30. Этапы разработки прогноза научно-технологического развития отрасли: состав, последовательность, содержание и результаты

Результаты:

Определения тенденций и прогнозирования перспектив развития научно-технического и технологического развития отрасли на основе построения прогнозной модели, анализа эмпирических данных и результатов экспертизы.

Состав:

1. Введение

Раскрывается актуальность и значимость разработки прогноза научно-технического и технологического развития отрасли.

Главная задача введения – ответить на вопрос: «Почему именно данная отрасль выбрана в качестве объекта прогнозирования?»

2. Общие понятия и определение отрасли

В первом разделе «ОПРЕДЕЛЕНИЕ ОТРАСЛИ» раскрывается характеристика объекта прогнозирования. В данном разделе должен быть получен ответ на вопрос: что включает в себя выбранная отрасль как объект прогноза научно-технического и технологического развития, какие параметры развития подлежат анализу и прогнозированию, где проходят границы отрасли.

3. Историческая справка.

Необходимо представить ключевые технико-технологические параметры отрасли в их динамике. Включает графики, рассматривает технологические и техничение аспекты, минуя экономические характеристики.

4. Современное состояние отрасли

Должно быть представлено структурированное описание основных представителей данной отрасли (предприятий, организаций, индивидуальных предпринимателей, крупных холдингов и др.)

5. Ключевые технологические факторы развития отрасли

выделяются факторы внутренней и внешней среды, определяющие тенденции и темпы развития отрасли. Эти факторы, с одной стороны, должны вытекать из динамики внутреннего технологического уровня отрасли (в соответствии с разделом 3), а, с другой стороны, обусловливаются характером влияния внешней среды. Необходимо отметить, что в данном разделе речь должна идти именно о технологических факторах развития отрасли.

6. Лимиты и ограничение отрасли

должно быть представлено влияние нетехнологических факторов на технику, технологию и организацию производства в отрасли.

7. Модель развития отрасли

В качестве модели могут быть выбраны модели жизненных циклов; S-образные (логистические) кривые; параметрические (эмпирические, корреляционно-регрессионные, аппроксимирующие, экстраполирующие и др.) зависимости; комбинированные модели и др. Инструментами формирования модели могут служить дерево целей, морфологический анализ, разработка сценариев и др. Модель может формироваться также на основе суждений экспертов.

8. Исходные данные для моделирования и методы их получения

Исходными данными могут служить данные государственной статистики, сведения из отраслевых источников информации (в том числе, профессиональных изданий), результаты проведенной экспертизы; обобщение публикаций на основе контекстного анализа и др.).

9. Прогноз развития на 3-5, 15-20 лет.

Прогнозы разрабатываются на основе моделей, представленных в 6-м разделе работы, по исходным данным, приведенным в 7-м разделе, то есть теоретические модели должны быть представлены в привязке к конкретному содержанию.

10. Заключение

11. Информационные источники

12. Приложения

31. Экономико-математические модели, используемые для прогнозирования научно-технологического развития отрасли: характеристика и особенности использования. Интерпретация результатов моделирования процессов развития на основе моделей

Модели:

1. модели жизненных циклов;

Данная модель может использоваться для прогнозирования продаж товаров, период существования на рынке которых ограничен, ввиду чего в спросе на продукт будут явно выражены тенденции вначале к росту, после чего продажи пойдут на спад (пока товар совсем не прекратит свое существование). К данной категории, например, относятся:

• одежда, из-за влияния моды,

• книги, особенно популярные романы, детективы и другие,

• техника, ввиду технического прогресса и быстрого вывода на рынок новых изделий.

2. S-образные (логистические) кривые;

Универсальным инструментом, описывающим развитие технико-экономических систем, является логистическая (S-образная) кривая, представляющая собой зависимость результатов развития объекта прогнозирования (технологического параметра) от затрат на достижение этого результата (выраженных затратами времени, инвестициями и др.). С помощью S-образной кривой моделируется процесс резкого (скачком) перехода от одного стабильного состояния к другому, процесс радикальных изменений технико-экономической системы, сопровождающих ее инновационную деятельность, процесс нарастания и развития технологических изменений.

Анализ S-образной кривой позволяет ответить на основные вопросы, связанные с прогнозированием развития объекта прогнозирования, в частности, – о замене технологии или выводе на рынок нового товара-заменителя

3. параметрические (эмпирические, корреляционно-регрессионные, аппроксимирующие, экстраполирующие, экспоненциальная и др.) зависимости;

Экстраполяция по скользящей средней используется в том случае, если имеющиеся данные динамического ряда не позволяют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных). В таких случаях для лучшего выявления тенденции прибегают к методу скользящей средней. Метод скользящей средней состоит в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные.

Табл. 1. Пример прогнозной оценки совершенствования технологии на основе скользящей средней с периодом n = 5

Год	1	2	3	4	5	6	7	8	9	10	11
Прирост коэффициента использования металла, % (фактически)	8	9	7	8	7	6	7	6	5	6	4
Прогноз для 6-го года	(8+9+7+8+7):5=					7,9
Прогноз для 7-го года		(9+7+8+7+6):5=					7,4
Прогноз для 8-го года			(7+8+7+6+7):5=					7
Прогноз для 9-го года				(8+7+6+7+6):5=					6,9
Прогноз для 10-го года					(7+6+7+6+5):5=					6,1
Прогноз для 11-го года						(6+7+6+5+4):5=					5,6

Рис. 3. Пример прогнозной оценки совершенствования технологии на основе скользящей средне c периодом n = 5

Экспоненциальная средняя используется в следующем случае. Для скользящей средней очевидно, что чем более длительным является период средней, тем меньше колебания скользящей средней. При достаточно большом периоде прогноз «вырождается» в близкую к горизонтальной прямую линию. То есть влияние прошлых наблюдений ослабляется по мере удаления от момента, для которого определяется средняя. Одним из простейших приемов сглаживания динамического ряда с учетом «устаревания» данных является расчет экспоненциальных средних показателей, которые широко применяются в краткосрочном прогнозировании. Основная идея метода состоит в использовании в качестве прогноза линейной комбинации прошлых и текущих наблюдений.

Экспоненциальная средняя рассчитывается по формуле:

Q_t+1 = k y_t + (1 – k )Q_t;

Где Q_t – экспоненциальная средняя (сглаженное значение уровня ряда) на момент t;

k – коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), причем 0 < k <1.

Табл. 3. Пример прогнозной оценки совершенствования технологии на основе экспоненциальной средней (k = 0,2)

Год	1	2	3	4	5	6	7	8	9	10	11
Прирост коэффициента использования металла, % (фактически)	8	9	7	8	7	6	7	6	5	6	4
Прогноз	8	8	8,2	8,0	8,0	7,8	7,4	7,3	7,1	6,7	6,5

Расчет прогнозного значения для 6-го года:

Q₆ = 0,2×7 + (1 – 0,2)×8,0=7,8

4. комбинированные модели и др.