Как составить прогноз развития отрасли - Сайт, где вы сможете решить свои вопросы

Методический аппарат отраслевого прогнозирования включает в себя довольно обширный набор методов, применяемых как независимо друг от друга, так и в различных сочетаниях. Наибольшее распространение в практике отраслевого прогнозирования получили методы:

· системно-структурного анализа;

· статистические;

· экспертных оценок;

· анализа патентной информации;

· аналоговые и поисковые;

· моделирования.

Системно-структурный анализ объекта прогнозирования является обязательным этапом, исходным моментом всего процесса разработки прогноза. Он

начинается с описания прогнозируемой системы. В процессе описания должны быть выделены основные объекты окружающей среды, взаимодействующие с прогнозируемой системой, внешние и внутренние (прямые и обратные) связи. Внешней средой служит сфера потребления продукции отрасли и совокупность отраслей-поставщиков.

Инструментом системно-структурного анализа системы с ее внешними и внутренними связями служат граф-модели или блок-схемы системы. Например, метод «дерева целей и задач» позволяет наглядно продемонстрировать иерархическое деление общих целей, задач развития системы на конкретные подцели и задачи с определением мероприятий, способствующих их решению.

К статистическим методам относится группа методов, основанных на математическом анализе упорядоченной статистической информации. Это экстраполяция, многофакторные корреляционные и регрессионные зависимости, производственные функции и т.д.

Метод экстраполяции в общем виде сводится к расчету параметров развития процессов и явлений (технического прогресса, определения потребности в изделиях отрасли, развития производства) на основе математического анализа тенденции и темпов их динамики за предшествующие периоды с последующим логическим продолжением (экстраполяцией) этих параметров на прогнозируемый период развития.

Широко используется графическое экстраполирование, преимущества которого заключаются в надежности и малой трудоемкости. Метод экстраполяции по огибающей кривой, суть которого заключается в том, что рассчитанную фактическую тенденцию развития в виде огибающей кривой продлевают на будущее, можно рекомендовать при прогнозировании отдельных показателей научно-технического прогресса (роста числа публикаций, роста числа новых видов изделий, оценки величин параметров и др.).

Применение методов экстраполяции требует творческого подхода, логического анализа полученных результатов, учета факторов, отражающих сущность исследуемых процессов и явлений. Большое значение для повышения надежности и точности экстраполяции имеет качество гипотезы будущих изменений прогнозируемой системы.

В большей степени роль гипотезы в принятии правильного решения проявляется в использовании метода экспертных оценок.

Метод экспертных оценок представляет собой процедуру формирования объективного мнения о качественных и количественных характеристиках объекта прогнозирования путем обработки и анализа совокупности индивидуальных мнений

экспертов. Качество экспертной оценки, ее надежность и обоснованность в решающей степени зависят от выбранной методики сбора и обработки индивидуальных экспертных заключений, которая включает в себя:

· выбор состава экспертов и оценку их компетентности;

· составление анкет для опроса экспертов;

· получение экспертных заключений;

· оценку согласованности мнений экспертов;

· оценку достоверности результатов;

· программу для обработки экспертных заключений.

Решение таких сложных задач, как прогнозирование развития новых направлений техники, служащее основой для определения перспективной потребности, вызывает необходимость постоянного совершенствования методов получения экспертных оценок, а также сочетания их с другими методами.

Как показывает опыт, прогнозирование развития новых направлений, например, электронной техники успешнее решается методом экспертных оценок в сочетании с методом «дерева целей» (методом PATTERN). На основе анализа составленного «дерева целей» по методу PATTERN с учетом полученных прогнозных оценок улучшения параметров основных классов приборов и основных технологических процессов определяются вероятные пути развития отдельных направлений электронной техники в перспективе на ряд лет, которые кладутся в основу прогнозирования потребности в продукции отрасли.

Методы анализа патентной информации применяются преимущественно для прогнозирования научно-технического развития. Общая идея использования патентов в научно-техническом прогнозировании исходит из того, что зафиксированное техническое решение с вероятностью, равной 2/3, будет в среднем через 2 – 5 лет в массовом производстве.

Исследования патентной информации проводятся в два этапа. На первом этапе решаются следующие вопросы: какое направление разработок перспективно, какими путями достигается это перспективное направление, каково состояние разработок. На основе анализа количества выдаваемых в единицу времени патентов выявляется динамика патентования, разрабатывается качественный прогноз с некоторыми допущениями. На следующем, втором этапе подвергается анализу перспективное направление технических разработок. Решаются следующие вопросы:

· каково состояние разработок на современном этапе и в перспективе;

· насколько существующие патенты блокировали дальнейшие разработки в этом направлении;

· какие патенты следует ожидать в ближайшем будущем?

Методика прогноза основывается на количественной оценке патентов и их сравнении по определенным критериям.

Критерии должны предусматривать оценку:

· технического уровня изобретения;

· широты проблемы;

· сложности изобретения;

· коэффициента спроса на изобретения;

· актуальности.

На основе этих оценок определяется общий уровень научно-технических разработок по данному направлению.

В настоящее время насчитывается несколько методов прогнозирования на основе обработки научно-технической (патентной) информации. К числу их можно отнести следующие:

· научно-технического прогнозирования на основе технико-экономического анализа изобретений;

· прогнозирования развития техники путем оценки инженерно-технической значимости изобретений;

· определения уровня научно-технических разработок и тенденций их развития;

· прогнозирования развития техники на основе теоретико-информационного анализа патентов;

· прогнозирования научно-технического прогресса на основе качественно-количественного анализа динамики выдачи патентов.

Из аналоговых и поисковых методов в отраслевом прогнозировании находят применение компаративный метод, морфологическое моделирование, методы случайного поиска и «мозговой атаки».

Компаративный метод основан на использовании опыта тех стран, где исследуемая техника (технология) уже получила распространение либо накоплен некоторый опыт ее разработки и прогнозирования. Этот метод широко применяется в научно-техническом прогнозировании в целях определения сроков и объемов

внедрения новой техники и технологии, а также для получения количественных значений технико-экономических показателей.

Морфологическое моделирование представляет собой метод поиска решения путем систематизированного и непредвзятого описания всех возможных решений проблемы. Применяется оно в основном в области научно-технического прогнозирования Сущность морфологического моделирования заключается в следующем:

1) производится точная формулировка проблемы, подлежащей решению;

2) отбираются все существенные характеристики (параметры), качественное и количественное описание которых определит решение проблемы;

3) для каждой характеристики (параметра) выписываются все возможные независимые решения (свойства);

4) отбираются наиболее ценные решения для дальнейших, более детальных разработок.

Метод случайного поиска заключается в свободном (неупорядоченном) рассмотрении возможных ситуаций будущего развития проблемы с последующим критическим обсуждением.

Метод «мозговой атаки» основан на проведении групповых обсуждений без взаимной оценки выступлений, высказывания носят монтажный характер, участники дополняют друг друга, приветствуются усовершенствования и сочетания выдвигаемых идей и предложений Метод «мозговой атаки» эффективен при рассмотрении следующих прогностических вопросов: организационных, методических, относящихся непосредственно к самому объекту прогнозирования

Смысл математического моделирования состоит в воспроизведении средствами логики и математики картины сложного взаимодействия факторов, управляющих развитием процессов и явлений. Конечным этапом моделирования является построение математической модели, служащей непосредственным инструментом количественного анализа и прогноза параметров объекта.

Поскольку для сложных систем, к которым относятся социально-экономические системы и явления, происходящие в них, например, процессы научно-технического развития, невозможно, как правило, построить математическую модель исключительно по результатам наблюдений за их функционированием: моделирование выполняется в несколько этапов. Основными из них являются следующие:

1) построение логической модели объекта (содержательное описание процесса, экономическая постановка задачи). В процессе построения логической модели осуществляется глубокий анализ смысла объективного процесса и управляющих им закономерностей. Изучение сущности процесса позволяет обнаружить и осмыслить ранее неизвестные его свойства и их внешние признаки. Таким образом, логическое моделирование процессов экономического развития служит средством повышения уровня знаний об их внутреннем содержании и формах его внешнего выражения;

2) построение формализованной схемы, представляющее собой промежуточный этап между содержательным описанием и математической моделью. Необходимость в построении формализованной схемы возникает, например, если информация первоначальной экономической постановки недостаточна для точного формального описания объекта и требуется проведение дополнительных исследовании. На данном этапе получает окончательную редакцию содержательное описание процесса. Формализованная схема точно указывает искомые величины, параметры системы и внешние факторы, которые должны быть учтены в модели;

3) построение математической модели, т.е. разработка системы уравнений, отражающей в статической или динамической форме зависимость основных параметров прогнозируемого объекта от внешних и внутренних факторов и условий его развития. Использование математических моделей повышает эффективность прогнозирования, позволяет рассмотреть большое число возможных вариантов прогноза и выбрать из них наилучший.

