Малюнок 8.1.Прогнозування на основі методу сценаріїв

До об’єктивних (кількісних) методів прогнозування відносять:

• метод екстраполяції тренда;

• метод згладжування за експонентою;

• метод кореляційно-регресивного аналізу;

• прогноз на основі індикаторів;

• нормативний метод;

• метод частки ринку;

• метод стандартного розподілу ймовірностей.

• Метод екстраполяції тренда – це метод прогнозування на основі статистичного аналізу часових рядів, за якого обчислюють значення економічних показників (наприклад, обсягу продажу) за межами наявних фактичних даних, виходячи з припущення, що виявлена тенденція зберігатиметься й надалі.

Тренд (тенденція) – напрям розвитку явища.

Екстраполяція – статистичний метод прогнозування економічних показників, при якому обчислюють значення рівнів за межами наявних фактичних даних, виходячи із припущення, що виявлена тенденція зберігатиметься і надалі.

Трендова крива може мати вигляд:

Лінійної функції: y_t = а₀+а₁t₁

Параболи 2-го ступеня: y_t = а₀+а₁t₁+а₂t²

Показникової функції: y_t = а₀а₁^t

де t – порядковий номер періоду

а₀ – початковий рівень ряду

а₁ – середньорічний абсолютний приріст (для лінійної функції);

• початковий абсолютний приріст (для параболи 2-го порядку);

• середньорічний темп зростання (для показникової функції).

Інформаційна база, на якій ґрунтується метод - це дані про обсяг продажу за певний проміжок часу (місяць, роки), які називають рядами динаміки. На основі цих даних визначається тренд - загальна тенденція зміни показників за певний період часу.

Тренд може бути вираженим рівнянням прямої, логарифмічної, гіперболічної, показникової функції та параболи другого порядку(таблиця 8.1)

Таблиця 8.1.Характеристика трендових моделей

Попит в основному задоволений і зростає рівномірно	За умов своєчасного оновлення асортименту виробів тенденція зростання зберігається	у Пряма t
Попит задовольняється та зростає, але темпи зростання зменшуються	Ринок насичений, рівень забезпечення близький до раціонального нормативу, тенденція уповільнення, зростання попиту зберігається	у Логорифмічна функція t
Попит задовольняється та знижується	Товар витісняється з ринку іншими товарами або купується певною групою населення, чисельність якої зменшується. Тенденції зберігатимуться і в майбутньому	y Г іперболчна функція t
Попит не задовольняється, зростає прискорено, темпи зростання стабільні	Р инок далекий від насичення. Високі темпи зростання попиту зберігаються	Показникова функція у t
Попит не задовольняється значною мірою, зростає за збільшення темпів зростання	Р инок далекий від насичення, товар належить до категорії дефіцитних, виробництво та продаж зростають високими темпами і ця тенденція збережеться у доступному для огляді періоді	y Парабола 2-го порядку t

Наприклад, трендова модель (рівняння тренда): у=500+46,54t показує, що в наступному періоді продаж продукції збільшиться на 46 одиниць.

Суттєвим недоліком цього методу є його придатність лише для ринків і галузей зі стабільною кон’юктурою ринку. До таких галузей можна віднести комунальне господарство. Щодо ринків споживчих товарів і ринків багатьох промислових товарів, прогнозування їхнього розвитку виключно на основі екстраполяції тренда було б недалекоглядним, оскільки основна умова використання цього методу - стабільність показників макросередовища - не дотримується, так само, як і щодо ринків країн з перехідною економікою.

• Метод згладжування за експонентою – прогноз попиту, базується на середньо – зваженому значенні обсягу продажу за певну кількість попередніх періодів.

де - згладжений обсяг продажу в поточному періоді;

- константа згладжування( 0 < а < 1);константа може бути зміненою для подання більшої ваги поточним або попереднім змінам;

- обсяг продажу в період t;

- згладжений обсяг продажу для періоду (t-1).

Метод може бути використаний лише для короткострокових прогнозів.

• Метод кореляційно-регресивного аналізу. Прогнозування попиту можливе також, якщо знайдено статистичну модель, яка характеризує залежність між обсягом продажу та незалежними змінними, що впливають на його величину.

