САНКТ-ПЕТЕРБУРГСКАЯ  Академия управления  и экономики

г. Санкт-Петербург

Факультет менеджмента

       КУРСОВАЯ  РАБОТА

 
 

Тема: Общая характеристика методов прогнозирования

     

Дисциплина:  Основы социального прогнозирования

 
 
 

г. Фокино

    2010 г.

 

 

Содержание

 

Введение 3

1 ФОРМАЛИЗОВАННЫЕ  МЕТОДЫ ПРОГНОЗИРОВАНИЯ 4

1.1  Сущность методов  экстраполяции 4

1.2  Методы моделирования 9

2  ИНТУИТИВНЫЕ МЕТОДЫ  ПРОГНОЗИРОВАНИЯ 14

2.1 Сущность интуитивных  методов 14

2.2  Методы индивидуальных  экспертных оценок 16

2.3 Методы коллективных  экспертных оценок 19

Заключение……………………………………………………………………….25

Список  использованных источников 26

 

 

       Введение

       Выполняя  функцию планирования, руководители принимают решение о том, какими должны быть цели организации и что  должны делать ее члены, чтобы достичь этих целей. По сути, это подготовка сегодня к завтрашнему дню, определение того, что требуется и как этого добиться.

       Актуальность  темы данной курсовой работы обусловлена  тем, что социальное планирование и  прогнозирование является основой  для эффективного социально-экономического развития любого региона, инструментом формирования и реализации стратегических целей социально-экономического развития территориального образования.

     В настоящее время существует приблизительно 150 методов прогнозирования, но на практике используются около 20-30 основных методов. Метод прогнозирования - это способ исследования объекта прогнозирования, направленный на разработку прогнозов. Методика прогнозирования - это совокупность специальных приемов и правил разработки конкретных прогнозов. Прием прогнозирования - это математическая или логическая операция, направленная на получение конкретных результатов в процессе разработки прогнозов.

     Чаще  всего методы прогнозирования подразделяют на формализованные и интуитивные. Формализованные методы используются в том случае, когда информация об объекте прогнозирования носит в основном количественный характер, а влияние различных факторов можно описать с помощью математических формул.

     Интуитивные методы применяются тогда, когда  информация количественного характера  об объекте прогнозирования отсутствует  или носит в основном качественный характер и влияние факторов невозможно описать математически.

     Цель  данной работы – дать общую характеристику методов прогнозирования.

       1 ФОРМАЛИЗОВАННЫЕ  МЕТОДЫ ПРОГНОЗИРОВАНИЯ

     Формализованные методы подразделяются на методы экстраполяции  и методы моделирования.

     К методам экстраполяции относятся  метод скользящей средней, метод  экспоненциального сглаживания, метод  наименьших квадратов, а к методам  моделирования – методы информационного  моделирования (патентный и публикационный), статистического моделирования, логического  моделирования (прогнозной аналогии, «дерево  целей»).

1.1 Сущность методов экстраполяции

     Экстраполяция - это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования. Методы экстраполяции наиболее распространенные в группе формализованных. Цель методов экстраполяции – показать, к какому состоянию в будущем может прийти объект, если его развитие будет осуществляться с той же скоростью или ускорением, что и в прошлом. Методы экстраполяции достаточно широко применяются на практике, так как они просты, дешевы, и не требуют для расчетов большой статистической базы. Использование методов экстраполяции предполагает два допущения: а) основные факторы, тенденции прошлого сохранят свое проявление в будущем; б) исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически. Названные допущения в большинстве случаев характерны для экономических процессов.

     Как поступить, если условия формирования тренда (тренд – тенденция, определяющая общее направление развития) изменились? В этом случае предполагается использование такого искусственного приема, как исправление тренда. Отсекаются показатели ряда, которые были сформированы отжившими факторами, но при разделении старых и новых тенденций следует быть осторожным (можно воспользоваться экспертными оценками).

     Прогноз должен иметь высокую точность, ошибка прогноза будет тем меньше, чем  меньше период (срок) упреждения и чем  больше база прогноза.

     Период (срок) упреждения - это интервал времени, на который разрабатывается прогноз. База прогноза - это статистическая информация за ряд лет, на которую мы опираемся при построении расчетов. Срок упреждения должен составлять не менее 1/3 базы прогноза.

     Построенные с помощью методов экстраполяции  прогнозы нельзя рассматривать как  конечный этап прогнозирования, ибо  полученный показатель следует оценить  с помощью экспертов и в  случае необходимости скорректировать, если экономические, политические и  другие условия в стране (городе) меняются.

