Экстраполяция статистических трендов

Третий метод прогнозирования – это экстраполяция статистических трендов. Экстраполяция попросту означает продление тенденции. Есть два основных вида экстраполяции. Первый вид – это линейная экстраполяция, расширяющая существующие тенденции. Имеется множество статистических пакетов программ, которые реализуются на компьютере и рассчитывают будущие тенденции, основывающиеся на существующих данных. Вторая форма экстраполяции – это криволинейная (нелинейная) экстраполяция, т.е. продление тенденции кривой.

Широко используется экстраполяция временных зависимостей\изменение во времени – метод скользящего среднего значения. Некоторые виды экстраполяции основываются на изменении по времени среднего значения, рис. 3.1.

Рис. 3.1. Скользящее среднее значение

По сути, прогнозирование по изменению среднего значения есть усреднение падений и подъемов сезонных колебаний, продленное в будущее. Цель экстраполяции – сглаживание колебаний. Вот пример. Кривая инфляции изменяется от месяца к месяцу, поэтому единственным путем увидеть тенденцию является сглаживание ее методом изменения среднего значения. После получения данных по каждому месяцу они усредняются, скажем, по последним трем месяцам, давая кривую изменения среднего значения на четыре месяца.

S – кривая

S – форма экстраполяционной кривой применяется в случае предсказания замены одной технологии другой или одного вида товара другим. Так, рис. 3.2. дает пример S –кривой для промышленного товара.

Рис. 3.2. S- кривая

S – кривая демонстрирует, как некоторая промышленная продукция заменяет другие подобные товары. Вертикальная ось – доля рынка, горизонтальная – время. Форма S –кривой показывает зависимость, как новая продукция заменяет остальные продукты. Сначала смена происходит медленно, но затем S- кривая становится более крутой. В конце наклон кривой уменьшается.

Однако метод S – кривой имеет определенные ограничения применения. Вот одна из проблем. Хорошо известно, что данные ведут себя в форме S- кривой, но какой именно? Пологой или крутой? И какой процент внедрения может быть достигнут?

Задание

S – кривая – универсальный инструмент для анализа того, когда один вид продукции может быть заменен другим. Попытайтесь спрогнозировать, чем, когда и по каким видимым и скрытым причинам может произойти замена вашей продукции новыми видами товаров?

Прогнозирование методом соотношений

Четвертая группа методов прогнозирования – это прогнозы по соотношениям, согласно которым пытаются:

А) найти связь между двумя переменными, одну из которых мы хотим спрогнозировать.

б) причинную взаимосвязь, которая может иметь запаздывание во времени.

Обратим внимание на три разновидности метода:

– предшествующие индикаторы;

– корреляция и регрессия;

– эконометрические методы.

Предшествующие индикаторы

Предшествующий индикатор – это сдвиг по времени зависимости между двумя временными последовательностями, так как это показано на рис.3.3.

Рис. 3.3. Предшествующий индикатор – изгиб одной кривой перед изгибом другой

Например, предшествующим индикатором экономического цикла считается средний промышленный индекс Доу-Джонса цен биржевого рынка на Нью-Йоркской бирже.

Природа предшествующего индикатора может быть изложена следующим образом:

– Тенденции предшествуют тенденциям.

– Изменение предшествует изменению.

Другими словами, тенденция в переменной А проявляется раньше тенденции в переменной В, аналогично изменение А имеет место перед изменением переменной В.

Например, если долгосрочный предшествующий индикатор, спроектированный для предсказания изменений в деловом цикле на год вперед, упал в первый раз за восемь месяцев. Это падение может отражать снижение цен и подъем процентных ставок в течение месяца. Обе составляющие входят в долгосрочный предшествующий индикатор, как ранние предвестники снижения деловой активности. Тем временем, ближний предшествующий индекс, который показывает на 6 месяцев вперед, поднимается. Это означает, что в ближайшее время с перспективой на 1-2 года может начаться снижение деловой активности.

Методы корреляции и регрессии

Методы корреляции и регрессии прогнозируют поведение переменной величины исходя из временной взаимосвязи между ней и другими величинами, которые могут быть выражены в статистической взаимосвязи, называемой регрессией или корреляцией. Иначе говоря, они дают возможность определить, как сильно будет изменяться одна величина, если другая изменится в определенной степени.

Эконометрические модели

Заключительными методами прогнозирования по соотношению являются эконометрические модели. Как и другие модели, они формируют прогнозы на основании решения системы однородных уравнений. Эти уравнения могут отражать либо основные элементы всей экономики, либо некоторые факторы, воздействующие на какие – либо аспекты работы организации. Одна из крупнейших в Великобритании моделей – это 3G – модель, содержащая сотни переменных.

Какой из методов наилучший? И снова у нас нет легкого ответа. Один из ответов – все они вместе.

По-другому можно ответить, что методы прогнозирования различаются по их применимости в соответствии со следующими факторами:

– Целями и требованиями к прогнозу.

– Условиями внешней среды.

– Ресурсами, которыми располагает компания.

Если требуется быстрый результат, то методы подсчета, такие как рыночное тестирование и обследование, занимающие значительное время для выработки и выполнения, будут в явном проигрыше перед методами, основанными на изучении мнений, такими как опрос продавцов или менеджерский аудит, которые можно провести довольно быстро.

Если внешние условия изменяются катастрофически быстро и возникает опасение, что методы анализа временных зависимостей, таких как экстраполяция и изменение среднего не могут быть проведены, то лучше всего обратиться к сценариям или дельфийскому методу.

Если ресурс у Вас ограничен (нет экспертов, статистических программ и недостаточно финансов), то разумно применить некоторые ассоциативные методы или причинно – следственные методы прогнозирования. Прогнозы потребляют ресурсы, начиная от затрат времени менеджеров и до денежных затрат. Методы прогнозирования по временным рядам или соотношениям требуют массы данных за истекший период, денег и высокопрофессиональных экспертов, тогда как методы, основанные на мнениях, потребуют гораздо меньше подобных ресурсов.

При решении, какой метод исследования использовать, среди ключевых требований, которые необходимо определить, есть следующие:

– Период времени, охватываемый прогнозом.

– Быстрота выполнения прогноза.

– Необходимость обновления данных для прогноза.

– Требуемая степень точности.

Что касается последнего требования – точности, то за правило можно принять следующее: желаемая точность прогноза зависит от его цели. В какой степени неточным будет прогноз, от которого зависит решение, основывающееся на этом прогнозе?