Методы социально-экономического прогнозирования

В развитии методологии прогнозирования социально-экономических  процессов большую роль сыграли  научные разработки отечественных  и зарубежных ученых А.Г. Аганбегяна, И.В. Бестужева-Лады, Л. Клейна, В. Гольдберга. В работах этих ученых рассматривается  значение, сущность и функции прогнозирования, его роль и место в системе  планирования, исследуются вопросы  методологии и организации экономического прогнозирования, показываются особенности  научного прогнозирования. Развитие работ, освещающих вопросы прогнозирования, осуществляются по таким основным направлениям: углубление теоретических и прикладных разработок нескольких групп методик, отвечающих требованиям разных объектов и разных видов работ по прогнозированию; разработка и реализация на практике специальных способов и процедур использования различных методических приемов в ходе конкретного прогнозного  исследования; поиск путей и способов алгоритмизации методик прогнозирования  и реализация их с использованием ЭВМ. [4, с. 41]

Под методами прогнозирования следует понимать совокупность приемов и способов мышления, позволяющих на основе анализа  ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а  также их измерений в рамках рассматриваемого явления или процесса вывести  суждения определенной достоверности  относительно его (объекта) будущего развития. [16, с. 29]

По оценкам  отечественных и зарубежных ученных, в настоящее время насчитывается  свыше 20 методов прогнозирования, однако число базовых значительно меньше (15-20). Многие из этих методов относятся  скорее к отдельным приемам и  процедурам, учитывающим нюансы объекта  прогнозирования. Другие представляют собой набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных  приемов и последовательностью  их применения.

В существующих источниках представлены различные  классификационные принципы методов  прогнозирования. Одним из наиболее важных классификационных признаков  методов прогнозирования является степень формализации, которая достаточно полно охватывает прогностические  методы. Вторым классификационным признаком  можно назвать общий принцип  действия методов прогнозирования, третьим - способ получения прогнозной информации. На рис. 1.1 представлена классификационная  схема методов прогнозирования. [10, с. 31]

Как свидетельствует  схема, представленная на рис. 1.1, по степени  формализации (по первому классификационному признаку) методы экономического прогнозирования  можно разделить на интуитивные и формализованные. Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования. В этом случае используются оценки экспертов. При этом различают индивидуальные и коллективные экспертные оценки.

В состав индивидуальных экспертных оценок входят: метод «интервью», при котором  осуществляется непосредственный контакт  эксперта со специалистом по схеме  «вопрос - ответ»; аналитический метод, при котором осуществляется логический анализ какой-либо прогнозируемой ситуации, составляются аналитические докладные  записки; метод написания сценария, который основан на определении  логики процесса или явления во времени  при различных условиях.

Рис. 1.1

Методы  коллективных экспертных оценок включают в себя метод «комиссий», «коллективной  генерации идей» («мозговая атака»), метод «Дельфи», матричный метод. Эта группа методов основана на том, что при коллективном мышлении, во-первых, выше точность результата во-вторых, при  обработке индивидуальных независимых  оценок, выносимых экспертами, по меньшей  мере могут возникнуть продуктивные идеи.

В группу формализованных методов входят две подгруппы: экстраполяции и  моделирования. К первой подгруппе  относятся методы: наименьших квадратов, экспоненциального сглаживания, скользящих средних. Ко второй - структурное, сетевое  и матричное моделирование.

Рассмотренные классы интуитивных и формализованных  методов схожи по своему составу  с экспертными и фактографическими  методами. Фактографические методы основаны на фактически имеющейся информации об объекте прогнозирования и  его прошлом развитии, экспертные базируются на информации, полученной по оценкам специалистов-экспертов.

В класс  экспертных методов прогнозирования  входит метод эвристического прогнозирования (эвристика - наука, изучающая продуктивно  творческое мышление). Это аналитический  метод, суть которого заключается в  построении и последующем усечении «дерева поиска» экспертной оценки с использованием какой-либо эвристики. При этом методе осуществляется специализированная обработка прогнозных экспертных оценок, получаемых путем систематизированного опроса высококвалифицированных специалистов. Он применяется для разработки прогнозов научно-технических проблем и объектов, анализ развития которых либо полностью, либо частично не поддается формализации.

В изученной  литературе представлено значительное количество классификационных схем по методам прогнозирования. Основная погрешность таких схем - нарушение  принципов классификации, к числу  которых относятся: достаточная  полнота охвата методов прогнозирования, единство классификационного признака на каждом уровне членения (при многоуровневой классификации), непересекаемость разделов классификации, открытость классификационной  схемы (т. е. Возможность дополнения новыми методами). [10, с. 48]

В большинстве  классификационных схем методы прогнозирования  разделяются на три основных класса: методы экстраполяции, экспертных оценок и моделирования. При таком разделении методам экстраполяции противопоставляются  как самостоятельный класс методы моделирования.

С одной  стороны, построение моделей преследует цель вскрыть закономерность развития изучаемого объекта или процесса на некотором ретроспективном участке. И если модель построена правильно  и адекватно отражает связи и  свойства реального объекта, она  может служить основой для  экстраполяции, т. е. Для перенесения  некоторых выводов о поведении  модели на объект. Это и есть прогнозирование  поведения объекта путем экстраполяции  тенденций, выявляемых на модели.

С другой стороны, методы экстраполяции - не что  иное, как использование теоретических  и эмпирических моделей для нахождения переменных вне ретроспективного участка  наблюдений по данным зависимостей между  ними на ретроспективном участке. Таким  образом, применение экстраполяции  в прогнозировании всегда предполагает использование каких-либо моделей. Поэтому любое моделирование  является основой для экстраполяции.

Конструктивная  классификация позволяет наглядно изобразить совокупность методов прогнозирования  в виде иерархического дерева и охарактеризовать каждый уровень своим классификационным  признаком. (рис. 1.2) [17, с. 51]

На первом уровне все методы по признаку «информационное  основание метода» делятся на три класса: фактографические, комбинированные  и экспертные.

Фактографические  базируются на фактической информации об объекте прогнозирования и  его прошлом развитии. В экспертных методах используется информация, которую  доставляют специалисты-эксперты в  процессе систематизированных процедур выявления и обобщения их мнений. В свою очередь, классы экспертных и  фактографических методов подразделяются на подклассы по методам обработки  информации.

Экспертные  методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки  независимого обобщенного мнения коллектива экспертов (или одного из них) при  отсутствии воздействия на мнение каждого  эксперта мнения другого эксперта и  всего коллектива. Экспертные оценки с обратной связью в том или  ином виде реализуют принцип обратной связи на основе воздействия на оценку экспертной группы (одного эксперта) мнениями, полученными ранее от этой группы (или от одного из экспертов).

Рис. 1.2

Класс фактографических методов объединяет следующие три подкласса: методы аналогий, опережающие и статистические методы.

Методы  аналогий направлены на выявление сходства в закономерностях развития различных  процессов. К ним относятся методы математических и исторических аналогий. Методы математических аналогий в качестве аналога для объекта используют объекты другой физической природы, других областей науки и техники, имеющие математическое описание процесса развития, совпадающие с объектом прогнозирования.

Опережающие методы прогнозирования основаны на определенных принципах специальной  обработки научно-технической информации, учитывающих ее свойство опережать  прогресс науки и техники. К ним  относятся методы исследования динамики научно-технической информации, использующие построение динамических рядов на базе различных видов такой информации, анализа и прогнозирования на этой основе развития соответствующего объекта (например, метод огибающих). К опережающим методам можно  отнести также методы исследования и оценки уровня техники, основанные на использовании специальных методов  анализа количественной и качественной научно-технической информации для  определения характеристик уровня качества существующей и проектируемой  техники.

Статистические  методы представляют собой совокупность методов обработки количественной информации об объекте прогнозирования, объединенной по принципу выявления  содержащихся в ней математических закономерностей изменения характеристик  данного объекта с целью получения  прогнозных моделей.

Сложность выбора наиболее эффективного метода экономического прогнозирования заключается  в определении относительно классификации  методов прогнозирования характеристик  каждого метода, перечня требований к ретроспективной информации и  прогнозному фону.

В связи  с этим возникает необходимость  подробнее остановиться на основных классах методов экономического прогнозирования.

В случаях  чрезвычайной сложности системы, его  новизны, неопределенности формирования некоторых существенных признаков, недостаточной полноты информации, наконец, невозможности полной математической формализации процесса решения поставленной задачи приходится обращаться к рекомендациям  компетентных специалистов. Их решение  задачи, аргументация, подход, формирование количественных оценок результатов, обработка  последних формальными методами получили название метода экспертных оценок. Этот метод включает три  составляющие: интуитивно-логический анализ задачи или ее фрагмента; решение  и выдачу количественной или качественной характеристики (оценка, результат  решения); обработку результатов  решения - полученных от экспертов - оценок.

Одной из разновидностей метода экспертных оценок является метод коллективной генерации идей («мозговая атака»), позволяющей определять возможные  варианты развития объекта прогнозирования  за короткий период времени. Методы «мозговых атак» можно классифицировать по признаку наличия или отсутствия обратной связи между руководителем и участниками «мозговой атаки» в процессе решения некоторой проблемной ситуации. Создавшаяся ситуация потребовала разработать метод «мозговой атаки» - деструктивной отнесенной оценки (ДОО), способный качественно и достаточно быстро проводить оценку вариантов, не ограничивая при этом их числа.

Сущность  этого метода состоит в актуализации творческого потенциала специалистов при «мозговой атаке» проблемной ситуации, реализующей вначале генерацию  идей и последующее деструирование (разрушение, критику) этих идей с формированием  контридей. Работа с методом ДОО  предполагает реализацию следующих  шести этапов. [10, с. 52]

Первый  этап - формирование группы участников «мозговой атаки» (по численности и составу). Оптимальная численность группы участников находится эмпирическим путем: наиболее продуктивными признаны группы в 10-15 человек. Состав группы участников предполагает их целенаправленный подбор: 1) из лиц примерно одного ранга, если участники знают друг друга; 2) из лиц разного ранга, если участники не знакомы друг с другом (в этом случае следует нивелировать каждого из участников присвоением ему номера с последующим обращением к участнику по номеру). Второй этап - составление проблемной записки участника мозговой атаки. Она составляется группой анализа проблемной ситуации и включает описание метода ДОО и описание проблемной ситуации. Третий этап - генерация идей. Продолжительность мозгового штурма рекомендуется не менее 20 минут и не более 1 часа в зависимости от активности участников. Запись высказываемых идей целесообразно вести на магнитофон, чтобы не «пропустить» ни одну идею и иметь возможность систематизировать их для следующего этапа.

Четвертый этап - систематизация идей, высказанных на этапе генерации. Систематизацию идей группа анализа проблемной ситуации осуществляет в такой последовательности: составляется номенклатурный перечень всех высказанных идей; каждая из идей формулируется в общеупотребительных терминах; определяются дублирующие и дополняющие идеи; дублирующие и (или) дополняющие идеи объединяются и формируются в виде одной комплексной идеи; выделяются признаки по которым идеи могут быть объединены; идеи объединяются в группы согласно выделенным признакам; составляется перечень идей по группам (в каждой группе идеи записываются в порядке их общности от более общих к частным, дополняющим или развивающим более общие идеи).

Пятый этап - деструирование (разрушение) систематизированных идей (специализированная процедура оценки идей на практическую реализуемость в процессе мозговой атаки, когда каждая из них подвергается всесторонней критике со стороны участников мозговой атаки).

Основное  правило этапа деструирования - рассматривать  каждую из систематизированных идей только с точки зрения препятствий  на пути к ее осуществлению, т. е. участники  атаки выдвигают выводы, отвергающие  систематизированную идею. Особенно ценным является то обстоятельство, что  в процессе деструирования может  быть генерирована контридея, формулирующая  имеющиеся ограничения и выдвигающая  предположение о возможности  снятия этих ограничений.

Шестой  этап - оценка критических замечаний и составление списка практически применимых идей.

Метод коллективной генерации идей апробирован  на практике и позволяет находить групповое решение при определении  возможных вариантов развития объекта  прогнозирования, исключая путь компромиссов, когда единое мнение нельзя считать  результатом беспристрастного анализа  проблемы.

В 1970-1980 гг. созданы отдельные методики, позволяющие в определенной мере организовать статистическую обработку  мнений экспертов-специалистов и достигнуть более или менее согласованного мнения. Метод «Дельфи» - один из наиболее распространенны методов экспертной оценки будущего, т. е. экспертного прогнозирования. Этот метод разработан американской исследовательской корпорацией  РЭНД и служит для определения  и оценки вероятности наступления  тех или иных событий. [10, с. 58]

Метод «Дельфи» построен на следующем принципе: в неточных науках - мнения экспертов  и субъективные суждения в силу необходимости  должны заменить точные законы причинности, отражаемые естественными науками.

Метод «Дельфи» позволяет обобщать мнения отдельных экспертов в согласованное  групповое мнение. Ему присущи  все недостатки прогнозов, построенных  на основе экспертных оценок. Однако проводимые корпорацией РЭНД работы по совершенствованию  этой системы значительно повысили гибкость, быстроту и точность прогнозирования. Метод «Дельфи» характеризуется  тремя особенностями, которые отличают его от обычных методов группового взаимодействия экспертов. К таким  особенностям относятся: а) анонимность  экспертов; б) использование результатов  предыдущего тура опроса; В) статистическая характеристика группового ответа.

Анонимность заключается в том, что в ходе проведения процедуры экспертной оценки прогнозируемого явления, объекта участники экспертной группы неизвестны друг другу. При этом взаимодействие членов группы при заполнении анкет полностью устраняется. В результате такой постановки автор ответа может изменить свое мнение без публичного объявления об этом.

Статистическая  характеристика группового ответа предполагает обработку полученных результатов  с помощью следующих методов  измерения: ранжирование, парное сравнение, последовательное сравнение и непосредственная оценка.

В развитии метода «Дельфи» применяется перекрестная коррекция. Будущее событие представляется как огромное множество связанных  и переходящих друг в друга  путей развития. При введении перекрестной корреляции значение каждого события  за счет введенных определенных связей будут изменятся либо в положительную, либо в отрицательную сторону, корректируя  тем самым вероятности рассматриваемых  событий. С целью будущего соответствия модели реальным условиям в модель могут быть введены элементы случайности.