Выбор того или иного метода прогнозирования производится с учетом цели исследования, особенностей объекта, прогноза возможностей информационного обеспечения, ресурсов времени, требований точности, величины периода прогнозирования и степени освоенности данного метода. Как правило, в отраслевом прогнозировании применяется комбинация методов. Наиболее широкое распространение в практике прогнозирования развития промышленности получили три метода: экстраполяционный, экспертных оценок и экономико-математическое моделирование, а также их сочетание с другими методами.

Источник

ЭКОНОМИКА

МЕТОДИКА ПРОГНОЗИРОВАНИЯ ОСНОВНЫХ ПОКАЗАТЕЛЕЙ РАЗВИТИЯ ОТРАСЛЕЙ РОССИЙСКОЙ ЭКОНОМИКИ

А.В. ТРЕГУБ, доц. каф. прикладной математики Финансового университета при Правительстве РФ, канд. ф.-м. наук,

И.В. ТРЕГУБ, проф. каф. моделирования экономических и информационных систем Финансового университета при Правительстве РФ, д-р экон. наук

tregub50@mail.ru, ilonavl_fa@mail.ru, ФГОБУВПО Финансовый университет при Правительстве Российской Федерации,

125993, г. Москва, Ленинградский проспект д.49

Для устойчивого развития российской экономки и достижения запланированных Правительством показателей необходимо четкое представление о механизмах функционирования системы в целом и отдельных ее частей. Именно поэтому грамотное прогнозирование основных показателей развития отраслей российской экономики с определением ключевых факторов, влияющих на нее, особенно актуально на современном этапе. К сожалению, на сегодняшний день, прогнозирование экономических показателей развития телекоммуникационной отрасли и компаний, ее образующих, осуществляется преимущественно с использованием вербальных методов, основными недостатками которых является невозможность получения обоснованных количественных результатов, отражающих динамику показателей развития. Такой подход может быть связан с недостаточным пониманием возможностей математического моделирования для решения экономических задач. Представленная статья направлена на преодоление этих трудностей. В работе кратко излагается методика построения прогнозных моделей характеристик системы, которая иллюстрируется на решении задачи прогнозирования финансово-экономических показателей телекоммуникационной компании. В представленной работе прогнозирование показателей осуществляется на основе разработки математической модели развития. Построение модели начинается с обоснования спецификации модели, включающей как вербальное описание объекта исследования, так и последующее представление процесса функционирования изучаемого объекта в виде математических формул. Данный подход позволил выявить ключевые показатели развития компании телекоммуникационного сектора и управляющие переменные, воздействие на которые поможет привести к достижению запланированных финансовоэкономических показателей, а также получить конкретные количественные результаты.

Ключевые слова: эконометрические модели, прогнозирование рынка телекоммуникаций.

Развитие российской экономики на современном этапе характеризуется переходом от сырьевой направленности к инновационному этапу, ориентированному на внедрение высоких технологий во все отрасли народного хозяйства.

Как отмечено в «Концепции долгосрочного социально-экономического развития российской федерации на период до 2020 года», инновационный социально ориентированный тип экономического развития Российской Федерации должен опираться как на модернизацию сырьевых секторов российской экономики, так и на формирование новой экономики знаний и высоких технологий, в которой отрасль связи и телекоммуникаций должна занимать передовые позиции.

отраслей российской экономики с определением ключевых факторов, влияющих на нее, особенно актуально на современном этапе.

Прогнозирование показателей осуществляется на основе построения математической модели развития отрасли. Построение модели начинается с разработки спецификации модели, включающей вербальное описание объекта исследования с последующим представлением процесса его функционирования в виде математических формул. Важно четко сформулировать и обозначить проблему, стоящую перед исследователем, а также выявить все значащие факторы и закономерности, характеризующие функционирование системы.

Для того чтобы разработанная математическая модель была пригодна для прогнозирования показателей развития отрасли, необходимо собрать статистические данные об объекте-оригинале. В дальнейшем эта информация подвергается обработке при помощи корреляционного анализа, позволяющего определить тесноту и направление связи

ЛЕСНОЙ ВЕСТНИК 4/2014

231

ЭКОНОМИКА

между изучаемыми показателями и/или регрессионного анализа, который заключается в определении аналитического выражения связи зависимой случайной величины Y (называемой также результативным признаком или эндогенной переменной) с независимыми случайными величинами Х Х , Хт (называемыми также факторами или экзогенными переменными) [1].

Форма связи результативного признака Y с факторами Хг Х2,…Хт получила название уравнения регрессии. В зависимости от типа выбранного уравнения различают линейную и нелинейную регрессию (в последнем случае возможно дальнейшее уточнение: квадратичная, экспоненциальная, логарифмическая и т. д.).

В зависимости от числа взаимосвязанных признаков различают парную и множественную регрессию. Если исследуется связь между двумя признаками (результативным и факторным), то регрессия называется парной, если между тремя и более признаками – множественной (многофакторной) регрессией.

Уравнение линейной множественной регрессии имеет вид

у = a, + ax, + ax. + … + ax , (1)

где у – оцененные при помощи модели значения результативного признака, полученные путем подстановки соответствующих значений факторных признаков в уравнение регрессии; х1,…, хт – значения факторных признаков; а ,а – параметры уравнения (коэффи-

циенты регрессии).

Параметры уравнения регрессии могут быть оценены с помощью метода наименьших квадратов. Сущность данного метода заключается в нахождении параметров модели (а), при которых минимизируется сумма квадратов отклонений эмпирических (фактических) значений результативного признака от теоретических, полученных по выбранному уравнению регрессии [2], т. е.

s=ZO/->02 =

vr w у • (2)

= “ “о – «Г • хт,) ->mm.

*=1

Рассматривая S в качестве функции параметров а и проводя математические

преобразования (дифференцирование), получаем систему нормальных уравнений с т неизвестными (по числу параметров а)

п-ап +а.

УI*,

+… + dL

•Zx-=Z>’

•ZXl+arZXl2+-+am’ZXrXm =ЦуХ

(3)

2Х +°1 -ЦХ1-Хт + ••• + «„-2Х =^УХт

где n – число наблюдений;

т – число факторов в уравнении регрессии.

Решением системы уравнений являются значения параметров а, являющихся коэффициентами искомого теоретического уравнения регрессии.

Для определения величины степени стохастической взаимосвязи результативного признака Y и факторов X необходимо оценить вторые моменты:

• общую дисперсию результативного признака Y, отображающую влияние как основных, так и остаточных факторов

— 2

H(yi-y)

(4)

где у – среднее значение результативного признака Y

• факторную дисперсию результативного признака Y, отображающую влияние только основных факторов

Ш-у)2

а2 = -&а/

(5)

• остаточную дисперсию результативного признака Y, отображающую влияние только остаточных факторов

– 2

а2= ■’=*

(6)

” п-(т +1)

При корреляционной связи результативного признака и факторов выполняется соотношение

о2,< о2 при этом о2 = а2 + а2

f У г y f 0

Для анализа общего качества уравнения линейной многофакторной регрессии используют обычно множественный коэффициент детерминации R2, называемый также квадратом коэффициента множественной

232

ЛЕСНОЙ ВЕСТНИК 4/2014

ЭКОНОМИКА

корреляции R. Множественный коэффициент детерминации рассчитывается по формуле

R2 = о2, /о2 (7)

и определяет долю вариации результативного признака, обусловленную изменением факторных признаков, входящих в многофакторную регрессионную модель.

Поскольку на практике уравнение регрессии обычно оценивается на основе выборочных наблюдений, то возникает вопрос об объясняющей способности построенного уравнения. Для проверки качества спецификации разработанной модели и проверки значимости коэффициента детерминации R2 проводится тестирование модели на основе F – критерия Фишера

F=#«zm^ (8)

1-Д2 т

где п – число наблюдений;

т – число факторов в уравнении регрессии.

Примечание. Если в уравнении регрессии свободный член а0 = 0, то числитель п—т—1 следует увеличить на единицу, т.е. он будет равен п-т.

В математической статистике доказывается, что если гипотеза H0: R2=0 выполняется, то величина F имеет F-распределение с к = т и 1=п—т— числом степеней свободы, т.е.

R п-т-1 , ч

————-= Fk = m,l = n-m — ). (9)

1-Д2 т

Гипотеза Н0: R2=0 о незначимости коэффициента детерминации R2 отвергается, если F>F

кр

При значениях R2 > 0,7 считается, что вариация результативного признака обусловлена в основном влиянием включенных в регрессионную модель факторов X.

Для оценки адекватности уравнения регрессии часто [1-3] также используют показатель средней ошибки аппроксимации

в=-Х^^-100%. (10)

п i= у,

Возможна ситуация, когда часть вычисленных коэффициентов регрессии не обладает необходимой степенью значимости, т.е. значения данных коэффициентов будут меньше их стандартной ошибки. В этом слу-

чае такие коэффициенты должны быть исключены из уравнения регрессии. Поэтому проверка адекватности построенного уравнения регрессии наряду с проверкой значимости коэффициента детерминации R2 включает также и проверку значимости каждого коэффициента регрессии.

Значимость коэффициентов регрессии проверяется с помощью t-критерия Стьюден-та

t = a/0aP (11)

где о – стандартное значение ошибки для коэффициента регрессии.

В математической статистике доказывается, что если гипотеза Н: a =0 выполняется, то величина t имеет распределение Стью-дента с к = п—т—1 числом степеней свободы.

Гипотеза И0: а = 0 о незначимости коэффициента регрессии отвергается, если |tj > |t|.

Кроме того, зная значение t можно найти границы доверительных интервалов для коэффициентов регрессии

a min = а – t о , a max = а + t о . (12)

При экономической интерпретации уравнения регрессии также широко используются частные коэффициенты эластичности, показывающие, на сколько процентов в среднем изменится значение результативного признака при изменении значения соответствующего факторного признака на 1 %, и определяемые по формуле

Э*=аД (13)

_ у

где х – среднее значение соответствующего факторного признака;

у – среднее значение результативного признака;

аг – коэффициент регрессии при соответствующем факторном признаке. Следует отметить, что процедура применения метода наименьших квадратов при оценивании регрессионной модели позволяет получить состоятельные несмещенные эффективные оценки только в том случае, когда выполнены условия теоремы Гаусса-Маркова, а именно:

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

1) Математическое ожидание случайной величины et равно нулю

E(e1) = £(82) = … = EeJ = 0, (14)

ЛЕСНОЙ ВЕСТНИК 4/2014

233

ЭКОНОМИКА

2) Дисперсия случайной величины 8t постоянна (случайные возмущения гомоске-дастичны)

Var(s1) = Var(s2) = … = Var(sn) = а 2, (15)

3) Случайные возмущения некоррели-рованы между собой

Cov(e , 8.) = 0 при любом i Ф j, (16)

4) Случайные возмущения некоррели-рованы с объясняющими переменными

Cov(xh, 8i) = 0 при всех значениях

k = 1,…m; i и. (17)

При этом 8t должна быть независимой случайной величиной и иметь нормальный закон распределения.

Отметим, что после получения оценок коэффициентов модели, помимо тестирования модели, необходимо проверить выполнение условий теоремы Гаусса-Маркова, а также согласие распределения случайных остатков модели нормальному закону распределения вероятности.

Показатель средней ошибки аппроксимации вычисляется по формуле

–I1

п ы

•100%.

Уг

(18)

Позволяет сделать вывод о точности модели.

Приведенная выше методика анализа динамики системы применима для прогнозирования различных показателей разных отраслей экономики России [4-10].

Продемонстрируем приведенную выше методику для прогнозирования показателей развития телекоммуникационной отрасли российской экономики.

В качестве исследуемого финансовоэкономического показателя развития выберем выручку крупнейшей ИТ-компании. В результате проведенных на начальном этапе исследований для всех рядов данных были отобраны наиболее значимые показатели, влияющие на изучаемую величину и отражающие как внутренние характеристики системы, такие как средства, затрачиваемые компанией на рекламу своих услуг (Xj), численность персонала организации (X2), так и макроэкономическое окружение, к которым относятся размер инвестиций в основной капитал российских компаний (X3), прибыль всех крупных и средних

организаций в России (X4) и финансовый результат деятельности крупных и средних российских организаций (X5).

На основе отобранных факторов была оценена линейная модель множественной регрессии, уравнение которой приведено ниже

J^=503,07-Aj ,_4+46,1- Хъ – 0,09- Х41_2 + st , (19)

(83,8) ’ (23,9) ’ (0,04) ’ (41700)

где X – расходы на рекламу четыре квартала назад;

Х3 – величина инвестиций в основной капитал в текущем периоде;

X4t-2 – прибыль российских организаций;

8t – случайные возмущения.

В круглых скобках под значениями коэффициентов приведены значения стандартных ошибок коэффициентов и оценка дисперсии случайного возмущения.

Полученные оценки коэффициентов эконометрической модели позволяют сделать вывод о направлении и силе влияния регрессоров на объясняемую переменную.

Тест Jarque-Bera с нулевой гипотезой о том, что случайные возмущения распределены нормально, и тест Уайта с нулевой гипотезой, согласно которой гетероскедастич-ность отсутствует, позволяют сделать вывод о том, что случайные возмущения данной модели являются нормально распределенными и гомоскедастичными.

Статистика Дарбина-Уотсона равна 1,96. Это позволяет сделать вывод об отсутствии автокорреляции случайного возмущения, поскольку критические точки d и du при девяти наблюдениях, трех объясняющих переменных и уровне значимости 0,01 равны соответственно 0,279 и 1,873.

Коэффициенты при объясняющих переменных были проверены при помощи t-статистики Стьюдента и оказались значимыми.

Коэффициент детерминации R2 = 0,89 свидетельствует о высокой объясняющей способности регрессоров. А-тест подтверждает высокое качество спецификации модели.

Проведенные тесты показали хорошее качество модели и выполнение всех предпо-

234

ЛЕСНОЙ ВЕСТНИК 4/2014

ЭКОНОМИКА

сылок теоремы Гаусса-Маркова, вследствие чего оценивание коэффициентов производилось при помощи метода наименьших квадратов.

Оцененная модель была проверена на адекватность. Значения из контролирующей выборки попали в доверительный интервал, что дало основание признать оцененную модель адекватной.

Рассмотрение модели показывает, что переменные, характеризующие расходы на рекламу (X ) и прибыль всех крупных и средних организаций в России (X4i2), имеют лаговые значения. Значения регрессора X показывающего размер инвестиций в основной капитал, относятся к текущему моменту времени. Анализ модели также позволяет выявить управляющую переменную, которой является величина расходов на рекламу, совершенных четыре квартала назад.

По результатам проведенного исследования можно сделать вывод о том, что наибольшее влияние на выручку в текущем квартале оказывают расходы на рекламу, осуществленные четыре квартала назад, инвестиции в основной капитал, совершенные в том же периоде, и прибыль крупных и средних организаций в России.

Вместе с тем, анализ показывает, что не все переменные модели одинаково эффективно позволяют добиться увеличения прибыли компании телекоммуникационного сектора.

Так, каждая тысяча рублей, потраченная на рекламу в текущем периоде, принесет компании дополнительный доход год или четыре периода, равный 503 тыс. руб.

При увеличении инвестиций в основной капитал в целом компаниями российской экономики на 1 млрд руб. выручка в ИТ-сек-торе для изучаемой компании увеличится всего лишь на 46 тыс. руб.

Кроме того можно утверждать, что выручка компании в следующем квартале превысит 230 млн руб. Ожидаемое значение выручки за следующий квартал находится на уровне 279,5 млн руб., что уступает ее значению в текущем периоде на 70 млн руб., од-

нако все же является достаточно высоким по отношению к остальным прошедшим периодам.

В качестве итога работы следует отметить, что объективное внедрение математических методов при прогнозировании развития отраслей российской экономики, в том числе и рынка ИКТ, служит неотъемлемой частью анализа динамики развития российской экономики. Математические модели занимают устойчивою позицию в развитии почти любой системы, поскольку дают возможность описать и изучить процессы, происходящие в реальности.

Библиографический список

1. Трегуб, И.В. Математические модели динамики экономических систем. _ М.: Финакадемия, 2009. _ 120 с.

2. Трегуб, И.В. Прогнозирование экономических показателей на рынке дополнительных услуг сотовой связи. _ М.: ПСТМ, 2009. _ 196 с.

3. Трегуб, А.В. Методика прогнозирования показателей стохастических экономических систем / А.В. Трегуб, И.В. Трегуб // Вестник МГУЛ-Лесной вестник. _ 2008. – № 2. – С. 144-151.

4. Трегуб, И.В. Анализ современного состояния и перспективы развития рынка телекоммуникаций // Телекоммуникации. – 2008. – № 10. – С. 40-43.

5. Трегуб, И.В. Моделирование инфляционных процессов в российской экономике. // Фундаментальные исследования. – 2009. – № 1. – С. 86-87.

6. Трегуб, А.В. Построение математической модели работы предприятия в условиях изменяющихся налоговых ставок // Вестник МГУЛ-Лесной вестник. – 2009. – № 6(69). – С. 139-143.

7. Трегуб, А.В. Использование ARMA моделей для анализа поведения временных рядов. // Обозрение прикладной и промышленной математики. – М., 2011, Т. 18. – Вып. 1. – С. 152-153.

8. Трегуб, А.В. Методика построения модели ARIMA для прогнозирования динамики временных рядов / А.В. Трегуб, И.В. Трегуб // Вестник МГУЛ – Лесной вестник.- 2011. – № 5(81) – С. 179-184.

9. Трегуб, А.В. Применение моделей с авторегрессионно распределенными запаздываниями для прогнозирования динамики финансовых временных рядов. // Обозрение прикладной и промышленной математики. – М., 2012. – Т. 19. – Вып. 2. -С. 281-282.

10. Трегуб, А.В. Использование VAR моделей для анализа поведения фондовых рынков.// Обозрение прикладной и промышленной математики. – М., 2013. – Т. 20. – Вып.2. – С. 185-186.

