Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Основы экономического прогнозирования

Покупка
Основная коллекция
Артикул: 875026.01.99
Доступ онлайн
500 ₽
В корзину
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.
Яцко, В. А. Основы экономического прогнозирования : учебное пособие / В. А. Яцко. - Новосибирск : Изд-во НГТУ, 2025. - 74 с. - ISBN 978-5-7782-5462-6. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2244387 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
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. 


Доступ онлайн
500 ₽
В корзину