16. Метод Дельфы. Метод круглого стола.

Метод Дельфи - один из наиболее распространенных интуитивных методов прогнозирования. Он был разработан в 1963 г. американской корпорацией «Рэнд» и использован впервые для построения прогноза числа изобретений в различных отраслях науки к 2010 г. В России он начал применятся с 70-х годов. Метод Дельфы основан на поэтапном опросе экспертов до получения результата с необходимым уровнем согласования. Анкетирование ведется в несколько туров, время между ними – до 1 мес.Анкеты рассылаются по почте, эксперты могут использовать всю доступную информацию. После каждого тура вся статист. информация по несогласованным вопросам снова рассылается экспертам с просьбой уточнить свое решение.

Метод Дельфи позволяет обобщить мнения экспертов и сформулировать единое групповое мнение. Оценка будущего развития получается в форме ответов на вопросы, задаваемые участникам по несколько раз.

Этот метод имеет три особенности: а) анонимность экспертов, т.е. участники не знакомы, а если знакомы, то не знают, что они участники; б) многотуровая процедура опроса экспертов посредством их анкетирования; в) использование результатов предыдущего тура.

Метод круглого стола основан на открытой дискуссии по обсуждаемой проблеме для выработки единого мнения экспертов. Дискуссия происходит за круглым столом, рекомендуемое число участников 15-20 человек. Для получения оценки данным методом создается рабочая группа, которая осуществляет назначение экспертов, проведение опроса, обработку материалов, анализ результатов коллективной экспертной оценки.

В процессе работы уточняются основные направления развития объекта, составляется матрица, отражающая генеральную цель, подцели и средства их достижения, т.е. направления научных исследований и разработок, результаты которых могут быть использованы для достижения цели.

Далее разрабатываются вопросы для экспертов, содержание которых определяется спецификой прогнозируемого объекта. Опрос экспертов и статистическая обработка материалов характеризуют обобщенное мнение и степень согласованности индивидуальных оценок экспертов. Полученные данные служат исходной базой для синтеза прогнозных гипотез и вариантов развития исследуемого явления или процесса. Результат представляет собой совокупность оценок относительной важности, назначенных экспертами для каждого из оцениваемых направлений исследования, и разработок, выражающихся в баллах и принимающих значения от 0 до 1, от 0 до 10, от 0 до 100 и т.д. Эти оценки по определенному вопросу сводятся в таблицы, строки которой соответствуют направлениям исследования, а столбцы – порядковым номерам экспертов.

18. Методы прогнозной экстраполяции

Сущность методов прогнозной экстраполяции состоит в анализе изменений объектов исследования во времени и распространение выявленных закономерностей на будущее. Исходной информацией для экстраполяции являются временные ряды. Эти методы достаточно хорошо применимы в практике среднесрочного прогнозирования. При экстраполяции предполагается, что:

- текущий период изменения показателей может быть охарактеризован плавной траекторией — трендом;

- основные условия, определяющие технико-экономические показатели в текущем периоде, не претерпят существенных изменений в будущем;

-отклонения фактических значений показателей от линии тренда носят случайный характер и распределяются по нормальному закону.

Простая экстраполяция предполагает расчет простого среднего значения показателя, который закладывается в основу краткосрочного прогноза.

Аналитическое выравнивание при прогнозировании — это нахождение математической функции, которая наиболее точно описывает тенденцию изменений.

Этапы аналитического выравнивания: выбор формы кривой, отражающей тенденцию; определение показателей, дающих количественную характеристику тенденции изменений; оценка достоверности прогнозных расчетов.

Метод экспоненциального сглаживания.

Это выравнивание особенно сильно колеблющихся динамических рядов в целях последующего прогнозирования. Данный метод позволяет давать обоснованные прогнозы на основании рядов динамики, имеющих умеренную связь во времени, и обеспечивает больший учет показателей, достигнутых в последние годы. Сущность метода заключается в сглаживании временного ряда с помощью взвешенной скользящей средней, в которой веса подчинены экспоненциальному закону.

Метод скользящих средних используется, когда ряды динамики характеризуются резкими колебаниями показателей по годам. Такие ряды, как правило, имеют слабую связь со временем и не обнаруживают четкой тенденции изменения. В этом случае методы аналитического выравнивания и экспоненциального сглаживания малоэффективны, так как достоверность расчетов резко падает. Доверительные границы прогноза порой оказываются шире колебаний показателя в ряду динамики.

Метод гармонических весов очень близок по сущности к методу экспоненциального сглаживания, он основывается на тех же принципах. В этом методе в отличие от метода экспоненциального сглаживания вместо скользящей средней используется идея скользящего тренда. Экстраполяцию показателя проводят по скользящему тренду, отдельные точки ломаной линии взвешиваются с помощью гармонических весов, т.е. более поздним наблюдениям придается больший вес. Метод был разработан польским ученым Э. Хельвигом.

Уравнение авто регрессии выражается переменной у, через ее значения в моменты времени (t - 1), (t - 2), (t - 3),..., (t - p). В линейной форме оно имеет вид:

Уравнения классифицируют по количеству элементов, включенных в правую часть выражения: первого порядка, второго порядка и т.д. Эти уравнения могут быть широко использованы в имитационном прогнозировании.