ЛЕСНОЙ ВЕСТНИК 4/2014

235

ЭКОНОМИКА

THE METHODS OF PREDICTING THE MAIN INDICATORS OF DEVELOPMENT OF THE RUSSIAN ECONOMY

Tregub A.V., PhD. in Physics and Mathematics, senior lecturer, Department of Applied Mathematics, Financial University under the Government of the Russian Federation 49, Leningradsky Prospekt, Moscow, 125993, Tregub I.V., ScD. in Economics, professor, Modelling of Economic and Information Systems Department, Financial University under the Government of the Russian Federation

tregub50@mail.ru, ilonavl_fa@mail.ru

Federal State-Funded Educational Institution of Higher Professional Education Financial University under the Government of the

Russian Federation 49, Leningradsky Prospekt, Moscow, 125993

For sustainable development of the Russian economy and for achieving the planned dy Government indicators, it is necessary to clear understand the function mechanisms of the system as a whole and its parts in particular. That is why reliable forecasting of the main indicators of development of the Russian economy with the definition of the key factors affecting it, is especially important at the present stage. Unfortunately, at the present moment, the forecasting of economic development indicators of telecommunications industry and the companies that compose it, is carried out mainly using verbal methods, the main disadvantage is the inability to obtain reasonable quantitative results, reflecting the dynamics of development. Such an approach may be associated with a lack of understanding the possibilities of mathematical modeling for solving economic problems. Presented article aims to overcome these difficulties. The paper outlines the procedure for constructing predictive models of system performance, which is illustrated on the task offorecasting financial and economic indicators Telecommunications Company. In this work, performance prediction is based on the development of mathematical model development. Construction of the model begins with the study of model specification, including both verbal description of the study and the subsequent presentation of the functioning of the studied object in the form of mathematical formulas.

This approach allowed us to identify key indicators of the development of the telecommunications sector and the control variables, the impact of which will lead to the achievement of plannedfinancial and economic indicators, as well as get specific quantitative results.

Key words: Econometric Models, Forecasting the Telecommunications Market

Reference

1. Tregub I.V. Matematicheskie modeli dinamiki ekonomicheskikh sistem [Mathematical models of the dynamics of economic systems]. Moscow. Finance Academy, 2009. 120 p.

2. Tregub I.V. Prognozirovanie ekonomicheskikh pokazateley na rynke dopolnitel’nykh uslug sotovoy svyazi [Forecasting of the economic indicators in the VAS market]. Moscow. PSTM, 2009. 196 p.

3. Tregub A.V, Tregub I.V Metodika prognozirovaniya pokazateley stokhasticheskikh ekonomicheskikh sistem [The method of predicting performance of stochastic economic systems]. Bulletin of Moscow State University of Forest – Forestry Bulletin. 2008. № 2. pp. 144-151.

4. Tregub I.V Analiz sovremennogo sostoyaniya iperspektivy razvitiya rynka telekommunikatsiy [Analysis of the current state and prospects of development of the telecommunications market]. Telecommunications. 2008. № 10. pp. 40-43.

5. Tregub I.V Modelirovanie inflyatsionnykhprotsessov v rossiyskoy ekonomike [Modelling of inflation in the Russian economy]. Basic research. 2009. № 1. pp. 86-87.

6. Tregub A.V Postroenie matematicheskoy modeli raboty predpriyatiya v usloviyakh izmenyayushchikhsya nalogovykh stavok [Construct a mathematical model of the enterprise in terms of changing tax rates]. Bulletin of Moscow State Forest University

– Forestry Bulletin, 2009 № 6 (69), p. 139-143.

7. Tregub A.V Ispol’zovanie ARMA modeley dlya analiza povedeniya vremennykh ryadov [Using ARMA models to analyze the behavior of time series]. Review of Industrial and Applied Mathematics, Moscow, 2011, Volume 18, Issue 1, p. 152-153.

8. Tregub A.V Tregub I.V Metodika postroeniya modeli ARIMA dlya prognozirovaniya dinamiki vremennykh ryadov [The method of constructing an ARIMA model to predict the dynamics of the time series]. Bulletin of Moscow State University of Forest

– Forestry Bulletin. 2011, № 5 (81), p. 179-184 .

9. Tregub A.V Primenenie modeley s avtoregressionno raspredelennymi zapazdyvaniyami dlya prognozirovaniya dinamiki finansovykh vremennykh ryadov [Application of models with autoregressive distributed lag -tions to predict the dynamics of financial time series]. Review of Industrial and Applied Mathematics, Moscow, 2012, Volume 19, Issue 2, p. 281-282.

10. Tregub A.V Ispol’zovanie VAR modeley dlya analiza povedeniya fondovykh rynkov [Using VAR models to analyze the behavior of stock markets]. Review of Applied and Industrial Mathematics, Moscow, 2013, Volume 20, Issue 2, p. 185-186.

236

ЛЕСНОЙ ВЕСТНИК 4/2014

Источник

Для грамотного ведения маркетинговой политики необходимо четко понимать, в каком состоянии находится рынок и в каком направлении идет его развитие. Текущим состоянием рынка определяется максимальная прибыль, которую может извлечь предприниматель, и возможные пути ее получения. Поэтому важно фиксировать результаты, достигнутые ранее, и наблюдать за тенденциями, чтобы иметь фактический материал для того, чтобы выработать прогноз развития рынка.

Основные задачи прогноза развития рынка

Ключевая цель любых мероприятий по анализу рынка (оперативному и стратегическому) – выявление закономерностей его развития в будущем. Для выработки маркетинговой стратегии необходимы научно обоснованные прогнозы перспектив развития рынка. Отрасли бизнеса, которые специализируются на производстве товаров или торговле ими, интересуются в первую очередь потребностями людей, определяющими динамику покупательского спроса. Кроме того, компаниям необходимо как можно более трезво оценивать собственные возможности, чтобы находить способы завоевания конкурентных преимуществ, оптимально использовать собственные и заемные ресурсы, намечать пути своего дальнейшего развития и целесообразность инвестиций.

Таким образом, для формирования успешной маркетинговой политики любой бизнес нуждается в анализе рынка, конечная цель которого – прогноз его развития. Аналитическая деятельность решает три задачи:

Выявление актуальных трендов в области динамики и структуры товарооборота и покупательского спроса, как конъюнктурных (охватывающих ближайший промежуток времени), так и стратегических (охватывающих долговременную перспективу).
Изучение и построение модели влияния совокупности различных факторов (экономических, социальных, торгово-организационных) на товарооборот и спрос.
Поиск новых возможностей и вариантов развития бизнеса, выработка конкурентных преимуществ, которые станут востребованы на рынке в ближайшем или отдаленном будущем.

Закономерности развития рынка дают понимание того, как именно и в каких пределах будут протекать различные рыночные процессы, каких последствий ожидать бизнесу. Модели рыночных прогнозов должны складываться в целостную и непротиворечивую картину экономических и социальных факторов, определяющих перспективы развития рынка.

Маркетинг необходим для предсказания наиболее вероятных путей развития событий на товарных рынках и управления будущими изменениями. Для построения прогноза следует учитывать ряд объективных факторов, прежде всего:

производственные: планы, нормы и текущие задачи;
рыночные: ожидаемый товарооборот, цены, показатели прибыльности и рентабельности, объем, структура и динамика товарного предложения;
планируемые инвестиции, расширение производства и торговых сетей;
социально-демографические: ожидаемая структура, численность, состав покупателей, их миграции и потребности (материальные, информационные и любые другие).

Как собрать информацию, чтобы составить прогноз развития рынка

Ситуация на рынке формируется под воздействием различных факторов, в первую очередь социальных, экономических, политических, технических, научных и информационных. Проводя анализ того или иного рынка, исследователь должен определить, насколько значим каждый из них и какова специфика их влияния на развитие рынка, и разработать прогноз.

Конъюнктурой рынка называется фактическое соотношение между предложением и спросом на тот или иной вид товаров и уровень цен на него. Ее изучают на трех уровнях: товарном, отраслевом, общеэкономическом. Главные объекты анализа, направленного на создание прогноза развития рынка, – это диапазон цен, условия продажи, объемы товарных запасов, показатели предложения и спроса, общее состояние производства.

Исследование рыночной конъюнктуры призвано найти ответы на вопросы:

какова степень влияния на состояние рынка тех или иных производителей;
каким может быть развитие данного рынка в скором и отдаленном будущем (прогнозы и предположения);
как наиболее полно удовлетворить потребности и запросы покупателей;
есть ли способы оптимизировать производственные мощности компаний и использовать их более разумно и т. д.

Подход к изучению конъюнктуры рынка товаров должен быть комплексным. То есть желательно применять различные модели построения прогнозов и аналитические методики и использовать широкий диапазон источников информации.

Чаще всего сбор и анализ рыночной информации осуществляется посредством методов наблюдения, опроса, моделирования и эксперимента.

Такой метод, как наблюдение, является наиболее простым, но в то же время самым эффективным. Он представляет собой систематический сбор данных, характеризующих ситуацию на товарных рынках, и их ретроспективный анализ с выработкой прогноза по таким параметрам, как емкость рынка, число поставщиков определенных видов продукции, объемы сбыта (в денежном и натуральном выражении), динамика и скорость сбыта, запасы товаров на всех этапах сбыта. Метод наблюдения рассматривает объект исследования в его естественной среде и основывается на актуальных фактических данных, поэтому обеспечивает высокую (сравнительно с другими методами) достоверность и объективность оценок и прогнозов.

Помимо наблюдения, исследователи рынка активно применяют опрос
– получение информации специалистом-аналитиком непосредственно у покупателей, клиентов, сотрудников предприятий в форме устного или письменного интервью либо анкетирования. Опросные методики незаменимы в ситуациях, когда нужно установить причины отказа от совершения покупки или возврата продукции, прояснить предпочтения покупателей и логику выбора того или иного товара. Обычно опрос используется в совокупности с наблюдением.

К более сложным методам относится эксперимент – изучение воздействия одних факторов на другие в реальной обстановке путем искусственного создания необходимых условий. Эксперимент используется для установления причинно-следственных взаимосвязей при изменении одного или нескольких условий развития рынка (к примеру, рост объемов продаж в результате снижения цен) и обеспечивает возможность отслеживать различные рыночные факторы по отдельности, ограничивая влияние посторонних факторов.

Достоверность анализа конъюнктуры рынка в значительной мере определяется качеством исходных данных. Системой информационного обеспечения, в которой хранится общая, специальная и коммерческая информация, должна обладать любая компания.

Информация общего характера – это сведения о ситуации на рынке в целом (применительно к развитию данной отрасли или производства). Это отраслевая и государственная статистика, официальные формы отчетности и бухгалтерского учета.

Информация коммерческого характера касается вопросов сбыта производимых товаров. Компании получают ее от партнеров в процессе информационного обмена. Это предложения в области ассортиментной политики, обзоры рыночной конъюнктуры, статистические материалы, получаемые от служб исследования рынка, заказы и заявки торговых фирм.

Информация специального назначения приобретается компаниями в ходе специально проводимых мероприятий, направленных на изучение развития рынка. Некоторые из таких материалов можно получить в научно-исследовательских организациях, другие компания создает своими силами. Сюда относятся опросы покупателей и широких слоев населения, интервью с экспертами и работниками производства и торговли, отраслевые выставки-ярмарки, конъюнктурные совещания. Кроме проведения опросов и подобных процедур, эти специфические сведения получить неоткуда, поэтому такая информация весьма ценна. Любое исследование, касающееся конъюнктуры рынка, его развития и построения прогнозов, должно строиться на больших массивах специальной информации.

Собственными источниками информации компаний, которые осуществляют наблюдение за ситуацией на товарном рынке, являются магазины, играющие роль опорных пунктов, посреднические торговые сети, специальные потребительские панели.

Сеть опорных пунктов необходима компаниям для наблюдений за динамикой спроса на свои товары среди населения. Она включает в себя точки сбыта в виде фирменных магазинов, торгующих данными товарами в зоне сбыта и обязавшихся, на договорных началах, вести наблюдения за спросом.

Посредническая сеть обычно состоит из оптовых фирм и торговых предприятий. Они тоже отлеживают развитие спроса на рынке определенного товара и изменения его конъюнктуры.

Потребительская панель – это определенная выборка покупателей (или их семей), регулярно участвующих в повторяющихся исследованиях спроса, которые организует служба изучения рынка компании. Панельные исследования в виде опросов необходимы для выявления тенденций в динамике потребления и сбора мнений потребителей о товаре. Формирование панели подчиняется ряду требований, которые обеспечивают ее представительность: участники отбираются по возрасту, полу, месту проживания, уровню доходов и другим параметрам.

Эти три источника информации поставляют важные сведения, которые следует хранить в виде информационной базы. База должна регулярно обновляться и быть всегда в актуальном состоянии (а не только в предплановый период). Именно на нее опираются маркетологи компании, занимающиеся изучением развития рынка и выдвижением прогнозов.

Для решения этой задачи проводится анализ показателей производства и поставок того или иного вида товаров, объемов розничных продаж и их структуры, величин товарных запасов на складах и на различных торговых точках. Кроме того, анализируются и сопоставляются сведения о количестве оптовых заказов, заявок на товар, его движение в пределах розничных торговых сетей. Итогом исследований является прогноз развития рынка определенного товара.

Модели прогнозирования рынка

Маркетинговое исследование может опираться на разные методы построения прогнозов развития рынка. В частности, это экстраполяционные, имитационные и аналоговые, факторные регрессионные, экспертные прогнозные модели.

Экстраполяция – самый популярный и простой способ создания прогнозов рыночных процессов, лучше всего подходит для построения краткосрочного прогнозирования. Он заключается в распространении трендов, актуальных в настоящий момент, на ближайший отрезок будущего, и может осуществляться двумя методами:

Техническим – путем продления существующей линии тренда на графике (приблизительно, «на глаз»).
Посредством создания статистической модели тенденции. В этой модели развития рынка присутствует фактор времени (t), заменяемый на номер периода, по которому строится прогноз. Чем точнее выстроен график текущего тренда и чем лучше он соответствует эмпирическим данным, тем качественнее получится экстраполяция. Эта модель подходит для анализа устойчивых рынков со стабильными темпами развития.

У данного метода построения прогнозов есть свои недостатки, и главные из них – невозможность учесть внезапные изменения внешних условий, которые могут сильно повлиять на развитие того или иного рынка (ведь модель предполагает стабильность среды). В общем-то, любые прогнозы всегда опираются на уже имеющуюся информацию и распространяют тенденции прошлого на будущее, и во многих случаях (особенно на коротких отрезках времени) это вполне оправданно – ведь развитие рынка всегда характеризуется некоторой инерцией. Но в более глубоких прогнозах, охватывающих значительные промежутки времени, фактор неожиданности должен присутствовать так или иначе, ведь внешние условия всегда могут измениться, и развитие рынка пойдет другим путем. Прогноз может быть многовариантным и включать в себя несколько разных сценариев в установленных рамках достоверности исходя из различных внешних условий.

Иногда маркетинговое планирование преследует немного иную цель: определение точек развития рынка, которые должны быть пройдены к определенному моменту. Прогноз в таких случаях имеет форму траектории развития, которой должна придерживаться компания в заданных условиях функционирования рынка.

Аналоговая модель построения прогноза развития рынка довольно проста и очевидна: выбираем рынки, существующие в условиях, сходных с нашими, отслеживаем их состояние и создаем прогноз их развития. Эти рынки могут различаться по географическим, демографическим, социальным, структурным признакам, но исходные условия должны совпадать с условиями анализируемого бизнеса (иначе придется вводить поправки на их различия). Однако такие прогнозы развития рынка на основании уже имеющихся сценариев очень приблизительны и годятся лишь в качестве ориентира, а не полноценной модели.

Имитационная модель построения рыночных прогнозов основывается на точном измерении соотношений параметров рынка и нахождении взаимосвязей между ними и внешними факторами, определяющими динамику спроса и предложения. Этот метод примечателен тем, что расчет различных сценариев может проводиться очень оперативно.

Прогнозы развития рынка на средние и длительные сроки обычно строятся при помощи методов статистического моделирования, которое может быть многофакторным. Методы этого типа используют массовые наблюдения за процессами на рынке, на основании которых делаются выводы о наличии неких взаимосвязей и закономерностей развития рынка. В уравнения регрессии можно подставить нужные значения (планируемые или наблюдаемые) и просчитать необходимые прогнозы. Статистическое исследование, нацеленное на формирование прогноза развития рынка, может использовать разные модели в зависимости от того, какой именно рынок рассматривается.

Чтобы составить прогноз развития рынка, компания нуждается в большом объеме информации, которой у нее часто нет. Поэтому стоит обратиться к профессионалам. Наша информационно-аналитическая компания «VVS» является одной из тех, что стояли у истоков бизнеса по обработке и адаптации рыночной статистики, собираемой федеральными ведомствами. Компания имеет 19-летний опыт в сфере предоставления статистики рынка товаров как информации для стратегических решений, выявляющей рыночный спрос. Основные клиентские категории: экспортеры, импортеры, производители, участники товарных рынков и бизнес услуг B2B.

Узнать подробнее

Наибольший авторитет компания завоевала в следующих отраслях:

коммерческий транспорт и спецтехника;
стекольная промышленность;
химическая и нефтехимическая промышленность;
строительные материалы;
медицинское оборудование;
пищевая промышленность;
производство кормов для животных;
электротехника и другие.

Качество в нашем деле – это, в первую очередь, точность и полнота информации. Когда вы принимаете решение на основе данных, которые, мягко говоря, неверны, сколько будут стоить ваши потери? Принимая важные стратегические решения, необходимо опираться только на достоверную статистическую информацию. Но как быть уверенным, что именно эта информация достоверна? Это можно проверить! И мы предоставим вам такую возможность.

Основными конкурентными преимуществами нашей компании являются:

Точность предоставления данных. Предварительная выборка внешнеторговых поставок, анализ которых производится в отчете, четко совпадает с темой запроса заказчика. Ничего лишнего и ничего упущенного. В результате на выходе мы получаем точные расчеты рыночных показателей и долей рынка участников.
Подготовка отчетов «под ключ» и удобство работы с ними. Информация быстро воспринимается, так как таблицы и графики простые и понятные. Агрегированные данные по участникам рынка сведены в рейтинги участников, вычислены доли рынка. В результате сокращается время изучения информации и есть возможность сразу переходить к принятию решений, которые «на поверхности».
Заказчик имеет возможность получить часть данных бесплатно в форме предварительной экспресс-оценки рыночной ниши. Это помогает сориентироваться в ситуации и решить, стоит ли изучать глубже.
Мы не только рассказываем о рыночной нише заказчика, но и подсказываем наиболее близкие ниши. Даем возможность вовремя найти решение – не замыкаться на своем товаре, а обнаружить выгодные новые ниши.
Профессиональная консультация с нашими отраслевыми менеджерами на всех этапах сделки. Мы – создатели данной ниши анализа экспорта-импорта на основе таможенной статистики, наш почти 20-летний опыт – залог эффективного сотрудничества.

Уточнить все детали можно по телефонам: +7 (495) 565-35-51 и 8 (800) 555-34-20.

Заказать обратный звонок

Источник

Методология
отраслевого прогнозирования основывается
на двух основных подходах: нормативном
и поисковом.

Основу
нормативного
подхода
составляет постановка целей развития
отрасли исходя из макроэкономических
задач развития страны. Например,
обеспечение определенных подразделений
хозяйства страны продукцией отрасли,
увеличение поставок на экспорт и др.
Сформулированные цели должны быть
развернуты в виде «дерева целей» вплоть
до конкретных направлений развития
отрасли. Этому подходу соответствует
активный
способ прогнозирования экономических
процессов.

Поисковый
подход
состоит
в изучении тенденций и выявлении
закономерностей в развитии отрасли. В
результате определяется уровень развития
отрасли, который может быть достигнут
в результате сохранения в будущем
закономерностей прошлого и настоящего.

Поисковый
подход позволяет обнаружить «тупиковые»
проблемы и неблагоприятные тенденции
в развитии отрасли.

В случае
возникновения «разрыва» между показателями
нормативного и поискового подходов,
определяют круг проблем, решение которых
позволит заполнить полученный «разрыв».
Основными источниками заполнения
«разрыва» являются – изменение структуры
производимой отраслью продукции,
основных фондов, повышение эффективности
работы отрасли.

Процедура
разработки
отраслевых прогнозов включает следующие
основные этапы:

1.
Формулировка цели и задач отраслевого
прогноза;

2. Описание
и анализ развития отрасли за прошлый и
настоящий периоды, оценка результатов
ранее разработанных прогнозов;

3. Прогноз
основных направлений развития отрасли
на основе поискового подхода;

4. Прогноз
основных направлений развития отрасли
на основе нормативного подхода;

5. Выявление
«разрывов» между показателями поискового
и нормативного подходов, их анализ и
выявление проблем развития отрасли.
Разработка путей решения проблем и на
их основе – вариантов развития отрасли
с учетом ограничений внутреннего и
внешнего характера.

6. Выбор
варианта развития отрасли. Разработка
исходной информации для межотраслевого
баланса.

Второй
и третий этапы являются главными
элементами всей организации отраслевого
экономического прогнозирования, т.к. в
ходе их реализации осуществляется
процесс разработки прогноза.

Отраслевой
прогноз может состоять из следующих
основных разделов:

1.
Целевой
раздел, в
котором обоснованы цели и задачи
построения прогноза;

2.
Раздел
сравнительной оценки
прогнозных разработок по данной отрасли
в стране в целом и за рубежом;

3.
Прогнозный
раздел, в
котором представлены расчеты и результаты
прогноза;

4.
Раздел, раскрывающий организационно-технические
мероприятия
по реализации прогноза;

5.
Итоговый
раздел,
содержащий главные выводы и рекомендации

Выбор методов
построения отраслевого прогноза.
В отраслевом прогнозировании используют
общие методы социально-экономического
прогнозирования. Выбор метода
прогнозирования зависит от применяемого
прогностического
подхода. При
нормативном
подходе
часто используются метод «Дерево целей»
в сочетании с экспертными оценками.

При
поисковом
подходе
наиболее приемлемы – методы экстраполяции,
моделирования и патентный метод.

1.
Методы
экстраполяции.
Применительно к отраслевому прогнозированию
методы экстраполяции позволяют по
данным ряда динамики предсказать
изменение изучаемого процесса. На
практике методы экстраполяции используются
в сочетании с другими методами.

2.
Методы
экспертных оценок.
В отраслевом прогнозировании наибольшее
распространение получили метод экпертных
комиссиий, метод «Дельфи» и метод
интервью.

Эти
методы обычно используются для
прогнозирования еще недостаточно
изученных экономических процессов.

3.
Методы
математического моделирования.
Результатом
их применения являются математические
модели (однофакторные или многофакторные),
имитирующие реальные хозяйственные
процессы.

Основу
математического моделирования составляет
поиск вида и параметров функций
(регрессий), в которых в качестве зависимой
переменной выступает прогнозируемый
показатель, а независимой – формирующие
его факторы.

В
отраслевом прогнозировании широко
применятся экономико-статистические
модели типа производственных
функций,
описывающие статистическую зависимость
результатов производства (зависимая
переменная) от затрат различных
производственных ресурсов (независимая
переменна). Производственные функции
могут быть построены для предприятий,
отраслей и экономики всей страны.
Например, производственная функция для
угольной отрасли имеет следующий вид:

Qt=99,2+30,1*Ft+175.3*Lt+2.76*Pt,
где

Qt–
объем добычи угля, тн; Ft
– среднегодовая
стоимость основных промышленно-производственных
фондов; Lt
– численность промышленно-производственного
персонала; Pt
– горно-геологический фактор
(производительность платов).

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник

Обновлено: 23.05.2023

Эффективность прогнозирования основных показателей развития промышленности в народном хозяйстве на основе межотраслевых моделей достаточно высока.

Основная проблема прогнозирования промышленной политики и структуры заключается в том, чтобы автономные прогнозы развития крупных отраслей и межотраслевых комплексов можно было использовать в межотраслевых моделях развития народного хозяйства. Отраслевые прогнозы должны разрабатываться с учетом необходимости их дальнейшего согласования, заключающегося не во внесении отдельных поправок, а в достижении полного соответствия показателей развития отдельной отрасли промышленности задачам народного хозяйства в целом. Для согласования отраслевых прогнозов на межотраслевом уровне в основе их разработки должен присутствовать ряд принципов, обеспечивающих соответствие формы отраслевого прогноза предъявляемым к ней требованиям.

То, задачи отраслевого прогнозирования должны быть подчинены задачам разработки общего прогноза развития народного хозяйства.

Развитие и регулирование отраслей материального производства (промышленная политика) неразрывно связано с развитием других отраслей народного хозяйства. Оно обеспечивается получаемыми из народного хозяйства ресурсами и, в свою очередь, обеспечивает развитие народного хозяйства. Отрасль в отраслевом прогнозе нельзя рассматривать как автономную единицу, имеющую собственные цели развития, например максимальное обновление основных фондов. Основной задачей отрасли при разработке отраслевого прогноза должно быть удовлетворение потребностей народного хозяйства в отраслевой продукции.

Промышленная политика должна разрабатываться на основе единой методологии. Возможность согласования отраслевых прогнозов обеспечивается сопоставимостью сопоставимостью их показателей, с помощью которых осуществляется распределение между отраслями капитальных вложений трудовых ресурсов, сырья, топлива, энергии. Естественной основой разработки отраслевых прогнозов является единая или приводимая к единой отраслевая классификация, обеспечивающая возможность построения основного инструмента их согласования — межотраслевой модели.

Отраслевые прогнозы должны носить комплексный характер и отражать все основные стороны развития отраслей промышленного производства. Необходимость соблюдения этого принципа обуславливается комплексным характером народнохозяйственного прогноза. Развитие отрасли неразрывно связано как с экономическим, так и социальным развитием общества. Комплексность отраслевого прогноза в промышленности обеспечивается его непосредственной связью с системой прогнозов, охватывающей различные стороны общественной жизни.

Перечисленные выше принципы прогнозирования отражают определенные требования к отраслевым прогнозам на межотраслевом уровне и обеспечивают возможность их использования при разработке народнохозяйственной промышленной политики с учетом ресурсов и потребностей общественного развития. Из изложенных принципов можно видеть, что речь в дальнейшем будет идти об отраслевом макропрогнозе, т. е. прогнозе развития отраслей промышленности как единого целого в отличие от прогнозов развития отрасли как совокупности подотраслей, производств, монологических способов или отдельных предприятий. Макропрогноз отрасли промышленности можно рассматривать как обобщение прогноза развития отрасли в разрезе ее отдельных составляющих.

Согласование отраслевых прогнозов в промышленности в наиболее общем виде можно представить как итеративный процесс, проходящий как горизонтально между прогнозами отраслей промышленности, так и вертикально, между макроэкономическим и межотраслевым уровнями. Он должен заключаться в поэтапном приближении суммы отраслевых ресурсов и объемов производства промышленного производства к соответствующим народнохозяйственным показателям, а конечных продуктов отраслевых прогнозов — к конечным продуктам, определяемым по отношению к отраслевым прогнозам экзогенно как функции общего объема конечного продукта народного хозяйства с учетом оценок общей системы прогнозов развития общества.

Процесс согласования позволяет связать целевые нормативы развития промышленного комплекса с его ресурсами и определить соответствующую инфраструктуру промышленного производства. Он может быть формальным или в значительной степени или полностью неформальным. В случае полной формализации он сводится к оптимизационной модели, из которой может быть определен конечный продукт, соответствующий наиболее полному удовлетворению потребностей при существующих в прогнозном периоде ограничениях на производственные ресурсы. Неформальный процесс согласования дает возможность получить достаточно близкий к оптимальному сбалансированный вариант развития отраслей промышленного производства. При этом появляется возможность осуществлять постоянный контроль за реальностью показателей прогноза.

Для реализации итеративного процесса согласования и качестве отправной точки необходимы определенные варианты отраслевых прогнозов примышленного производства, включающие объемы ресурсов отраслей, соответствующие им объемы производства и описания производственных механизмов отраслей, позволяющих связать объемы производства с ресурсами.

Окончательные уровни ресурсов и целевых нормативов отдельных отраслей промышленности определяются в процессе согласовании отраслевых прогнозов на основе общих ограничений по ресурсам, и в исходных прогнозах эти величины заведомо подвергаются изменениям. Этим изменениям должны соответствовать изменения в описании производственного механизма отрасли промышленного производства, отражающие зависимость параметром модели от ее переменных. Поскольку итеративный процесс согласования допускает значительные изменения в тенденциях развития отраслей, описание производственного механизма может потребовать в ходе его реализации существенной корректировки. Поэтому в исходном отраслевом прогнозе промышленного производства итеративного процесса согласования первостепенное значение приобретает описание производственного механизма отрасли, обеспечивающего соответствие выпуски продукции направляемым в отрасль ресурсам.

Изложенные выше принципы отраслевого прогнозирования и необходимость корректировки описания производственного механизма отрасли полностью определяют форму отраслевого прогноза промышленного производства. Очевидно, что прогнозы, представляющие собой жестко определяемые варианты развития отрасли, не приспособлены для согласования на основе итеративного процесса. Фиксированными в исходном отраслевом прогнозе промышленного производства могут быть лишь объемы ресурсов и выпуска продукции, используемые на первой итерации процесса согласования в качестве входных величин. Описание производственного механизма должно обеспечивать возможность корректировки прогноза и строиться на совершенно иной основе. Оно должно отражать не определенный вариант развития отрасли промышленного производства и не набор таких вариантов, а все реальное пространство, в котором могут изменяться в прогнозном периоде отраслевые ресурсы и выпуск продукции.

Главным инструментом описания производственного механизма отрасли в реальном пространстве ее развития должны служить не фиксированные величины и коэффициенты, а уравнения, позволяющие определять их значения дли различных уровней ресурсов отрасли промышленного производства. Линейная зависимость будет характерна лишь для части переменных и определенной части этого пространства, общим случаем будет нелинейная зависимость. Прогноз производственного механизма должен отражать эффективность расширения производства и возможность замещения ресурсов, что позволяет более точно описать в модели реальные экономические процессы и создает дополнительные возможности оптимизации в ходе согласования отраслевых прогнозов промышленного производства, выработки промышленной политики. Гибкое описание производственного механизма отрасли дает возможность при корректировке отраслевого прогноза определять новые параметры модели как функции переменных на основе достаточно простых расчетов. Такая форма прогнозов промышленного производства является единственно приемлемой для итеративного процесса их согласования.

При гибкой форме отраслевых прогнозов промышленного производства основные усилия по разработке межотраслевого прогноза будут сосредоточены на составлении отраслевых прогнозов, адекватно описывающих возможные варианты развития отраслей в прогнозном периоде и обеспечивающих быстрый переход от одного варианта к другому в зависимости от выделяемых отрасли ресурсов.

Набор возможных вариантов развития отрасли промышленного производства с точки зрения итеративного процесса согласования представляет интерес прежде всего как возможная основа для гибкого описания механизма связей ресурсов с выпуском. При наличии достаточно большого числа вариантов уравнения связи параметров и переменных отраслевого прогноза могут быть получены с помощью статистического выравнивании их показателей. Независимо от путей построения исходного отраслевого прогноза итеративного процесса согласования варианты развития отрасли, связанные с уникальными проектами или качественно отличающимися решениями отраслевых проблем, должны быть отражены в нем как плоскости в общем реальном пространстве развития отрасли. При согласовании отраслевых прогнозов их корректировка может быть привязана к таким вариантам развития с учетом необходимых дополнений.

Таким образом, исходный отраслевой прогноз промышленного производства, разрабатываемый для включения в общую межотраслевую модель и расчете на итеративный процесс согласования, должен состоять из прогноза механизма связей ресурсов и выпуска отрасли, описывающего пространство возможного развития отрасли, и прогноза отраслевых ресурсов и выпуска продукции отрасли, описывающего определенную плоскость в этом пространстве. При этом нельзя недооценивать значения фиксированных оценок ресурсов и выпуска продукции в исходном прогнозе. Быстрота сходимости любого итеративного процесса зависит от того, насколько исходный вариант близок к окончательному, а в некоторых итеративных схемах исходный вариант в значительной мере определяет вид окончательного варианта. Поэтому фиксированный вариант прогноза отраслевых ресурсов промышленного производства и выпуска должен быть обоснованным и правдоподобным.

Существенное значение при разработке прогноза промышленного производства приобретает определение вероятных границ развития отрасли промышленности в прогнозном периоде.

Нижняя граница возможной области развития может быть определена на основе строительного задела на начало прогнозируемого периода. При этом необходимо учитывать комплексность ввода мощностей во многих отраслях промышленного производства.

Верхняя граница области возможного развития определяется максимальным объемом отраслевых ресурсов промышленного производства. Основными ограничивающими факторами здесь являются производственные мощности специализированных организаций, ведущих строительство в отрасли, и мощности по производству основного оборудования отрасли промышленного производства. Оценки их влияния могут быть получены экспертным путем или с помощью методов экстраполяции и моделирования.

Разработка прогнозов механизма связей ресурсов с выпуском продукции, охватывающих области возможного развития отраслей промышленного производства, позволит не только согласовывать отраслевые прогнозы промышленного производства с учетом замещаемости ресурсов и зависимости коэффициентов от переменных межотраслевой модели, но и обеспечить возможность широкого исследования различных вариантов развития промышленного производства.

Система уравнений прогнозирования промышленного производства должна соответствовать системе уравнений, описывающих отрасль в межотрасленой модели, и полностью отражать процесс превращения ресурсов отрасли в выпуск ее продукции.

Отраслевые ресурсы могут иметь три конкретные формы:

1) трудовые ресурсы;

2) материально-вещественные потоки;

3) денежные средства.

В зависимости от описываемого процесса на первый план могут выступить ресурсы в любой из этих форм, но очевидно, что денежные ресурсы должны быть обеспечены материальными и трудовыми ресурсами.

По источникам происхождения можно выделить:

1) ресурсы, направляемые в отрасль из народного хозяйства;

2) внутренние ресурсы отрасли.

Такое деление соответствует особенностям перераспределения ресурсов в процессе согласования отраслевых прогнозов— только народнохозяйственные ресурсы подлежат перераспределению, хотя развитие отраслей обеспечивается обоими видами ресурсов.

По целевому назначению ресурсы могут быть разделены па:

1) ресурсы на образование производственного потенциала;

2) ресурсы, обеспечивающие использование производственного потенциала. К первой группе относятся труд и средства труда, ко второй — предметы труда. Особо в ресурсах должен быть выделен импорт отраслевой продукции.

Первый этап процесса превращения ресурсов в выпуск продукции — процесс превращения ресурсов на образование производственного потенциала в его компоненты. Примером такого процесса является капитальное строительство, в ходе которого денежные ресурсы отрасли превращаются в продукцию фондопроизводящих отраслей и в конечном итоге принимают форму основных фондов отрасли. По продолжительности этот процесс, как правило, превышает принятый в экономико-математическом моделировании временной шаг — календарный год. Сходный характер имеют процессы подготовки квалифицированных кадров отрасли, вовлечения полезных ископаемых в промышленный оборот, научно-технический прогресс в отрасли.

Ресурсы, преобразованные в часть компоненты производственного потенциала отрасли, участвуют в формировании этой компоненты в определенном году прогнозного периода. Формирование компонент производственного потенциала представляет собой второй этап процесса превращении ресурсов в выпуск продукции.

Объединение компонент в производственный потенциал отрасли промышленного производства создает необходимые условия для осуществления производственного процесса и превращения сырья, материалов, топлива, энергии в отраслевую продукцию. Это третий этап процесса превращения ресурсов отрасли в продукцию.

Последний, четвертый этап превращения ресурсов в выпуск— производственный процесс в отрасли, потребление сырья и материалов и выпуск продукции.

В действительности процесс образования производственного потенциала отрасли и его использование осуществляются одновременно. Принятое описание лишь подчеркивает, что в основе производственного процесса лежит определенный производственный потенциал отрасли.

Отраслевая продукция в натуральном и стоимостном выражении является результатом процесса преобразования ресурсов и основным итогом развития отрасли.

Таким образом, в общем виде структура прогноза отраслей промышленного производства, отражающая основные этапы процесса преобразования отраслевых ресурсов в выпуск продукции, может быть изображена следующим образом.

1. Прогноз отраслевых ресурсов.

2. Прогноз механизма связей ресурсов с выпуском:

1) прогноз производственного потенциала отрасли:

а) преобразование ресурсов в компоненты производственного потенциала;

б) формирование компонент производственного потенциала;

в) оценка производственного потенциала отрасли;

2) прогноз использования производственного потенциала.

Раздел: Экономико-математическое моделирование
Количество знаков с пробелами: 22999
Количество таблиц: 0
Количество изображений: 0

ГОСТ

Сущность и значение прогнозирования

Многие современные экономисты убеждены в том, что в условиях рынка государство должно регулировать экономику и, соответственно, быть способным предвидеть и прогнозировать последствия принимаемых решений. Государственное регулирование экономики должно включать в себя определение методов, а также степени воздействия на рыночный механизм. Наиболее важной является способность органов государственного регулирования экономики снизить влияние отрицательных факторов на экономические процессы и, при этом, стимулировать воздействие положительных.

Прогнозирование – это специальное научное исследование, которое направлено на выявление перспектив развития процессов и/или явлений.

Прогноз представляет собой вероятностное научно обоснованное суждение о будущем состоянии объекта, о сроках достижения данного состояния, об альтернативных сценариях и путях достижения желаемого состояния объекта и. т. д.

Процесс разработки прогноза состоит в том, чтобы при помощи определенных методов обработать наличествующую информацию об объекте прогнозирования и в итоге получить некое представление об основных направлениях и сценариях его развития.

Функции и задачи прогнозирования

Прогнозирование должно решать такие основные задачи:

давать научно обоснованную, объективную картину будущего (основываясь на процессах, происходящих в настоящем и выявлении тенденций развития)
выбирать направления политики и деятельности (при учете прогнозных оценок).

Основная функция прогнозирования заключается в проведении научного анализа социально-экономических тенденций и процессов, выявлении экономических проблем и предвидении новых экономических ситуаций. Функции прогнозирования также заключаются в:

Готовые работы на аналогичную тему

исследовании объективных связей социально-экономических процессов и явлений (в конкретных условиях и на определенном этапе социально-экономического развития)
в выявлении возможных альтернатив развития экономической системы
в оценке объекта прогнозирования
в принятии оптимальных решений.

Классификация прогнозов

По цели разработки прогнозы можно разделить на поисковые и нормативные. Суть поисковых прогнозов заключается в выяснении будущего развития исследуемых явлений при сохранении прошлых тенденций. Нормативные прогнозы учитывают заранее поставленные цели, а также пути и сроки их достижения. Разрабатываются они от заданного состояния в будущем (при учете имеющихся тенденций).

По временному горизонту прогнозы классифицируются на:

оперативные, разрабатываемые на срок до 1 месяца (они, как правило, содержат лишь количественные показатели)
краткосрочные (до 1 года; содержат общие количественные показатели)
среднесрочные (разрабатываются на период 1-5 лет и содержат не только количественные, но также и общие качественные оценки)
долгосрочные (разрабатываются на 5-15 лет; содержащие как общие количественные, так и общие качественные показатели)
дальнесрочные (разрабатываются на срок свыше 15-20 лет и содержат преимущественно лишь общие качественные характеристики).

По своему содержанию прогнозы могут быть:

демографические
экономические
экологические
социальные
научно-технические и т. д.

По методам разработки прогнозы можно классифицировать на интуитивные и формализованные. Интуитивные основываются на информации, полученной главным образом методом экспертных оценок. Формализованные прогнозы базируются на фактической информации об исследуемом объекте.

Отраслевое прогнозирование представляет собой процесс технико-экономического исследования возможных направлений развития отрасли на длительный период. Прогноз призван раскрыть основные особенности состояния отрасли в пред-прогнозном периоде, определить возможные варианты ее развития отрасли и дать их качественную оценку в целях создания базы для выбора плановых решений на более короткие сроки. [1]

Поэтому отраслевое прогнозирование должно обязательно учитывать возможные направления в развитии производства материалов с улучшенными эксплуатационными характеристиками. Появление книги, посвященной этой важной области практического прогнозирования, несомненно оправдано и своевременно. [2]

За рубежом отраслевым прогнозированием занимается огромное количество частных фирм. Большинство из них составляет прогнозы по узким вопросам, обслуживая промышленные корпорации, но имеются крупные институты и комиссии, главным образом при академиях наук и правительственных органах. Прогнозы составляются и по широкому кругу социологических проблем, природным ресурсам, науке и технике. [3]

Важнейшей чертой методологии отраслевого прогнозирования является системный подход, получивший в настоящее время все более широкое распространение в социально-экономическом прогнозировании. Системный подход к изучению социалистической экономики предполагает рассмотрение всех категорий и законов политической экономии социализма в их единстве и взаимообусловленности, а его адекватность действительности проверяется эффективностью принимаемых решений. [4]

Метод экстраполяции в отраслевом прогнозировании используется для прогноза тенденций экономических показателей, с тем чтобы в дальнейшем применить их как основу при построении факторных моделей рассматриваемого объекта, а также для прогноза показателей на сравнительно непродолжительный период, в течение которого не происходит существенных качественных изменений. [5]

На первом занятии группа слушателей под руководством преподавателя проводит анализ процесса отраслевого прогнозирования , разрабатывает типовую схему составления прогноза, выбирает методы прогнозирования, изучает особенности объекта прогнозирования и основные факторы, влияющие на его развитие. В конце занятия преподаватель ставит перед учащимися цель – выполнить самостоятельно к следующему занятию задания 1 – 6 из раздела 2.3. Преподаватель дает пояснения по заполнению таблицы. [6]

Прогнозирование темпов, объемов и структуры химического производства является одним из основных разделов отраслевого прогнозирования . Интенсивность темпов развития должна соответствовать роли и месту химической промышленности в повышении эффективности общественного производства и ускорении внедрения научно-технических достижений во все отрасли промышленности. [7]

Метод экстраполяции во времени является наиболее традиционным методом прогнозирования и нашел широкое применение в отраслевом прогнозировании . Сущность его заключается в выявлении закономерностей развития в прошлом и настоящем с целью распространения их на будущее. [8]

Прогноз научно-технического прогресса и оценка его экономических результатов является важнейшей и одной из первых стадий отраслевого прогнозирования , лежащей в основе всех остальных его разделов. [9]

Другим требованием при выборе варианта прогноза является оценка экономической эффективности его осуществления. Принимается вариант развития, обеспечивающий наибольшую экономическую эффективность по сравнению с другими разработками. Одним из путей улучшения разработки отраслевого прогнозирования является создание отраслевых автоматизированных систем прогнозирования. [10]

Оно имеет для нашего государства важное значение. Мы должны располагать научными прогнозами по развитию каждой отрасли промышленности, чтобы вовремя дать дорогу передовому, прогрессивному, знать, в каком направлении разрабатывать план, – подчеркнул тов. Отраслевое прогнозирование , в частности интересующее нас энергетическое на далекую перспективу ( 2000 г.), требует общего и многовариантного прогноза развития всей экономики страны. [11]

· анализа патентной информации;

· аналоговые и поисковые;

Системно-структурный анализ объекта прогнозирования является обязательным этапом, исходным моментом всего процесса разработки прогноза. Он

К статистическим методам относится группа методов, основанных на математическом анализе упорядоченной статистической информации. Это экстраполяция, многофакторные корреляционные и регрессионные зависимости, производственные функции и т.д.

Метод экспертных оценок представляет собой процедуру формирования объективного мнения о качественных и количественных характеристиках объекта прогнозирования путем обработки и анализа совокупности индивидуальных мнений

· выбор состава экспертов и оценку их компетентности;

· составление анкет для опроса экспертов;

· получение экспертных заключений;

· оценку согласованности мнений экспертов;

· оценку достоверности результатов;

· программу для обработки экспертных заключений.

Методы анализа патентной информации применяются преимущественно для прогнозирования научно-технического развития. Общая идея использования патентов в научно-техническом прогнозировании исходит из того, что зафиксированное техническое решение с вероятностью, равной 2/3, будет в среднем через 2 – 5 лет в массовом производстве.

· каково состояние разработок на современном этапе и в перспективе;

· насколько существующие патенты блокировали дальнейшие разработки в этом направлении;

· какие патенты следует ожидать в ближайшем будущем?

Методика прогноза основывается на количественной оценке патентов и их сравнении по определенным критериям.