Основы экономического прогнозирования
Покупка
Основная коллекция
Тематика:
Общая экономическая теория
Издательство:
Новосибирский государственный технический университет
Автор:
Яцко Владимир Александрович
Год издания: 2025
Кол-во страниц: 74
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Специалитет
ISBN: 978-5-7782-5462-6
Артикул: 875026.01.99
Учебное пособие по основам экономического прогнозирования содержит теоретический материал, необходимый для решения задач, примеры решения типовых задач и задачи для самостоятельного решения. Учебное пособие предназначено для студентов, обучающихся по специальности 38.05.01 «Экономическая безопасность», а также для студентов других экономических направлений.
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Министерство науки и высшего образования Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего образования НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ __________________________________________________________________________ В. А. ЯЦКО ОСНОВЫ ЭКОНОМИЧЕСКОГО ПРОГНОЗИРОВАНИЯ Утверждено Редакционно-издательским советом университета в качестве учебного пособия НОВОСИБИРСК 2025
ББК 65.054я73 Я936 Рецензенты: д-р экон. наук, профессор А. И. Карпович канд. техн. наук, доцент О. С. Черникова Работа подготовлена на кафедре аудита, учета и финансов Яцко В. А. Я936 Основы экономического прогнозирования : учебное пособие / В. А. Яцко. – Новосибирск : Изд-во НГТУ, 2025. – 74 с. ISBN 978-5-7782-5462-6 Учебное пособие по основам экономического прогнозирования содержит теоретический материал, необходимый для решения задач, примеры решения типовых задач и задачи для самостоятельного решения. Учебное пособие предназначено для студентов, обучающихся по специальности 38.05.01 «Экономическая безопасность», а также для студентов других экономических направлений. ББК 65.054я73 ISBN 978-5-7782-5462-6 © Яцко В. А., 2025 © Новосибирский государственный технический университет, 2025
ОГЛАВЛЕНИЕ Предисловие ............................................................................................................ 4 1. Простейшие методы прогнозирования ............................................................. 5 2. Экспоненциальное сглаживание...................................................................... 12 3. Модификации модели экспоненциального сглаживания .............................. 22 4. Модель Хольта и ее варианты ......................................................................... 28 5. Прогнозирование с помощью тренд-сезонных моделей ............................... 34 6. Прогнозирование с помощью других тренд-сезонных моделей .................. 46 7. Модель Хольта – Уинтерса. Подход пространства состояний ..................... 55 8. Модели авторегрессии ...................................................................................... 65 Заключение ............................................................................................................ 72 Библиографический список ................................................................................. 73
ПРЕДИСЛОВИЕ Прогнозирование выступает как одна из основных функций менеджмента, поскольку именно на результатах прогнозирования базируются все остальные функции. Очевидно, что ошибки в прогнозах могут существенно снизить эффективность управления любым объектом в целом. Известно множество примеров, когда ошибки в прогнозах спроса, цен, инвестиций и других аспектов деятельности организаций приводили к банкротству крупнейших корпораций. Отсюда следует очевидный вывод, что для обеспечения эффективного управления необходимо владение современными технологиями прогнозирования социально-экономических объектов. «Основы экономического прогнозирования» – одна из фундаментальных дисциплин в системе экономического образования. Изучение данной дисциплины предполагает, что студент обладает базовыми знаниями, умениями и навыками решения задач в соответствии с программами дисциплин «Математика», «Статистика», «Теория вероятностей и математическая статистика», «Информационные технологии и основы программирования». Курс «Основы экономического прогнозирования» тесно связан с такими дисциплинами, как «Финансы», «Корпоративные финансы», «Экономический анализ», «Маркетинговый анализ», «Анализ и прогнозирование банкротства», «Страхование», «Экономическая безопасность» и др. Владение навыками прогнозирования обеспечивает экономиста инструментарием, необходимым для оценки возможных последствий принимаемых решений. В результате становится возможным обосновать выбор наиболее эффективного варианта совершения экономических операций с учетом воздействия различных внешних и внутренних факторов. Цель настоящего учебного пособия – помочь студентам приобрести знания, умения и навыки выполнения расчетов, связанных с прогнозированием временных (динамических) рядов. Особое внимание уделяется приобретению практических навыков выполнения расчетов с использованием редактора электронных таблиц Microsoft Excel.
1. ПРОСТЕЙШИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ Для получения простого и быстрого прогноза на несколько наблюдений вперед можно использовать достаточно простые математические методы. Кроме того, более сложные математико-статистические модели не всегда дают более точные прогнозы. Знание простейших методов прогнозирования значительно облегчает работу прогнозиста. 1. Средняя величина В качестве самой простой прогнозной модели можно использовать среднюю величину либо по всему ряду, либо по его части. В этом случае неявно предполагается, что на прогнозируемом промежутке никаких серьезных отклонений от средней по ряду величины не произойдет. Прогноз на h наблюдений вперед по такой модели может быть записан следующим образом: ˆ , T h y y (1.1) где ˆT h y – прогноз по модели на наблюдение (T + h); y – среднее значение, рассчитанное по последним n наблюдениям (в частности, n может быть равно объему выборки T). В данном методе предполагается, что все n наблюдений, по которым считается средняя величина, одинаково важны для исследователя в формировании прогноза: каждое наблюдение получает одинаковый вес, равный 1/n. 2. Naive Более простой метод прогнозирования в зарубежной литературе называется «Naive» – «наивный» метод. Используя этот метод, исследователь предполагает, что наилучшим прогнозом на h шагов вперед
является значение, равное фактическому, полученному на последнем наблюдении T y : ˆ . T h T y y (1.2) В этом случае в качестве прогноза, как и в случае со средней величиной, получаем прямую линию, параллельную оси абсцисс. Однако в отличие от простой средней величины здесь предполагается, что только одно (последнее) наблюдение важно для получения прогноза, все остальные не нужны и могут только исказить его. 3. Сезонный Naive В случае с сезонными рядами данных (продажи мороженого, посевного материала и др.) простейшим можно признать метод прогнозирования, аналогичный методу Naive. Если в простом Naive предполагается, что лучшим прогнозом на ближайшую перспективу является последнее фактическое значение, то в сезонном Naive считается, что лучший прогноз на следующее наблюдение – фактическое значение, полученное сезон назад: ˆ , T h T h s y y (1.3) где s – лаг сезонности. Например, для ежемесячных данных s = 12. Чтобы определить значение лага сезонности (период циклических колебаний), можно сделать следующее: 1) построить график временного ряда и по виду графика выбрать значение s; 2) использовать методы корреляционно-спектрального анализа (будут рассмотрены позднее в разделе 5); 3) воспользоваться функцией Excel =ПРЕДСКАЗ.ETS.СЕЗОННОСТЬ(Значения;Временная_шкала; [Заполнение_данных];[Агрегирование]) Аргументы функции: Значения – обязательный аргумент. Значения представляют собой данные, на основе которых прогнозируются последующие значения; Временная_шкала – обязательный аргумент. Даты во временной шкале должны отстоять одна от другой на фиксированный интервал и не должны быть нулевыми;
Заполнение_данных – необязательный аргумент. Его используют для указания алгоритма учета отсутствующих значений. Значение 0 указывает, что отсутствующие значения заменяются нулями. Значение 1 (вариант по умолчанию) определяет, что отсутствующие значения рассчитываются как среднее между соседними точками; Агрегирование – необязательный аргумент. Позволяет агрегировать несколько точек, имеющих одну и ту же метку времени. Это параметр определяет способ агрегирования нескольких значений с одинаковой меткой времени. Для значения по умолчанию 0 используется метод СРЗНАЧ; также доступны варианты СУММ, СЧЁТ, СЧЁТЗ, МИН, МАКС и МЕДИАНА. Очевидно, что методы Naive будут хорошо работать только в случае рядов данных без тенденций к росту либо снижению. Пример 1.1. На основе представленных исходных данных построить прогнозы для моментов времени 19, 20 и 21. Решение. На рис. 1.1 приведены результаты решения примера. Рис. 1.1. Прогнозирование методом «сезонный Naive» 4. Метод дрейфа В случае если в ряде данных наблюдаются некоторые тенденции к росту либо снижению, исследователь может воспользоваться методом дрейфа (англ. Drift), суть которого сводится к проведению прямой
линии (a + bt) через две выбранные исследователем точки. Угол наклона прямой линии b между этими двумя точками вычисляется по формуле 2 1 2 1 , t t y y b t t (1.4) где 1t – номер первого выбранного наблюдения; 2t – номер второго выбранного наблюдения. Прогноз по методу дрейфа имеет вид 1 1 ˆ ( ) T h t y y b T h t или 2 2 ˆ ( ) T h t y y b T h t . (1.5) Этот метод в значительной степени опирается на экспертное мнение прогнозиста, которое, очевидно, может оказаться неправильным, что приведет к неточным прогнозам. 5. Метод средних точек Идея метода средних точек похожа на идею метода дрейфа: исследователь так же проводит прямую линию через две точки. Однако здесь предполагается, что точки, через которые проводится линия, находятся в середине различных частей ряда данных. Пусть для определенности первая точка имеет координаты 1 1 , ( , ) t t y а вторая – координаты 2 2 . ( , ) t t y Множество наблюдений временного ряда ty является дискретным и лежит в пределах t = 1, 2, …, T. Разобьем имеющееся множество наблюдений на две части – первую, когда t = 1, 2, …, Т/2, и вторую, когда t = Т/2 + 1, Т/2 + 2, …, T. Найдем координаты первой точки: 1 /2 /2 1 1 1 1 1 , . / 2 / 2 T T i t i i i t t y y T T ∑ ∑ (1.6) Аналогично найдем координаты второй точки: 2 2 /2 1 /2 1 1 1 , . / 2 / 2 T T i t i i T i T t t y y T T ∑ ∑ (1.7) Для определенных таким образом двух точек можно применить метод дрейфа.