Метод аналізу екстраполяції. - Механізми прогнозування попиту на продукцію суб'єктів господарювання вугільної галузі в процесі реструктурізації

Дана група методів є однією з найбільш поширених в системі прогнозування економічних явищ, зокрема і перспективного попиту на продукцію вугільної промисловості. Суть методу екстраполяції полягає у перенесені минулих і сьогоднішніх закономірностей, взаємозв'язків на майбутні періоди. Він дає можливість показати яких результатів можна досягти в майбутньому, якщо рухатися з тією ж швидкістю і з тим же прискоренням [1, с. 175]. При чому, за умови використання цього методу, необхідною умовою для отримання якісних результатів прогнозування попиту є стабільність основних факторів і тенденцій минулих років, яка зберігається на період прогнозу.

Таким чином важливою передумовою застосування даного методу є наявність тренду, тобто тенденції ряду динаміки, що характеризує основну закономірність руху в часі. Тому першим етапом буде перевірка гіпотези про наявність тренду. Одним серед найпоширеніших і найпростіших способів такої перевірки, є метод, що базується на порівнянні середніх рівнів ряду. Тобто, спочатку часовий ряд розбивається на дві приблизно однакові частини, після чого для кожної з них визначається середня. Якщо отримані середні суттєво відрізняються між собою, то тренд існує, якщо різниця є незначною - тренд не існує.

Крім того, з метою забезпечення реальності прогнозу слід пам'ятати загальне емпіричне правило, суть якого полягає в тому, що термін прогнозування не повинен перевищувати третьої частини довжини бази прогнозу, тобто наявного часового ряду. Так наприклад, для прогнозу на 5 років необхідно мати дані хоча би за 15 років. Відповідно чим більша база прогнозу і менший період прогнозу, тим надійнішими будуть його результати.

Для визначення перспективного попиту на продукцію вугільної промисловості регіону можливе використання наступних методів екстраполяції:

Засновані на середньому абсолютному прирості. Використовується за умови, що загальна тенденція є лінійною. Для визначення показників попиту (наприклад обсягів збуту) на наступний період використовується формула:

,

Де, - середній абсолютний приріст,

УN - кінцевий показник у ряді динаміки,

У1 - початковий показник у ряді динаміки,

П - кількість показників у ряді динаміки,

УN+1 - показник на прогнозований період.

Заснований на середніх темпах зростання. Екстраполяція за цим методом може здійснюватися, якщо тенденція ряду динаміки буде представлена показниковою (експоненційною) функцією. Для обрахунку перспективних показників використовується наступна формула:

,

Де - середній темп зростання.

Метод згладжування за експонентою. Автором цього методу є англійський вчений Р. Г.Браун. Цей метод дозволяє побудувати модель, яка враховує різну інформаційну цінність членів динамічного ряду розглянемо розрахунок перспективного обсягу збуту, як показник попиту. В даному випадку основою прогнозу є середньозважене значення обсягу збуту продукцію вугільної промисловості регіону за певну кількість попередніх періодів.

Де, - обсяг збуту, що прогнозується на перспективу,

А - коефіцієнт згладжування (0<а< 1) -- вага t-го значення ряду динаміки,

- обсяг збуту в періоді (t-1),

- згладжений обсяг збуту.

Для кожного конкретного продукту вугільної промисловості необхідно визначити рівень згладженого обсягу збуту і коефіцієнт згладжування. Рівнем згладженого обсягу збуту може бути середнє значення обсягу збуту за кілька останніх років чи місяців. Коефіцієнт згладжування розраховується за формулою:

Де, т - число рівнів, що входять в інтервал згладжування.

Таким чином, величина т, відповідно і а визначаються емпірично.

Також коефіцієнт згладжування може бути отриманий шляхом аналізу різних його значень (методом проб), доки не буде віднайдено значення, що найбільше відповідає обсягу збуту за минулий період. Тому автор даного методу рекомендує брати а в межах 0,1-0,3, як найбільш задовольняючий практичний варіант.

Таким чином, обсяг збуту, що прогнозується завжди знаходиться в інтервалі між його рівнем у поточному періоді і згладженим рівнем. А відносний вплив поточного і згладженого обсягів збуту на прогнозований залежить від коефіцієнта згладжування.

Використання методу згладжування за експонентою має свої переваги і недоліки. Основною перевагою є його точність, яка збільшується із збільшенням кількості рівнів часового ряду. Серед недоліків - відсутність методу, який би дав точну величину коефіцієнта згладжування, що веде за собою до падіння точності прогнозу із збільшенням прогнозованого періоду. Тому цей метод може використовуватися лише для короткострокового прогнозування попиту на продукцію вугільної промисловості регіону.

Аналітичне вирівнювання тренду (криві росту). Є досить популярним методом прогнозування попиту. Він передбачає побудову кривої попиту на продукцію вугільної промисловості, що відображає певну існуючу тенденцію.

Метод вирівнювання тренду може використовуватися у випадках, коли розвиток досліджуваного явища, тобто попиту на продукцію вугільної промисловості, досить добре описується побудованим рівнянням кривої і за умови, що чинники, які визначають тенденцію розвитку в минулому не зазнають змін в майбутньому. Крім того, для забезпечення надійного прогнозу необхідна достатня кількість спостережень. Так наприклад, для лінійного тренду не менше 6, для квадратичного - 13, кубічного - 23.

Загальна тенденція може бути описана наступними рівняннями:

    1. Лінійна функція 2. Експоненційна 3. Степенева 4. Гіперболічна
    5. Квадратична 6. Експоненційна модифікована 7. Крива Гомперца 8. Логістична крива

9. Логарифмічна

Невідомі параметри знаходяться за допомогою методів найменших квадратів, тобто мінімізуючи суму квадратів відхилень фактичних даних від теоретичних:

Де, n - кількість невідомих параметрів у рівнянні,

УT - реальне значення прогнозованого показника,

- теоретичне значення обчислене за допомогою рівняння тренду.

Розглянемо, для прикладу, процес знаходження невідомих параметрів рівняння за цим методом для лінійного рівняння. Таким чином отримаємо:

Звідси ми можемо отримати значення а0 і a1:

Проте, найскладнішим моментом методу аналітичного вирівнювання тренду є вибір кривої, яка б найкраще підходила для відображення наявної тенденції. Для цього використовуються різні методи, найпростіший серед них - візуальний, на основі графічного зображення часового ряду. Тобто відповідно до вигляду графіка підбирається рівняння кривої, яка є найближчою до існуючого тренду.

Інший метод вибору кривої базується на визначенні коефіцієнту кореляції. Даний коефіцієнт показує наскільки вибрана модель адекватно відображає дійсність, чи можемо ми її використати чи ні. Коефіцієнт кореляції розраховується після вибору конкретного рівняння і розрахунку невідомих параметрів.

Де, r - коефіцієнт кореляції,

- рівняння тренду,

YT - значення часового ряду, що відповідає значенню t,

- середнє значення по yT.

Відповідно до отриманого коефіцієнту кореляції, існують три можливі умови:

    1) 0 ? r ? 0,5 - модель не адекватно відображає дійсність і відкидається, 2) 0,5 < r ? 0,7 - модель не достатньо адекватно відображає дійсність і приймається за відсутності кращої моделі, 3) 0,7 < r ? 1 - модель адекватно відображає дійсність і приймається.

Похожие статьи




Метод аналізу екстраполяції. - Механізми прогнозування попиту на продукцію суб'єктів господарювання вугільної галузі в процесі реструктурізації

Предыдущая | Следующая