5. МЕТОДЫ ПРОГНОЗИРОВАНИЯ И ПЛАНИРОВАНИЯ

5.1. Система методов прогнозирования и планирования (основные понятия и тезисы)

По степени формализации методы экономического прогнозирования и планирова-

ния делятся на интуитивные и формализованные.

Интуитивные методы (лат.- пристально, чутьё, загадка) базируются на интуитив- но-логическом мышлении. Они наиболее присущи методам экспертных оценок.

Формализованные методы (лат.- внешнее очертание, контуры и т.д.) – методы экстраполяции и моделирования. Все они базируются на математике.

5.2. Методы экспертных оценок

Сущность данных методов заключается в том, что основу прогноза составляет мнение экспертов (одного или группы), основанном на профессиональном, научном и практическом опыте.

Метод “интервью” – беседа прогнозиста с экспертом по схеме “вопрос-ответ”. Прогнозист по разработанной программе задаёт вопросы. Успех такого метода зависит от подготовленности эксперта.

Аналитический метод – тщательная кропотливая работа эксперта над анализами тенденций, путей развития прогнозируемого объекта. Выводы эксперт оформляет в виде докладной записки.

Метод написания сценария – основан на определении логики прогресса во времени при различных условиях, носит многовариантный характер: оптимистический, пессимистический, рабочий.

Наиболее достоверными являются коллективные экспертные оценки, когда согласуются многочисленные мнения и принимается оптимальный вариант.

Метод коллективной генеральной идеи (мозговой атаки) (используется в телеиг-

ре “Что? Где? Когда?”) вначале отрабатывается генеральная идея, а затем деструктуирование (критика, разрушение) с выработкой согласованной точки зрения.

Метод “Дельфи”– многотуровые индивидуальные опросы экспертов анонимно (в форме анкет-опросов) с последующей обработкой на ЭВМ.

Метод “635”– одна из разновидностей мозговой атаки. 6 – количество участников, 3 – три идеи которые должен записать каждый участник в течение 5 минут.

Метод “комиссий” – метод экспертных оценок, когда в качестве экспертов участвуют комиссии, “ за круглым столом” с целью выработки единого мнения.

Метод морфологического анализа – (гр. – форма, строение) - используют при прогнозировании фундаментальных исследований, и заключается в систематизированном рассмотрении характеристик объекта (“Дерево целей”).

“Дерево целей”– это графическое дерево, выражающее отношение между “вершинами – этапами”. Последовательное соединение параметров (вершин) первого уровня с одним из параметров последующих уровней представляет собой возможное решение.

23

5.3. Методы экстраполяции Экстраполяция (лат.) - распространение установленных в прошлом тенденций на

будущий период. Основу метода экстраполяции составляют динамические ряды, которые представляют множество наблюдений, полученных последовательно во времени.

Тренд – это длительная тенденция изменения экономических показателей, описанная некоторой математической функцией.

Методы экстраполяции применяются на начальном этапе прогнозирования и планирования для выявления тенденций изменения показателей.

Метод подбора функций – это выбор оптимальной функции, описывающей эмпирический (греч. - опытный) ряд. Проще говоря, проводится обработка динамического ряда (сглаживание и выравнивание с помощью метода наименьших квадратов), а потом по фактическим данным (Xi Yi) формы зависимости (линии) устанавливается функция. Функции зависимости бывают линейные (y = a + bx) и нелинейные (y = a + b/x) и др. Прогноз предполагает продление тенденции прошлого, выражаемый выбранной функцией, в будущее, т.е. экстраполяцию динамического ряда.

Yi

y = a+bx

линейная

Xi

Рис. 5.2. Линейная функция зависимости

Y

b>0

b y = a + -- x

b<0 гиперболическая

Рис. 5.3. Гиперболическая функция зависимости X

Метод экспоненциального сглаживания (лат - показывающий) с регулируемым трендом позволяет построить описание процесса (динамического ряда), исключающее проблему «старения» данных динамических рядов, т.е. более поздним наблюдениям динамического ряда придаются большие «веса» по сравнению с более ранними. В результате создаётся возможность получить оценку параметров тренда, отвечающую последним наблюдениям (Борисевич, стр.69). Этот метод реализуется по компьютерным программам.

25

5.4. Методы моделирования и экономико-математические методы Моделирование – построение модели на основе предварительного изучения объек-

та или процесса, на основе существенных его характеристик или признаков.

В мировой практике наибольшее распространение получили матричные модели, модели оптимального планирования и экономико-статистические модели.

Матричные модели – модели межотраслевого баланса (МОБ): статистические и динамические. Статистические матричные модели предназначены для проведения прогнозных макроэкономических расчётов на краткосрочные периоды (год, квартал, месяц), динамические – для прогнозирования на перспективу.

Модели оптимального планирования используются для определения оптимального функционирования экономики в целом и её отдельных звеньев.

Экономико-математическая модель представляет собой формализованное описание экономическогопроцесса. Модельсостоитиз целевой функции и системыограничений.

Целевая функция

где ϕij - значение i–го показателя на единицу j-го вида продукции; Xi - искомое количество j-го вида продукции.

Необходимо отметить, что, несмотря на многообразие моделей этого типа, программ для прогнозирования и планирования в Республике Беларусь, серьёзные задачи не решаются по причинам:

−неадекватности разрабатываемых моделей реальным экономическим процессам;

−отсутствия специалистов-практиков, владеющих моделированием;

−проблем информационного обеспечения.

Экономико-статистические модели используются для установления количественной характеристики связи, зависимости, экономических показателей. Такого рода модели включают: однофакторные модели (пример)

y = a + bx; y = a + b:x; y = a + b lg x и др.,

где y – значение прогнозируемого показателя;

a – свободный член, определяющий положение начальной точки линии регрессии в системе координат;

x – значение фактора;

b – параметр, характеризующий норму изменения “y” на единицу “x”. Многофакторные модели, позволяющие одновременно учитывать воздействие не-

скольких факторов на уровень прогнозируемого показателя. При этом последний выступает как функция от факторов:

y = f (x1, x2, x3 … xn), где x1, x2, x3, xn – факторы.

26