Методы прогнозирования спроса и исследования рынка продукции

Эконометрические методы прогнозирования

Экономико-статистическое моделирование часто отождествляют с эконометрикой. Эконометрика — это наука, изучающая экономические процессы и явления средствами математического и статистического анализа. Эконометрика как самостоятельная отрасль знаний возникла в 30-е годы, и ее появление связывают с проникновением статистических методов в экономику. В настоящее время сформировались две ведущие школы эконометрики: американская и голландская. В эконометрических моделях обеих школ широко используются относительные показатели, множества, уравнения и системы уравнений регрессии, содержащие лаговые переменные. В последние годы в эконометрику усиленно проникают формально-математические методы.

К эконометрическим методам относят: прогнозирование на основе временных рядов (экстраполяция динамического ряда, прогнозирование сезонных и циклических колебаний, адаптивные методы прогнозирования, прогнозирование на основе индикаторов и индексов, экстраполяция по огибающим кривым); прогнозирование на основе модели регрессии; прогнозирование на основе системы одновременных уравнений.

Обычно под термином «тренд» подразумевают длительную тенденцию изменения показателей временного ряда, на которую могут накладываться другие составляющие (например, сезонные колебания). Временной ряд содержит результаты наблюдения за процессом на некотором участке времени. Этот участок называется участком наблюдения. Отрезок времени от последнего наблюдения до того момента, для которого нам необходимо получить прогноз, называется участком упреждения [8, c. 35].

Вообще говоря, точное совпадение фактических данных и прогностических оценок, получаемых путем экстраполяции трендов, маловероятно. Причина погрешностей заключается в следующем:

• 1) выбор формы кривой, характеризующей тренд, содержит элемент субъективизма. Во всяком случае, часто нет твердой основы для того, чтобы утверждать, что выбранная форма кривой является единственно возможной или тем более наилучшей для экстраполяции данных в конкретных условиях;
• 2) оценивание параметров кривых (иначе говоря, оценивание тренда) производится на основе ограниченной совокупности наблюдений, каждое из которых содержит случайную компоненту;
• 3) возможны случаи, когда форма кривой, описывающей тенденцию, выбрана неправильно или когда тенденция развития в будущем может существенно измениться и не следовать тому типу кривой, который был принят при выравнивании [8, c. 35].

В практической работе «наивные» прогнозисты приближают временные ряды наблюденных показателей следующими элементарными функциями:

у=а+b₁*t (уравнение прямой линии);

y=а+b₁*t+b₂*t₂ (парабола 2-го порядка);

y=а+b₁*t+b₂*t₂+b₃*t₃ (парабола 3-го порядка);

у=а+b*ln (t) (логарифмическая) и т. д.

Иногда встречаются случаи, когда более или менее обоснованно для экстраполяции можно применить несколько типов кривых. При этом рассуждения сводятся к следующему. Поскольку каждая из кривых характеризует один из альтернативных трендов, то очевидно, что пространство между экстраполируемыми трендами и представляет собой некоторую «естественную доверительную область» для прогнозируемой величины. С такими утверждениями нельзя согласиться.

Прежде всего, потому, что каждая из возможных линий тренда отвечает некоторой заранее принятой гипотезе развития. Пространство же между трендами не связано ни с одной из них — через него можно провести многие другие тренды [8, c. 36].

В экономических исследованиях часто изучаются связи между случайными и неслучайными величинами. Такие связи называют регрессионными, а метод их изучения — регрессионным анализом. Математически задача формулируется следующим образом. Требуется найти аналитическое выражение зависимости экономического явления (например, производительности труда) от определяющих его факторов; т. е. ищется функция у=1(х₁, х₂,…, х_n), отражающая в среднем зависимость, по которой, зная значения независимых факторов х можно найти приближенное значение зависимого от них показателя у.

В качестве функции в регрессионном анализе принимается случайная переменная, а аргументами являются неслучайные переменные. Примером возможного применения регрессионного анализа в экономике является исследование влияния на производительность труда и себестоимость таких факторов, как величина основных производственных фондов, заработная плата и др.