Недостатком данного метода является то, что  проблема коррелирующих научно-технических  сдвигов является очень сложной, так как в реальной жизни величину корреляции очень трудно измерить, корреляционные связи нечетки и  варьируют в широких пределах в зависимости от рассматриваемых  достижений.

Сущность  методов прогнозной экстраполяции  заключается в изучении динамики изменения экономического явления  в предпрогнозном периоде и перенесения  найденной закономерности на некоторый  период будущего. Обязательным условием применения экстраполяционного подхода  в прогнозировании следует считать  познание и объективное понимание  природы исследуемого процесса, а  также наличие устойчивых тенденций  в механизме развития.

Однако  степень реальности такого рода прогнозов  и соответственно мера доверия к  ним в значительной мере обуславливаются  аргументированностью выбора пределов экстраполяции и стабильностью  соответствия «измерителей» по отношению  к сущности рассматриваемого явления. Следует обратить внимание на то, что  сложные объекты, как правило, не могут быть охарактеризованы одним  параметром.

Операцию  экстраполяции в общем виде можно  представить как определение  значений функции [4, с. 71] Простейшим способом прогнозирования считается подход, формирующий прогнозную оценку от фактически достигнутого уровня при помощи среднего прироста или темпа роста.

В соответствии с ним прогноз  к шагов вперед на момент времени 

Этот  способ обладает определенными достоинствами, среди которых незначительна  трудоемкость вычислительного алгоритма, универсальные расчетные схемы. Кроме указанных достоинств, он имеет  несколько существенных недостатков. Во-первых, все фактические наблюдения являются результатом закономерности и случайности, следовательно, основываться на последнем наблюдении неправомерно. Во-вторых, нет возможности оценить  правомерность использования среднего прироста в каждом конкретном случае. В-третьих, данный подход не позволяет  сформировать интервал, в который  попадает прогнозируемая величина. В  связи с этим метод экстраполяции  не дает точных результатов на длительных срок прогноза, потому что данный метод  исходит из прошлого и настоящего, и тем самым погрешность накапливается. Этот метод дает положительные результаты на ближайшую перспективу прогнозирования  тех или иных объектов - на 5-7 лет.

Для повышения  точности экстраполяции используются различные приемы. Один из них состоит, например, в том, чтобы экстраполируемую часть общей кривой развития (тренда) корректировать с учетом реального  опыта развития отрасли-аналога  исследований или объекта, опережающий  в своем развитии прогнозируемый объект.

Распространенной  методикой прогнозирования тех  или иных процессов и явлений  служит моделирование. Моделирование  считается достаточно эффективным  средством прогнозирования возможного явления новых или будущих  технических средств и решений. Впервые для целей прогнозирования  построение операционных моделей было предпринято в экономике. Модель конструируется субъектом исследования так, чтобы операции отображали характеристики объекта, существенные для цели исследования. Поэтому вопрос о качестве такого отображения - адекватности модели объекту - правомерно решать лишь относительно определенной цели. Конструирование модели на основе предварительного изучения и выделения его существенных характеристик, экспериментальный и теоретический анализ модели, сопоставление результатов с данными объекта, корректировка модели, составляют содержание метода моделирования.

Одним из методов моделирования является метод математического моделирования. Под экономико-математической моделью  понимается методика доведения до полного  описания процесса получения, обработки  исходной информации и оценки решения  рассматриваемой задачи в достаточно широком классе случаев. Использование  математического аппарата для описания моделей (включая алгоритмы и  их действия) связано с преимуществами математического подхода к многостадийным процессам обработки информации, использованием идентичных средств  формирования задач, поиска метода их решения, фиксации этих методов и  их преобразования в программы, рассчитанные на применение средств вычислительной техники.

Применение  математических методов является необходимым  условием для разработки и использования  методов прогнозирования, обеспечивающим высокие требования к обоснованности, действенности и временности  прогнозов. [13, с. 41]

Важное  прикладное значение в прогнозировании  принадлежит методам регрессионного анализа. Регрессионный анализ используется для исследования форм связи, устанавливающих  качественные соотношения между  случайными величинами изучаемого случайного процесса. Иными словами, связь между  случайной и неслучайной величинами называется регрессионной, а метод  анализа таких связей - регрессионным  анализом. Достоинством регрессионного метода следует считать его универсальность, широкий выбор функциональных зависимостей, возможность включения в статистическую модель в качестве самостоятельной  переменной фактора времени.

Специфическим методом прогнозирования является сценарный прогноз - это своего рода метод описания логически последовательного  процесса, события исходя из сложившийся  ситуации. Описание сценариев ведется  с учетом временных оценок. Основное назначение сценария - определение  генеральной цели развития прогнозируемого  объекта, явления и формулирование критериев для оценки верхних  уровней «дерева целей». Сценарии обычно разрабатываются на основе данных предварительного прогноза и исходных материалов по развитию прогнозного  объекта. К исходным материалам следует  отнести технико-экономические характеристики и показатели основных процессов  производственной и научной базы для решения поставленной цели.

Сценарий - это картина, отображающая последовательное детальное решение задачи, выявление  возможных препятствий, обнаружение  серьезных недостатков, с тем  чтобы предрешить вопрос о возможном  прекращении начатых или завершении проводимых работ по прогнозируемому  объекту. Сценарий, по которому должен составляться прогноз развития объекта  или процессов, должен содержать  в себе вопросы развития не только науки и техники, но и экономики, внешней и внутренней политики. Поэтому  сценарии должны разрабатываться высококвалифицированными специалистами соответствующего профиля  прогнозируемого объекта. Сценарий по своей описательности является аккумулятором  исходной информации, на основе которой  должна строиться вся работа по развитию прогнозируемого объекта. Поэтому  сценарий в готовом виде должен быть подвергнут тщательному анализу.

Следовательно, в процессе систематизированного научно обоснованного прогнозирования  развития социально-экономических  процессов происходило развитие методологии прогнозирования, как  совокупности методов, приемов и  способов мышления, позволяющих на основе анализа ретроспективных  данных, экзогенных и эндогенных связей объекта прогнозирования, а также  их измерений в рамках рассматриваемого явления или процесса вывести  суждения определенной достоверности  относительно его будущего развития.

Исследование  различных классификационных схем методов прогнозирования позволяет  выделить в качестве основных классов  фактографические, экспертные и комбинированные  методы, специализация которых обусловлена  спецификой целей и задач, количеством  и качеством исходной информации, периодом упреждения прогноза. В следующей  главе будут рассмотрены проблемы выбора адекватных методов прогнозирования  и их применение в странах с  развитой экономикой.

В своем  развитии в послевоенный период (1950-1990 гг.) прогнозирование прошло через  разные формы, соответствующие различным  типам государственного регулирования  смешанной экономики. Исторически  первой формой экономического прогнозирования  стала конъюнктурная, связанная  с усилением влияния бюджета  на темпы и пропорции экономического роста по мере увеличения государственных  расходов в ВВП. В условиях структурной  перестройки экономики и их ускоренного  развития возникла необходимость согласования бюджетов с показателями экономических  прогнозов, на которых основывались оценки налоговых поступлений и  размеров доходной части бюджета [10, с. 49]

Это привело  к разработке среднесрочных и  долгосрочных прогнозов, примерами  которых являются «Выбор путей экономического роста» (1976-1985 гг.) в Канаде, Прогноз  Министерства труда на 1986-1995 гг. в  США, «Десятилетний план удвоения национального  дохода» (1961-1970 гг.) в Японии. [1, с. 17]

По мере совершенствования и усложнения прогнозной деятельности она стала  отделяться от бюджетной и методически, и организационно: если на первом этапе  национальные экономические прогнозы составлялись в Министерствах финансов, то сначала 60-х годов ХХ века в  экономически развитых странах начали создаваться специальные прогнозно-плановые органы (Генеральный комиссариат  по планированию во Франции, Экономический  консультативный совет в Японии, Центральное плановое бюро в Нидерландах  и др.)

Сущность  прогнозирования в развитой рыночной экономике заключается в научном  предвидении развития всех форм хозяйствования, в последующем выявлении закономерностей и тенденций научно-технического, экономического и социального прогресса. Экономические прогнозы составляются с учетом факторов с перспективным воздействием на динамику экономики: объем и качество основного капитала, наличие трудоспособного населения, новейшие технологии, уровень безработицы, величина инвестиций, рост экспорта, уровень инфляции.

Мировой опыт рыночных реформ продемонстрировал  значение взвешенной банковской, кредитно-финансовой и бюджетной политики государства. Прогнозирование поступлений в  бюджет - одна из важнейших проблем, возникающих при его становлении. Методики расчетов в условиях стабильного  рынка базируются на предварительном  прогнозе номинальных значений основных макроэкономических показателей: объема ВВП, потребления и инвестиций. Стабильность во времени важнейших бюджетных  нормативов и ставок налогообложения  в странах с развитой рыночной экономикой, наличие однородных статистических выборок достаточной длины позволяют  широко применять для такого прогнозирования  методы прикладной статистики и экономико-математические модели.

В зарубежных развитых странах прогнозирование  опирается на сформированную из статистической информации схему основных взаимосвязей в национальном хозяйстве, получившую название системы национальных счетов (СНС).

СНС основана на балансовом методе и представляет собой адекватный рыночной экономике  национальный учет, который на макроуровне  завершается набором показателей, характеризующих результаты экономической  деятельности, структуру экономики, совершаемые в процессе осуществления  хозяйственной деятельности операции, имеющиеся в стране ресурсы и  их использование. СНС построена  в форме балансовых таблиц и счетов, создающих макет функционирования звеньев народного хозяйства.

СНС можно  охарактеризовать как макростатистическую  модель экономики и как механизм, обеспечивающий единство разработки прогнозов  и планов и контроля за их выполнением. С помощью СНС органы управления и планирования разрабатывают прогнозы, проекты программ и планов, оценивают  результаты воздействия на экономику, контролируют выполнение планов.

В качестве первичных элементов в системе  национального счетоводства выступают  экономические операции и экономические  агенты. Под экономической операцией  понимается процесс, в котором одна из участвующих сторон передает или  продает, а другая получает или покупает материальные и финансовые ценности и услуги. Юридические и физические лица, осуществляющие экономическую  операцию, являются экономическими агентами.

Экономические операции фиксируются в счетах, построенных  на принципе двойной записи, в соответствии с которым каждая операция фиксируется  дважды - в разделе «ресурсов» и  в разделе «использования». По каждому  счету выводится балансирующее  сальдо - разность между ресурсами  и их использованием. При избытке  ресурсов сальдо записывается в раздел «использования», при недостатке - в  раздел «ресурсов».

Счета составляются как для экономических  операций, так и для экономических  агентов. В целях использования  данных для анализа прогнозирования  счетов объединяются в группы по видам  деятельности и институциональным  секторам народного хозяйства.

Центральное место в системе показателей  СНС занимает показатель валового национального  продукта, являющийся стоимостным эквивалентом рыночных стоимостей всех произведенных  в течение года товаров - продуктов  и услуг.

В основу макроэкономического прогнозирования  заложена модель круговых потоков или  кругооборота ВНП. В своей элементарной форме эта модель включает в себя только две категории экономических  агентов - домашние хозяйства и фирмы - и не предполагает вмешательства  государства в экономику, а также  каких-либо связей с внешним миром (рис. 2.1) [8, с. 148]

Модель  круговых потоков в закрытой экономике

Рис. 2.1

Из схемы, представленной на рис. 2.1, видно, что  экономика является замкнутой системой. Потоки «доходы - расходы» и «ресурсы - продукция» осуществляются одновременно в противоположных направлениях и бесконечно повторяются. Основным выводом из модели является равенство общего объема производства в денежном выражении суммарной величине денежных доходов домашних хозяйств.

В условиях реальной рыночной экономики с государственным  вмешательством модель круговых потоков  несколько усложняется ( прил. 1) Когда  в модель вводятся другие группы экономических  агентов, - правительство и внешний  мир, - указанное равенство нарушается, так как из потока «доходы - расходы» образуется утечка в виде сбережений, налоговых платежей и импорта. Одновременно в этот поток вливаются дополнительные средства - инвестиции, государственные  налоги и экспорт.

Следовательно, реальный и денежный потоки осуществляются при условии равенства совокупных доходов домашних хозяйств, фирм, государства  и внешнего мира совокупному объему производства.

Таким образом, модель доходов и расходов базируется на основном макроэкономическом тождестве [8, с. 273]:

В связи  с этим в основу экономического прогнозирования  в развитых странах положено формирование спроса (личное потребление, затраты  государства, капиталовложения и экспорт), с одной стороны, и предложение  товаров и услуг, с другой.

Следовательно, прогнозирование экономических  процессов осуществляется в пределах трех методов расчета ВНП: по конечному  использованию, по образованию дохода и с помощью производственного  метода.

При расчете  ВНП по расходам суммируются расходы  всех экономических агентов, использующих ВНП. Суммарные расходы можно  разложить на несколько компонентов.

Личные  потребительские расходы домашних хозяйств включают в себя расходы  на товары длительного пользования  и текущего потребления, а так  же на услуги.

Валовые инвестиции представляют собой сумму  чистых инвестиций и амортизации и состоят из инвестиций в основные производственные фонды, в строительство и запасы.

Государственные закупки товаров и услуг представляют часть государственных расходов, которые включаются в государственный  бюджет. В эту группу не входят трансфертные платежи, так как они не связаны  с движением товаров и услуг.

Чистый  экспорт товаров и услуг за рубеж рассчитывается как разность экспорта и импорта. Различия между  составляющими ВНП базируются главным  образом на различии между типами экономических агентов, осуществляющих затраты, а не на различиях в покупаемых благах и услугах. Данные о структуре  ВНП по видам расходов приведены  на рис. 2.2. [14, с.51]

Рис. 2.1

При расчете  ВНП по доходам суммируются все  виды факторных доходов, а также  амортизационные отчисления и чистые косвенные налоги на бизнес. В составе  ВНП обычно выделяют следующие виды факторных доходов: компенсация  за труд работников по найму, доходы собственников, рентные доходы, прибыль корпораций и чистый процент.

В теории и практике прогнозирования экономического роста широко применяется экономико-математическое моделирование. Наиболее распространенные модели производственной функции, основанные на теории факторов производства. В  этих моделях объем ВНП представлен  как функция, зависящая от количества применяемых факторов производства и придельной производительности каждого из них. Под предельной производительностью факторов понимается размер прироста объема производства, получаемый с каждой единицы прироста данного фактора производства. Предельная производительность исчисляется путем отнесения прироста выпуска к приросту данного производственного фактора.

Наиболее  простой среди моделей производственных функций является линейная, в которой  объем производства представлен  в виде суммы функций является линейная, в которой объем производства представлен в виде суммы произведений факторов производства на их предельную производительность. Чтобы учесть влияние  научно-технического прогресса, как  дополнительного источника экономического роста, к этой сумме прибавляется показатель темпа НТП. Таким образом, простая производная функция  имеет вид: [18, с. 41]

Где Д1, Д2, Д3 - доли труда, капитала и природных  ресурсов в совокупном продукте;

Т, К, Р - темпы прироста затрат труда, капитала и природных ресурсов;

А - темп научно-технического прогресса;

У - темп прироста совокупного продукта.

В 1928 г. американским экономистом П. Дугласом и математиком И. Коббом была предложена производственная функция степенной  формы, в которой учитывается  влияние только двух факторов - затрат труда и капитала и темпа научно-технического прогресса. Эта модель имеет вид: [18, с. 42]

Где е - степенной коэффициент, зависящий  от предельной производительности фактора;

А - коэффициент  пропорциональности;

Т - затраты  труда;

К - основные фонды в стоимостном выражении.

Упрощенная  производственная функция Кобба - Дугласа  не требовала учета затрат природных  ресурсов, сопряженного с существенными  трудностями, что послужило широкому распространению ее в практике прогнозирования.

В 1990 г. был опубликован прогноз социально-экономического развития США на 1992-1997 гг., разработанный  экспертами ООН. В данном случае для  прогнозирования основного макроэкономического  показателя - объема ВНП - применялись  производственная функция Кобба-Дугласа, исходные параметры которой приведены  в таблице 2.1. [14, с. 55]

Исходные  данные для прогнозирования объема ВНП США

Таблица 2.1

Применение  производственной функции к исходным данным позволяет определить величину ВНП на период 1992-1997 гг. В 1997 г. специалистами  Мичиганского университета было проведено  сопоставление результатов прогноза ООН в данным ежегодного прогноза Мичиганского университета, а также  с фактическими значениями ВНП за исследуемый период (табл. 2.2). [9, с. 5]   

Прогнозы  экономического роста в США в 1992-1997 гг.

Таблица 2.2

Очевидно, что более точным явился пессимистический вариант прогноза Мичиганского университета, так как отклонение прогнозных показателей  от фактических данных не превышало 0,22%. Прогноз ВНП, разработанный ООН, носил более оптимистический  характер, однако темпы экономического роста в США в 1992-1997 гг. были менее  значительны, что обусловило увеличение отклонений прогнозных величин от фактических - до 2,57%.

Необходимо  отметить, что несмотря на отклонения прогнозных величин от фактических, в обоих прогнозах прослеживается тенденция к неуклонному росту, который достигает максимального  значения в 1994 г., с последующим снижением  темпов экономического роста (рис. 2.3). [9, с. 5]

Как свидетельствуют  данные, представленные в табл. 2.2 и  на рис. 2.3, в период 1992-1997 гг. продолжалось самое длительное динамичное экономическое  развитие. Темпы экономического роста  повышались до значения 3,5% в 1994 г.

В 1995 г. экономический подъем в США замедлился, причем замедлился, причем сильнее, чем  прогнозировалось в обоих вариантах  прогноза (до2%), но в следующем году снова набрал темп. В целом за 1996 г. прирост ВНП США составил 2,7%, что превысило прогнозные данные. В 1997 г. фактический прирост увеличился до 2,8%. Замедление темпов экономического подъема в США в 1995-1997 гг. объединялось, прежде всего, ослаблением внутреннего  потребительского спроса на товары длительного  пользования, что привело к сокращению инвестиций в товарно-материальные запасы. Снижение внешнего спроса в  Западной Европе вызвало падение  прироста экспорта США почти в 4 раза.

Рис. 2.3

Исходя  из прогнозных значений ВНП США на 1992-1997 гг., полученных в результате прогнозных исследований в Мичиганском университете, и экстраполяционного моделирования  структуры ВНП по конечному использованию, осуществляется прогнозирование номинальных  размеров компонентов ВНП (табл. 2.3). [15, с. 17]

Следовательно, в период 1992-1997 гг. прогнозировалось увеличение удельного веса частного и государственного потребления  при сокращении валовых инвестиций и чистого экспорта. Необходимо отметить, что в период значительного экономического подъема (1993-1994 гг.) ожидалось сокращения до минимального уровня абсолютного и относительного значения государственного потребления и рост чистого экспорта. В этот период прогнозировалось увеличение объема и удельного веса валовых инвестиций.

Прогнозные  значения компонентов ВНП США  в 1992-1997 гг.

Таблица 2.3

Сравнение фактических и прогнозных показателей  экономического роста в США позволяет  сделать вывод о том, что экономический  подъем развивается достаточно сбалансировано и можно ожидать сохранения этой тенденции до конца десятилетия (2000 г.).

Таким образом, опыт государственного регулирования  рыночной экономики свидетельствует  о том, что оно должно основываться на системном научном прогнозировании, которое позволяет на базе полученной информации о прошлом и настоящем  состоянии экономики предположить альтернативные пути ее развития в  предстоящем периоде. В основе прогнозирования  развития рыночной экономики лежит  преимущественно кейнсианская концепция , предусматривающая влияние государства  на макроэкономические показатели. В  связи с этим экономическое прогнозирование  в США, как и в других развитых странах, построено на формировании спроса (личное потребление, государственные  расходы, капиталовложения и экспорт) и предложения (выпуск товаров и  услуг, а также строительство), что соответствует макроэкономической модели кругооборота ВНП.

В процессе систематизированного научно обоснованного  прогнозирования развития социально-экономических  процессов происходило развитие методологии прогнозирования, как  совокупности методов, приемов и  способов мышления, позволяющих на основе анализа ретроспективных  данных, экзогенных и эндогенных связей объекта прогнозирования, а также  их измерений в рамках рассматриваемого явления или процесса вывести  суждения определенной достоверности  относительно его будущего развития.

Исследование  различных классификационных схем методов прогнозирования позволяет  выделить в качестве основных классов  фактографические, экспертные и комбинированные  методы, специализация которых обусловлена  спецификой целей и задач, количеством  и качеством исходной информации, периодом упреждения прогноза.

Таким образом, опты государственного регулирования  рыночной экономики свидетельствует  о том, что оно должно основываться на системном научном прогнозировании, которое позволяет на базе полученной информации о прошлом и настоящем  состоянии экономики предположить альтернативные пути ее развития в  предстоящем периоде. В основе рыночной экономики лежит преимущественно  кейнсианская концепция, предусматривающая  влияние государства на макроэкономические показатели. В связи с этим экономическое  прогнозирование В США, как и  в других развитых странах, построено  на формировании спроса (личное потребление, государственные расходы, капиталовложения и экспорт) и предложения (выпуск товаров и услуг, а также строительство), что соответствует макроэкономической модели кругооборота ВНП.

Необходимо  отметить, что процессы реформирования экономической системы в современной  Украине вызывали смену приоритетов  в методологии социально-экономического прогнозирования. Так, отсутствие директивного управления сделало непригодным  для прогнозирования нормативный  метод, широко применявшийся в условиях плановой экономики. Экономический  спад производства и нестабильность экономической ситуации в Украине  обуславливают приоритетное значение краткосрочного прогнозирования социально-экономических  процессов с использованием экономико-математических моделей и экспертных оценок.

2. Богачева  О. США: шестой год стабильного  экономического подъема // Мировая  экономика и международные отношения. - 1998. - №8.

3. Власюк  А. Стабилизация экономики Украины  // Экономика Украины. - 1995. - №12.

4. Горелов  С. Математические методы в  прогнозировании. - М.: Прогресс, 1993.

5. Денискин  В. Основы социального прогнозирования  в пищевой промышленности. - М.: Колос, 1993.

6. Дудкин  В. Индикативное планирование - механизм  координации деятельности государственных  и негосударственных субъектов  управления // Российский Экономический  Журнал. - 1998. - №6.

7. Кривов  В. Законодательное определение  содержания экономических решений  // Экономист. - 1997. - №12.

8. Курс  экономической теории / Под ред.  А.С. Сидоровича. - М.: Учебники МГУ, 1997.

9. Лескова  Н. Прогноз развития мировой  экономики // Бюллетень иностранной  коммерческой информации. - 1995. - №145.

10. Основы  экономического и социального  прогнозирования / Под редакцией  Мосина Н. - М.: Высшая школа, 1985.

11. Панасюк  Б., Сергиенко И. Прогнозирование  развития экономики Украины // Экономика Украины. - 1996. - №1.

12. Панасюк  Б., Сменковский А. О некоторых  методических подходах к краткосрочному  прогнозированию макроэкономических  показателей // Экономика Украины. - 1998. - №10.

13. Саати  М.А. Моделирование сложных систем. - М.: Наука, 1993.

14. Соколов  Н. Динамика ВВП в основных  группах стран // Проблемы прогнозирования. - 1998. - №1.

15. Сутягин  В. О соотношении научных прогнозов  и государственных программ социально-экономического развития // Проблемы прогнозирования. - 1998. - №1.

16. Цыгичко  В. Основы прогнозирования систем. - М.: Финансы и статистика, 1986.

17. Черников  Д. Макроэкономическая теория // Российский  Экономический Журнал. - 1995. - №9.

18. Юрченко  А. Моделирование социально-экономического  развития общества // Вестник МГУ:  Экономика. - 1993. - №2.