4. Адаптивные методы прогнозирования:

Данные методы позволяют строить описание процессов с учётом различности членов динамического ряда, при этом влияние более поздних членов динамического ряда на дальнейшее развитие процесса учитывается с большим весом, чем более ранних.

Наиболее известным и рациональным адаптивным методом является метод гармонических весов. Для осуществления прогноза методом гармонических весов исходный динамический ряд разбивается на фазы (части).

2001	1	1 фаза
2002	2		2 фаза
2003	3			3 фаза
2004	4
2005	5

Затем каждая фаза аппроксимируется линейной функцией. После этого ищем значение функций при х=количеству периодов, то есть при х=1 рассматривается 1 и 2 фазы, а при х=3 рассматриваются уравнения всех 3х фаз, находится средняя арифметическая. Затем рассчитываются приросты по формуле:

Затем рассчитываются гармонические веса, сумма которых должна равняться 1 (чаще всего назначаются экспертным путём):

, , где n – это количество периодов.

Затем каждый вес делим на n-1.

Средний прирост:

Тогда прогноз:

Если веса назначаются экспертным путём, то приросты рассчитываются как разница последующего значения с предыдущим.

Вопрос 11: Методы моделирования: классификация и краткая характеристика.

В настоящее время моделирование является наиболее эффективным методом прогнозирования.

В соответствии с математической формой построения выделяют следующие типы экономико-математических моделей:

1. Экономико-статистическое моделирование;

2. Структурное моделирование;

3. Оптимизационное моделирование;

4. Имитационное моделирование и другие.

1. Экономико-статистические модели представляют собой вид моделей, описывающих с помощью уравнения регрессии зависимости между входными и результирующими факторами. Различают однофакторные и многофакторные модели. Экономико-статистические модели являются одним из основных инструментов управления социально-экономическими процессами и часто используются при поиске наиболее эффективных решений.

2. Структурное (эконометрическое) моделирование используется для анализа и прогнозирования сложных экономических объектов на макроэкономическом или микроэкономическом уровнях и представляет собой систему регрессионных уравнений и тождеств, описывающих взаимосвязи основных параметров и характеристик развития объекта прогнозирования.

Преимущества:

1. Позволяют исследовать комплексное воздействие различных факторов на развитие объекта прогнозирования;

2. Дают возможность получения взаимосбалансированных прогнозов по большому числу показателей;

3. При использовании вычислительной техники появляется возможность проведения многовариантных расчётов.

Недостатки:

1. Высокая стоимость работ, обусловленная необходимостью привлечения высококвалифицированных специалистов для формирования и обработки больших массивов исходной информации;

2. Структурная модель более пригодна для прогнозирования устоявшихся процессов и малопригодна для прогнозирования процессов, развитие которых носит циклический характер.