     Процедура экстраполяции - это чисто механический прием, следовательно, большое значение здесь имеет расчет доверительного интервала, т.е. диапазона отклонения полученной прогнозной оценки. Доверительный  интервал рассчитывается двумя способами: формальным и неформальным. Формальный основан на применении специальных  математических формул, а неформальный – на использовании экспертных оценок, заключений.

     Метод скользящей средней  дает возможность выравнивать динамический ряд на основе его средних характеристик. При экстраполяции с помощью среднего уровня ряда используется принцип, при котором прогнозируемый уровень принимается равным среднему значению уровней ряда в прошлом.

     Метод скользящего среднего исходит из простого предположения, что следующий  во времени показатель по своей величине равен средней, рассчитанной за последние три месяца.

    Например, если объем продаж составил.

1. в марте – 270 единиц
2. в апреле – 260 единиц
3. в мае – 290 единиц, то

= =

    Если  реальный показатель продаж за июнь составил 280 единиц, то прогноз продаж на июль уже будет равен

    

    и так далее.

     Данный  метод дает прогнозную точечную оценку и более эффективно используется при краткосрочном прогнозировании. Преимущество данного метода состоит  в том, что он прост в применении и не требует обширной информационной базы.

     Метод экспоненциального  сглаживания дает возможность выявить тенденцию, сложившуюся к моменту последнего наблюдения, и позволяет оценить параметры модели, описывающей тренд, который сформировался в конце базисного периода. Этот метод адаптируется к меняющимся во времени условиям, а не просто экстраполирует действующие зависимости в будущее.

     Метод экспоненциального сглаживания  представляет прогноз показателя на будущий период в виде суммы фактического показателя за данный период и прогноза на данный период, взвешенных при помощи специальных коэффициентов.

    Представим, что составляется прогноз продаж на следующий месяц Тогда:

    

,  где

     прогноз продаж на месяц 1+1;

      продажи в месяце (фактические  данные);

     прогноз продаж на месяц I,

     специальный коэффициент, определяемый статистическим путем.

    Рассмотрим  прогнозирование продаж методом экспоненциального сглаживания на конкретном примере

    Предположим, что

    Тогда, используя формулу экспоненциального  сглаживания, можно заполнить графу  “Прогноз продаж” в таблице 1 при  условии, что известны фактические данные о продажах.

    Таблица 1

    Прогнозирование продажи на основе фактических данных

 

    Так, если продажи в январе составили 50 единиц, а прогноз на январь был  равен 65 единицам, то

    

=

    Полученные  данные можно отразить на графике (рис  1).

 

Рис. 1. Метод экспоненциального сглаживания

    Как видно из графика, кривая прогнозов представляет собой сглаженную тенденцию по сравнению с кривой фактических продаж.

     Метод экспоненциального сглаживания  наиболее эффективен при разработке кратко- и среднесрочных прогнозов. Его основные достоинства заключаются  в простоте вычисления и учете  весов исходной информации, т. е. новые  данные или данные за последние периоды  имеют больший вес, чем данные более отдаленных периодов.

     При использовании для прогнозирования  данного метода возникают следующие  затруднения: а) выбор значения параметра  сглаживания; б) определение начального значения экспоненциально взвешенной средней.

     Метод наименьших квадратов основан на выявлении параметров модели, которые минимизируют суммы квадратических отклонений между наблюдаемыми величинами и расчетными. Модель, описывающая тренд, в каждом конкретном случае подбирается в соответствии с рядом статистических критериев. На практике наибольшее распространение получили такие функции, как линейная, квадратическая, экспоненциальная, степенная, показательная.

     Преимущества  метода наименьших квадратов заключаются  в том, что он прост в применении и реализуется на ЭВМ. К недостаткам  метода можно отнести жесткую фиксацию тренда моделью, небольшой период упреждения, сложность подбора уравнения регрессии, который осуществляется с помощью использования типовых компьютерных программ, например Excel.

1.2 Методы моделирования

     Методы  информационного  моделирования были разработаны и впервые использованы для построения прогнозов, связанных с НТП. В настоящее время эти методы все более и более применяются при прогнозировании экономических процессов.

     Методы  информационного моделирования (или  опережающего прогнозирования) основаны на свойстве научно-технической информации предварять внедрение достижений НТП  в практическую деятельность.