26. Какие используются методы принятия решений в прогнозировании развития предприятий?

Прогнозирование- это научное выявление возможных путей и результатов развития социально-экономических явлений и процессов на основании анализа тенденций развития. Прогнозирование рас-пространяется на такие явления и процессы, управление которыми либо совсем невозможное, либо воз-можно в достаточно узком диапазоне.

Заданием прогнозирования является:

 выявление вероятных путей и результатов ближайшего или более отдаленного развития

социально-экономических явлений на базе реальных процессов действительности;

 разработка оптимальных тенденций развития с учетом составленного прогноза и оценка

принятого решения с позиций его последствий в прогнозируемом периоде.

Процесс прогнозирования, который базируется на математически-статистических методах, со-держит два этапа.

На первом этапе осуществляется обобщение данных, которые наблюдаются на протяжении дол-говременного периода и строится математически-статистическая модель.

На втором этапе на базе статистических закономерностей и с помощью построенной математи-чески-статистической модели определяется значение прогнозируемого признака, избирается оптималь-ная тенденция развития и оценивается решение с позиций его последствий в прогнозируемом периоде.

Разработка прогнозов. Для целей планирования финансисты разрабатывают предваритель-ный прогноз, базируясь на продолжении прошлых трендов и видов политики в будущем, что

обеспечивает руководителей базовым прогнозом. Потом они модифицируют модель, чтобы опре-делить, какие эффекты будут иметь разные операционные планы, влияя на финансовое состояние

фирмы и ее прибыли, что находит отображение в пересмотренном прогнозе.

Количественные методы прогнозирования. Большинство количественных методов прогно-зирования базируются на использовании исторической информации, представленной в виде вре-менных рядов, то есть рядов динамики, которые упорядочиваются по временному признаку.

К количественным методам прогнозирования относят две подгруппы методов: экстраполяции и моделирования.

Методы экстраполяции - это приемы наименьших квадратов, подвижных средних, експо-ненциального сглаживания.

К методам моделирования принадлежат приемы структурного, сетевого и матричного мо-делирования.

Во время формирования прогнозов с помощью экстраполяции обычно опираются на стати-стически обоснованные тенденции изменения тех или иных количественных характеристик объекту. Экстраполяционные методы являются одними наиболее из распространенных и разработанных

среди всех способов экономического прогнозирования.

Самым простым является метод скользящей средней, который можно применять тогда, когда не нужен очень точный прогноз. В случае его использования прогноз любого периода является

средним показателем нескольких результатов наблюдений временного ряда.

Расчеты с помощью этого метода достаточно точно отображают изменения основных пока-зателей предыдущего периода. Иногда они даже эффективнее, чем методы, построенные на основании долгосрочных наблюдений.

Метод експоненциального сглаживания рядов динамики, который обеспечивает достаточно

быстрое реагирование прогноза на все события, которые происходят на протяжении периода, который охватывается временным рядом. Основная идеи этого метода заключается в том, что каждый новый прогноз получается путем сдвига предыдущего прогноза в направлении, которое бы

давало лучшие результаты сравнительно с прошлым прогнозом.

Приведенные методы относятся к приемам трендового анализа. Тренд - это длительная тен-денция изменения экономических показателей во времени. Во время разработки моделей прогнозирования тренд является основной составляющей прогнозируемого временного ряда, на который

уже накладываються другие составляющие.

Для стратегического анализа важными являются методы прогнозирования с помощью ре-грессионного анализа.

Регрессионный анализ - это математический метод прогнозирования, результатом которого

является уравнение с одной или большим количеством независимых переменных, которое используется для определения зависимой переменной. Один раз определенные взаимосвязи считаются

устоявшимися (в виде уравнения регрессии), а будущие значения зависимой переменной прогно-зируются путем подстановки в уравнение определенных значений независимых переменных. Регрессионный анализ является относительно дорогим, но комплексным и надежным приемом.

Для нахождения параметров приблизительных зависимостей между двумя или несколькими прогнозируемыми величинами за их эмпирическими значениями чаще всего применяется метод наименьших квадратов. Его содержание заключается в минимизации суммы квадратичных

отклонений между величинами, которые наблюдаются, и соответствующими оценками (расчет-ными величинами), рассчитанными согласно с подобранным уравнением связи.

Самыми сложными среди методов количественного прогнозирования являются комплексные методы економетрического моделирования. Преимущественно, економетрческие модели

"привязываются" к математической модели целой экономики. Сложные економетрические модели

базируются на многочисленных уравнениях регрессии, которые количественно описывают взаи-мосвязи между разными секторами экономики. В действительности, очень ограниченное количе-ство предприятий может применять собственные економетрические модели.

Одним из ключевых моментов для разработки прогнозных оценок является учет:

а) уровня и динамики инфляции;

б) состава и структуры товарооборота.

Для этого в модели необходимо учитывать использование разных относительных величин.

Имитационное моделирование финансово-хозяйственной деятельности основано на сочета-нии формализированных (математических) методов и экспертных оценок специалистов и руково-дителей хозяйствующего субъекта, но с преимуществом последних. Потому для разработки дол-госрочного пргноза со стороны администрации необходимо включить 2-3 специалиста от разных служб и подразделений предприятия. Ошибка прогноза — это разница между прогнозным и фактическим значениями. Независи-мо от используемой модели важно оценить ее эффективность с точки зрения точности и в идеале ошибки прогноза должны быть сведены к минимуму. Точность прогноза зависит от применяемой модели. При составлении того или иного про-гноза приемлемая лишь одна модель. Возможно, что в некоторых случаях несколько разных моде-лей дадут относительно надежные оценки. В любой модели прогнозирования основным элемен-том является тренд. Другими элементами модели прогнозирования являются сезонные и цикличе-ские колебания, которые невозможно предусмотреть в определенное время.

Прежде чем использовать модель для составления реальных прогнозов, ее необходимо пр-верить на объективность, для того чтобы обеспечить точность прогнозов. Этого можно достичь несколькими путями:

1) определить на основе каких исторических данных создается модель, потом фактические данные сравнить с соответствующими оценками, полученными с помощью данной модели. Разногласия между двумя значениями покажут, как модель проявит себя при определении будущих значений. Но при этом существует вероятность того, что степень точности прогнозирования будет

искривленной, так как модель внутри диапазона данных проявит себя лучше, чем во временных периодах за пределами диапазона;

2) результаты модели сравнить с фактическими значениями, когда те определяются. По получении фактических данных можно проверить точность модели. Недостатком такого подхода является то, что проверка модели может занять много времени. В принципе, модель можно проверить

лишь за длительный период времени. Понятно, что этот метод проверки часто используется, но чтобы не тратить время, все равно необходимо провести первичную проверку;

3) чтобы учесть недостатки, описанные в первых двух пунктах, необходимо разработать модель прогнозирования исходя из ограниченного набора исторических данных. Такого рода проверка более реальная, так как она фактически моделирует прогнозную ситуацию. Недостаток такого метода заключается в том, что самые последние, следовательно, и наиболее значимые показатели исключены из процесса формирования исходной модели.