В снабженческой, производственной и распределительной логистиках широко используются методы прогнозирования, поскольку значения прогнозных оценок развития анализируемых процессов или явлений являются основой принятия управленческих решений при оперативном, тактическом и стратегическом планировании (от оценки вероятности дефицита продукции на складе до выбора стратегии развития фирмы).
В большинстве работ по прогнозированию, прогноз определяется как вероятностное научно обоснованное суждение о перспективах, возможных состояниях того или иного явления в будущем и (или) об альтернативных путях и сроках их осуществления. Под методологией прогнозирования понимается область знаний о методах, способах и системах прогнозирования, а именно:
¾ метод прогнозирования – способ исследования объекта, направленный на разработку прогноза;
¾ методика прогнозирования – совокупность одного или нескольких методов;
¾ система прогнозирования – упорядоченная совокупность методик и средств реализации.
Известно, что теория прогнозирования включает анализ объекта прогнозирования; методы прогнозирования, подразделяющиеся на математические (формализованные) и экспертные (интуитивные); системы прогнозирования, в частности, непрерывного, при котором за счет мониторинга осуществляется корректировка прогнозов в процессе функционирования объекта.
В работах по теории прогнозирования при анализе объектов производится классификация прогнозов, при этом в качестве основных признаков указываются следующие:
¾ масштабность, отражающая количество значащих переменных при описании объекта;
¾ сложность, характеризующая степень взаимосвязи переменных;
¾ детерминированность (определенность) или стохастичность (случайность) переменных;
¾ информационная обеспеченность периода ретроспекции, включая все возможные варианты от объектов с полным количественным обеспечением до объектов, у которых такое обеспечение отсутствует.
Одним из основных классификационных признаков является также период прогноза, при этом выделяют три вида прогнозов: краткосрочные, среднесрочные и долгосрочные. Временные интервалы прогнозов зависят от природы объекта, то есть изучаемой области деятельности. Так, при рассмотрении технико-экономических показателей деятельности фирм период краткосрочного прогноза не превышает 1 года, среднесрочные прогноз – от 1 до 5 лет, долгосрочный – свыше 5 лет.
Математические методы прогнозирования подразделяются на три группы:
¾ симплексные (простые) методы экстраполяции по временным рядам (симплекс метод – это алгоритм решения оптимизационной задачи линейного программирования путем метода перебора вершин выпуклого многоугольника, экстраполяция – метод сглаживания);
¾ статистические методы, включающие корреляционный и регрессионный анализ и другие (корреляционный анализ-метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя и более переменными, регрессионный анализ – определяет необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивает полученное уравнение регрессии на соответствие выявленным связям, регрессионный (линейный анализ) – это метод исследования зависимой переменной У и одной или нескольких независимых переменных Х);
¾ комбинированные методы, представляющие собой синтез различных вариантов прогнозов.
При формировании методики прогнозирования целесообразно, рассматривать прогноз в узком (I тип прогноза) и в широком (II тип прогноза) смысле.
В узком смысле прогноз выполняется при условии, что основные факторы, определяющие развитие прогнозируемого процесса или явления, не претерпят существенных изменений.
Прогнозы I типа:
¾ осуществляются с применением симплексных или статистических методов на основе временных рядов;
¾ число значимых переменных включают от 1 до 3-х параметров, то есть по масштабности они относятся к сублокальным прогнозам;
¾ при использовании одного параметра, например, времени, такие прогнозы считаются сверхпростыми, при двух-трех взаимосвязанных параметрах – сложными;
¾ по степени информационной обеспеченности периода ретроспекции прогнозы I типа могут быть отнесены к объектам с полным информационным обеспечением.
Для повышения точности и достоверности прогнозных оценок I типа целесообразно использование комбинированных методов, при этом желательно использование большого количества вариантов прогноза, рассчитанных на основе различных подходов или альтернативных источников информации.
Прогноз II типа (в «широком» смысле) подразумевает, что исходные данные для получения оценок определяются с использованием опережающих методов прогнозирования: патентный, публикационный и др. Как правило, прогнозы II типа используются для долгосрочного прогнозирования и разбиваются на два этапа: первый – получение прогнозных оценок основных факторов; второй – собственно прогноз развития процесса или явления. Учитывая объективную сложность и трудоемкость выполнения прогнозов II типа, можно констатировать, что наибольшее распространение получили методы прогнозирования I типа.
Наиболее часто для прогнозирования I типа используется метод экстраполяции. В общем случае модель прогноза включает три составляющие (рис.13.1.) и записывается в виде:
, (13.1.)
где yt – прогнозные значения временного ряда;
– среднее значение прогноза (тренд);
vt – составляющая прогноза, отражающая сезонные колебания (сезонная волна);
– случайная величина отклонения прогноза.
Рис. 13.1. Прогнозирование на основе временных рядов:
1 – экспериментальные данные на интервале наблюдения (А); 2 – тренд; 3 – тренд и сезонная волна; 4 – значение точечного прогноза на интервале упреждения (В); 5 – интервальный прогноз.
В частных случаях количество составляющих модели меньше, например, только yt и .
Последовательность расчета прогнозирования с использованием методов экстраполяции:
1. На основе значений временного ряда на прогнозном периоде (интервале наблюдения) с использованием метода наименьших квадратов определяются коэффициенты уравнения тренда , видом которого задаются. Обычно для описания тренда используются полиномы различных порядков, экспоненциальные, степенные функции и т. п.
2. Для исследования сезонной волны значения тренда исключаются из исходного временного ряда. При наличии сезонной волны определяют коэффициенты уравнения, выбранного для аппроксимации vt.
3. Случайные величины отклонения определяются после исключения из временного ряда значений тренда и сезонной волны на прогнозируемом периоде. Как правило, для описания случайной величины используется нормальный закон распределения.
4. Для повышения точность прогноза применяются различные методы (дисконтирование, адаптация и другие). Наибольшее распространение в практике расчетов получил метод экспоненциального сглаживания, позволяющий повысить значимость последних уровней временного ряда по сравнению с начальными.
Поможем написать любую работу на аналогичную тему