та залежності між ними, вона відображає порядок розрахунку показників, які характеризують ці елементи і залежності.

Складати прогнози можна, як уже зазначено, методами, що не є безпосередньо методами прогнозування. До них можна відне­сти варіаційне обчислення, теорію катастроф, описування розвитку системи за допомогою диференціальних рівнянь, сплайн-функцій.

90

<< | >>
Источник: І. Михасюк та ін.. Державне регулювання економіки /За ред. д-ра. екон. наук, проф., акад. АН Вищої школи України І.Р.МИХАСЮКА/. - Львівський національний університет ім. І.Франка, Львів: "Українські технології",1999. - 640 с.. 1999

Еще по теме 4.3. Методи і моделі прогнозування:

  1. Якісні моделі прогнозування.
  2. 2.3.2.2. Моделі прогнозування банкрутства
  3. 2.3.2. Методи прогнозування банкрутства
  4. Кількісні методи прогнозування.
  5. Методи прогнозування, їх класифікація
  6. Неформальні методи прогнозування.
  7. 11.3. Моделі та методи прийняття рішень
  8. Математико-статистичні методи і моделі оцінки фінансових ризиків, які використовують у комерційних банках
  9. 2.3. Система раннього попередження та реагування. Методи прогнозування банкрутства
  10. 1.3. Базові моделі і методи оцінки фінансових ризиків: теоретичний аспект
  11. 11.1. Симптоми і фактори виникнення фінансової кризи на підприємстві. Методи прогнозування банкрутства підприємства
  12. Моделі обліку. Елементи методу бухгалтерського обліку при комп'ютеризації.
  13. 11.3.4. Метопи прогнозування
  14. Сутність соціально-економічного прогнозування
  15. Функції соціально-економічного прогнозування
  16. Принципи соціально-економічного прогнозування
  17. Моделі логістичних систем
  18. Процес побудови моделі.
  19. 2.3.2.1. Підходи до моделей прогнозування банкрутства
- Информатика для экономистов - Антимонопольное право - Бухгалтерский учет и контроль - Бюджетна система України - Бюджетная система России - ВЭД РФ - Господарче право України - Государственное регулирование экономики в России - Державне регулювання економіки в Україні - ЗЕД України - Инновации - Институциональная экономика - История экономических учений - Коммерческая деятельность предприятия - Контроль и ревизия в России - Контроль і ревізія в Україні - Кризисная экономика - Лизинг - Логистика - Математические методы в экономике - Микроэкономика - Мировая экономика - Муніципальне та державне управління в Україні - Налоговое право - Организация производства - Основы экономики - Политическая экономия - Региональная и национальная экономика - Страховое дело - Теория управления экономическими системами - Управление инновациями - Философия экономики - Ценообразование - Экономика и управление народным хозяйством - Экономика отрасли - Экономика предприятия - Экономика природопользования - Экономика труда - Экономическая безопасность - Экономическая география - Экономическая демография - Экономическая статистика - Экономическая теория и история - Экономический анализ -