Для нахождения уравнения регрессии необходимо определить общий вид функциональной зависимости и рассчитать параметры уравнения. При выборе вида зависимости руководствуются следующим: он должен согласовываться с профессионально-логическими соображениями относительно природы и характера исследуемых связей; по возможности используют простые зависимости, не требующие сложных расчетов, легко поддающиеся интерпретации и практическому применению.

Практика регрессионного анализа говорит о том, что уравнение линейной регрессии часто достаточно хорошо выражает зависимость между показателями даже тогда, когда на самом деле они оказываются более сложными. Это объясняется тем, что в пределах исследуемых величин самые сложные зависимости могут носить приближенно линейный характер [8, c. 38].

В общей форме прямолинейное уравнение регрессии имеет вид:

y= a₀ + b₁x₁ + b₂x₂ + … + b_mx_m (1),.

где у — результативный признак, исследуемая переменная;

X_i — обозначение фактора (независимая переменная);

m — общее число факторов;

a₀ — постоянный (свободный) член уравнения;

b, — коэффициент регрессии при факторе.

Увеличение результативного признака у при изменении фактора хi на единицу равно коэффициенту регрессии bi с положительным знаком; уменьшение — с отрицательным знаком.

Частным случаем регрессионной функции является тренд (зависимость у от времени t). Поэтому рассмотренные приемы экстраполяции вполне применимы к трендовым регрессиям. Регрессионные функции исключительно широко распространены в экономических исследованиях. Но особое место в их «ассортименте» занимает группа «производственных функций» .

Экстраполяционный прогноз по огибающим кривым является графоаналитическим методом и заключается в том, что получаемая в виде огибающей кривой общая тенденция (макропеременная) определяется на основе сглаживания отдельных кривых (микропеременных) эволюционного развития показателей различных классов объектов и распространяется на будущее [8, c. 39].

Построение огибающей кривой основано на следующем нестрогом предположении: макропеременная по сравнению с микропеременными изменяется относительно плавно, непрерывно и медленно, не испытывая резких скачков. Основная задача метода — определение наиболее вероятных сроков перехода к принципиально новым видам продукции, обладающим существенно более высокими характеристиками вследствие использования, как правило, фундаментальных и прикладных научных исследований. Огибающая кривая получается при сглаживании ломаной линии, составленной из касательных к точкам частных кривых.

Примерами использования огибающих кривых является прогнозирование быстродействия вычислительной техники в последовательно сменяемых поколениях ЭВМ; прогнозирование скорости транспортных средств.

Предположение о линейном характере связи между спросом и формирующими его факторами, допустимое при разработке краткои среднесрочных прогнозов, становится неприемлемым, когда речь идет о периоде, превышающем 7−8 лет. Долгосрочные прогнозы требуют перехода к нелинейным типам взаимосвязей, предполагающим наличие скачков, перегибов и проч., т. е. от экстраполяционных методов надо переходить к интерполяционным. С расширением горизонта прогнозирования уменьшается зависимость будущего развития от достигнутого состояния и сложившихся тенденций. Поэтому генетические методы в прогнозировании постепенно уступают место нормативно-целевым. Эти методы можно охарактеризовать и как методы обоснования альтернативных путей перехода от сложившихся тенденций к желательным [8, c. 40].

При прогнозировании спроса продовольственных и непродовольственных товаров применяются разные подходы. Для продовольственных товаров характерна сравнительная стабильность потребления в целом. Сложившийся уровень потребления продуктов питания обычно меняется постепенно за счет изменения привычек и вкусов населения [8, c. 41].

Например, можно довольно-таки точно спрогнозировать спрос на хлебобулочные и кондитерские изделия, мясопродукты, рыбопродукты, сахар, овощи и фрукты. Сложившиеся тенденции увеличения или снижения потребления этих товаров обычно не подвержены резким колебаниям по годам. Возможны лишь сезонные колебания и изменение потребления при резком изменении политико-экономического состояния страны.