Для вирішення завдань такого типу, можуть бути використанні два методи – кореляційний аналіз та регресивний аналіз.

Завдання регресивного аналізу – визначення форми залежності та побудови прогнозної моделі, що характеризує залежність збуту від факторів, які впливають на нього.

Завдання кореляційного аналізу полягає у визначенні щільності зв’язку між збутом продукції та зовнішніми факторами, які впливають на збут.

Кореляційний аналіз у широкому розумінні - коли всебічно характеризується взаємозв’язок; у вузькому розумінні – коли досліджується щільність зв’язку. Регресивний аналіз – коли оцінюють його форму та вплив одних факторів на інші.

До факторів, які впливають на попит, можна віднести ціни, витрати на рекламу, доходи населення та інші.

При побудові прогнозних моделей використовують парний і багатофакторний регресивний аналіз.

Парний регресивний аналіз заснований на використанні рівняння прямої лінії:

Для цього визначають значення коефіцієнтів і . У формулі - незалежна змінна.

Кореляційно – регресивний аналіз для прогнозування попиту встановлює зв'язок між продажем і незалежними змінними.

Застосування методу дає результат за умови стабільної кон’юнктури ринку.

Результати кореляційного аналізу дають змогу визначити щільність зв’язку між обсягом збуту та зовнішніми незалежними факторами (схема 8.3)

Недоліки методу:

• не завжди та своєчасно можна отримати інформацію про зовнішні фактори, які впливають на збут в попередні роки;

• метод дорогий, вимагає спеціальних досліджень.

Багатофакторна регресивна модель дає змогу визначити взаємозв’язок між попитом і кількома факторами, на відміну від рівняння парної регресії, де враховується лише одна змінна.

Багатофакторна модель точніше характеризує реальність. Для опису залежності результативної ознаки (попиту) від кількох факторів використовують багатофакторну регресивну модель:

Схема 8.3.Взаємозв’язок обсягу збуту та зовнішніми незалежними факторами

Через труднощі обґрунтування форми зв’язку частіше використовують багатофакторні лінійні рівняння і рівняння, що приводяться до лінійного виду відповідними перетвореннями:

Параметр рівняння називають частковим коефіцієнтом регресії, який показує, як у середньому зміниться результативна ознака у в разі зміни факторної ознаки х на одиницю за умови, що інші фактори залишаються незмінними.

При відборі факторів не рекомендується включати до моделі фактори, які слабко пов’язані з результативною ознакою у, але тісно пов’язані з іншими факторами;неприпустимо включати фактори, між якими існує функціональний зв'язок (коефіцієнт кореляції r=1).

• Прогнозування на основі індикаторів – прогнозування зростання попиту на основі показників, які випереджають зміну попиту в часі.

Наприклад, зростання доходу на душу населення є індикатором зростання попиту на деякі товари та послуги.

Метод індикаторів використовується для оцінки потенціалу територій (країн, регіонів) на основі індексів купівельної спроможності.

• Нормативний метод – обсяг купівель визначаються нормами споживання (для споживчих товарів) і нормами використання (для промислових товарів).

Наприклад, передумовою встановлення фізіологічних норм споживання продуктів харчування є баланс вуглеводів, білків та жирів, а нормативи використання будівельних матеріалів визначають технологічні вимоги надійності та безпеки.

• Аналіз частки ринку передбачає прогнозування товарообігу як частки фірми на ринку певної галузі. Тобто спочатку прогнозується попит для всієї галузі, а потім розраховується частка підприємства в загальному обсязі продажу галузі. Точність прогнозу обсягу продажу для конкретної фірми залежить від точності прогнозу для галузі.

• Метод стандартного розподілу ймовірностей дає змогу на основі експертних оцінок визначити найімовірніший діапазон прогнозних оцінок збуту.

Спочатку експертним шляхом визначають три види прогнозів збуту:

О – оптимістичний прогноз;

Н – найімовірніший прогноз;

Р – песимістичний прогноз.

Далі розраховується очікуване значення прогнозу збуту ( П_з ):

Розраховується стандартне відхилення (СВ):

Відповідно до загальної теорії статистики найвірогідніше (з імовірністю 95%) прогноз перебуватиме в межах: