Методы прогнозирования управленческих решений в туристическом агентстве

     Понятием, противоположным экстраполяции, является интерполяция, интерполирование, которое  предусматривает нахождение промежуточных  значений функции в области ее определения.

     При изучении временных рядов в случае необходимости может производиться интерполирование промежуточных уровней.

     Разграничивают  формальную и прогнозную экстраполяцию. Формальная экстраполяция базируется на предположении и сохранении в будущем прошлых и настоящих тенденций развития объекта. Прогнозная экстраполяция увязывает фактическое состояние исследуемого объекта с гипотезами о динамике его развития. Она предполагает необходимость учета в перспективе альтернативных изменений самого объекта, его сущности.

     При формировании прогнозов с помощью  экстраполяции исходят из статистически  складывающихся тенденций изменения  тех или иных количественных характеристик объекта. Экстраполируются оценочные функциональные системные и структурные характеристики, например, количественные характеристики экономического, научного, производственного потенциала. Степень реальности такого рода прогнозов в значительной мере обусловливается аргументированностью выбора пределов экстраполяции и стабильностью соответствия «измерителей» по отношению к сущности рассматриваемого явления. Последовательность действий при статистическом анализе тенденций и экстраполировании состоит в следующем:

     1. Четкое определение задачи, выдвижение  гипотез о возможном развитии прогнозируемого объекта, обсуждение факторов, стимулирующих или препятствующих развитию данного объекта, определение необходимой экстраполяции и ее допустимой дальности.

     2. Выбор системы параметров, унификация  различных единиц измерения, относящихся к каждому параметру в отдельности.

     3. Сбор и систематизация данных. Перед сведением их в соответствующие таблицы проверяется однородность данных и их сопоставимость.

     4. Выявление тенденций или симптомов  изменения изучаемых величин  в ходе статистического анализа  и непосредственной экстраполяции  данных.

     В экстраполяционных прогнозах предсказание конкретных значений изучаемого объекта  или параметра в какой-то определенный период времени не считается основным компонентом. Особо важным здесь является своевременное фиксирование объективно намечающихся сдвигов, выявление закономерных тенденций развития явления или процесса. Под тенденцией развития понимают некоторое его общее направление, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории.

     Для повышения точности экстраполяции  используются различные приемы. Например, экстраполируемая часть общей кривой развития (тренд) корректируется с учетом реального опыта функционирования отрасли - аналога исследований или объекта, опережающих в своем развитии прогнозируемый объект.

     Тренд - это изменение, определяющее общее направление развития, основную тенденцию временных рядов (временные ряды - упорядоченные во времени наборы измерителей тех или иных характеристик исследуемого объекта прогнозирования). Под ним понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд - это длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие. Результат при этом связывается исключительно с ходом времени. Предполагается, что через время можно выразить влияние всех основных факторов.

     Операцию  экстраполяции в общей форме  можно представить в виде определения  значения функции:

     Yi + L = F(Yik * L),

     где Yi + L - экстраполируемое значение уровня; L - период упреждения; Yik - уровень, принятый за базу экстраполяции.

     Задача  прогноза состоит в определении  вида экстраполирующих функций на основе исходных эмпирических данных и параметров выбранной функции. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Следующим этапом является расчет параметров выбранной экстраполяционной функции. При оценке параметров зависимостей наиболее распространенными являются метод наименьших квадратов и его модификации, метод экспоненциального сглаживания, метод скользящей средней и другие.

     Сущность  метода наименьших квадратов состоит в отыскании параметров модели тренда, минимизирующих ее отклонение от точек исходного временного ряда, т. е. в минимизации суммы квадратических отклонений между наблюдаемыми и расчетными величинами. Модель тренда может различаться по виду. Ее выбор в каждом конкретном случае осуществляется в соответствии с рядом статистических критериев. Наибольшее распространение в практических исследованиях получили следующие функции: линейная, квадратичная, степенная, показательная, экспоненциальная, логистическая. Особенно широко применяется линейная, или линеаризуемая, т. е. сводимая к линейной форме, как наиболее простая и в достаточной степени удовлетворяющая исходным данным. Метод наименьших квадратов широко применяется в прогнозировании в силу его простоты и возможности реализации на ЭВМ. Недостаток данного метода состоит в том, что модель тренда жестко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т. е. при краткосрочном прогнозировании.

     Метод экспоненциального сглаживания дает возможность получить оценки параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Этот метод позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода. Он не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени условиям.

     Метод экспоненциального сглаживания  применяется при кратко- и среднесрочном  прогнозировании. Его преимущества состоят в том, что он не требует  обширной информационной базы и предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда.⁶

     Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений.

     В целом методы экстраполяции, основанные на продлении тенденций прошлого и настоящего на будущий период, могут использоваться в прогнозировании лишь при периоде упреждения до пяти или семи лет. Важнейшим условием является наличие устойчиво выраженных тенденций развития какого-либо явления или процесса социально-экономической действительности. При более длительных сроках прогноза эти методы не дают точных результатов.

     Распространенной  методикой описания тех или иных процессов и явлений служит моделирование, которое следует понимать как исследование объектов познания на их моделях. Оно предполагает построение моделей реально существующих предметов и явлений: живых организмов, инженерных конструкций, общественных систем, различных процессов, в том числе и социально-экономических. Моделирование считается достаточно эффективным средством прогнозирования.

     В научной литературе термин «модель» означает какой-либо условный образ объекта исследования. Модель - это схема, изображение или описание какого-либо явления или процесса в природе и обществе. Модель конструируется субъектом исследования так, чтобы операции отображали характеристики объекта, существенные для цели исследования (взаимосвязи, структурные и функциональные параметры и т. п.). Модель - один из важнейших инструментов социально-экономического прогнозирования, научного познания исследуемого процесса. Поэтому вопрос об адекватности модели объекту (т. е. о качестве отображения) правомерно решать лишь относительно определенной цели.

     Содержанием процесса моделирования являются: конструирование модели на основе предварительного изучения объекта или процесса, выделение его существенных характеристик или признаков; теоретический и экспериментальный анализ модели; сопоставление результатов моделирования с фактическими данными об объекте или процессе; корректировка и уточнение модели.

     Для описания моделей (включая алгоритмы  и их действия) используется математический аппарат. Это связано с преимуществами математического подхода к многостадийным процессам обработки информации, использованием идентичных средств формирования задач, поиска методов их решения, фиксации этих методов и их преобразования в программы, рассчитанные на применение средств вычислительной техники.

     Средством изучения закономерностей развития социально-экономических процессов  является экономико-математическая модель.

     Под экономико-математической моделью (ЭММ) понимается методика доведения до полного, исчерпывающего описания процесса получения и обработки исходной информации и правил решения рассматриваемой задачи в достаточно широком спектре конкретных случаев. ЭММ - это система формализованных соотношений, описывающих основные взаимосвязи элементов, образующих экономическую систему.

     Эконометрия  - наука, изучающая конкретные количественные взаимосвязи экономических процессов с помощью экономико-математических методов и моделей. Система ЭММ эконометрического типа служит для описания относительно сложных процессов экономического или социального характера. Эконометрическое моделирование основано на обработке статистической информации ретроспективного характера, оценке отдельных переменных величин, их параметров. Простейшая ЭММ может быть представлена, например, в следующем виде:

     Z = а * x,

     где Z - общая потребность в материалах; а - норма расхода материала на одно изделие; x - количество изделий.

     Эта модель может быть использована, предположим, для прогнозной потребности в  материалах, требующихся для изготовления какого-либо изделия.

     ЭММ приобретает более сложный вид, если определяется потребность в  материалах для изготовления нескольких видов изделий:

     Z = а1 * x1 + … + аn * xn

     или Z = Σ аn * xn,

     где n = 1, 2, ...,n.

     Эта модель показывает зависимость потребности  в материалах от двух факторов: количества изделий и норм расхода материалов и называется дескриптивной (описательной).

     Разработка  системы моделей прогнозирования  проходит три этапа. Первый предполагает разработку локальных методик прогнозирования. Здесь прорабатываются отдельные  модели и подсистемы моделей прогнозирования. Разработанные модели должны быть взаимно увязаны и составлять единую систему для целей прогнозирования, обеспечивающую взаимодействие отдельных моделей в соответствии с определенными требованиями, которые фиксируются в программе исследований по проблеме в целом.

     Второй  предусматривает создание системы  взаимодействующих моделей прогнозирования на базе разработки локальных методик прогнозирования. Здесь уточняются и согласовываются подсистемы моделей, проверяется их взаимодействие, определяется последовательность использования отдельных моделей, а также приемов оценки и методов проверки получаемых комплексных прогнозов. Составляются соответствующие программы для решения задач на ЭВМ.

     Третий  включает уточнение и развитие отдельных  локальных систем и методик в  ходе создания системы моделей прогнозирования  и практического их использования.

     Отдельные модели и система моделей прогнозирования  должны отвечать определенным требованиям, предопределяющим методы, с помощью которых следует разрабатывать модели, а также методы и средства осуществления расчетов. Содержание этих требований сводится к следующим положениям. Методика должна:

     • давать четкое описание последовательности правил (т. е. алгоритма), позволяющее составить прогноз при достаточно широких предположениях о характере и значениях исходной информации;

     • использовать методы и технические средства, позволяющие проводить расчеты своевременно и многократно. При этом следует исходить из неоднородной и большой по объему, меняющейся по вариантам прогноза информации;

     •  учитывать сложные, многофакторные связи прогнозируемых процессов и показателей. В этих условиях необходимо выявление важнейших и устойчивых закономерностей и тенденций, как на исходном материале, так и в процессе анализа результатов, получаемых по данной методике, их расчетов по комплексу связанных с ней моделей;