Documente Academic
Documente Profesional
Documente Cultură
Cercetarea predictivă la scară largă începe de obicei cu dezvoltarea unei sarcini de prognoză,
adică document care definește obiectul prognozării, obiectivele, obiectivele și procedura de
dezvoltare a acestuia. Astfel, sarcina de prognoză conține baza pentru dezvoltarea prognozei.
Sarcina se întocmește cu participarea clientului și a contractantului. În cazul unui număr
semnificativ de realizatori, poate fi întocmit un plan de coordonare, aprobat de client. Acesta
conține o listă a organizațiilor participante (servicii), procedura de interacțiune a acestora,
sarcinile fiecărui coexecutor și calendarul implementării acestora, procedura de transfer a
rezultatelor, costul muncii și procedura de finanțare.
Ordinea și secvența de lucru ca element al organizării prognozei se determină în funcție de
metoda de prognoză aplicată. De obicei, această lucrare se face în mai multe etape.
Etapa 1 - retrospecție predictivă, adică stabilirea obiectului de prognoză și a fondului de
prognoză.
Etapa a 2-a - diagnostic predictiv, în timpul căruia este investigată o descriere sistematizată a
obiectului prognozat și a fondului prognozat pentru a identifica tendințele în dezvoltarea lor și a
selecta modele și metode de prognoză.
Etapa a 3-a - prospectare, adică procesul de dezvoltare extinsă a prognozei.
Etapa a 4-a - evaluarea prognozei, inclusiv verificarea acesteia, adică determinarea gradului de
fiabilitate, acuratețe și validitate.
Fiecare etapă de prognoză diferă în ceea ce privește sarcinile, metodele și rezultatele sale.
Rezultatele prognozei sunt întocmite sub forma unui certificat, raport sau alt material. Prognoza
rezultată poate fi ajustată în continuare, adică clarificare pe baza rezultatelor verificării, luând în
considerare materiale și cercetări suplimentare.
Sistemul de informații atrase este al treilea element al organizării prognozării. Calculul
prognozei ar trebui să se bazeze pe astfel de informații cu privire la problemă, care este
semnificativ înaintea procesului de dezvoltare efectivă în timp.
Informațiile privind contextul prognozat ar trebui să ia în considerare schimbările în curs de
desfășurare în mediu, inclusiv: socio-economic, tehnic, tehnologic, politic, precum și factorii
care influențează dezvoltarea obiectului
Metode de prognozare
Expert Formalizate
Evaluari expert
individuale:
Interviu. Note analitice.
Construirea de scripturi.
Chestionar
Recenzii colective colective:
Metoda de brainstorming.
Model structural
Modelul factorial.
Model economic și matematic.
Cazuale:
Medii mobile.
Ajustare exponențială
Extrapolare simplă..
extrapolare
Metode predictive de
Metoda comisiei. Metoda
„Delphi” Metoda „Arborele
obiectivelor” Metoda matricei
Коллективные экспертные
оценки:
Метод мозговой атаки
Метод комиссий Метод
«Дельфы» Метод «Дерево
целей» Матричный метод
corespunzător
na b x y
Liniară
y = a ± bx xy
a x b x 2
Parabolică na b x c x 2 y
c x xy
3
a x b x
2 2
y = a + bx + cx y
a x b x c x
4 x
2 3 2
Exponenţială n lg a lg b x lg y
y = abx (*)
lg a x lg b x x lg y
2
Putere n lg a b lg x lg y
y = axb (**)
lg alg x b(lg x ) lg x lg y
2
Hiperbolică 1 1
y (***) na b x y
a bx
1
a x b x
2
x
y
Logistică k B y y
clasică y cx (****) ( n 1 )A y
1 be
A y B y y
2
Dependențe liniare (roșu), de putere (albastru) și exponențiale (verzi)
Ajustarea a seriilor de timp constă în găsirea funcției matematice care descrie cel mai exact
tendința schimbării. Etapele critice ale ajustarii sunt alegerea formei curbei care reflectă tendința;
identificarea indicatorilor care cuantifică tendințele schimbări; evaluarea fiabilității calculelor
prognozate. Alegerea formei curbei poate fi efectuată pe baza construri graficului.
Analiza și descompunerea tendințelor implică descompunerea seriei temporale a în
componente principale, măsurarea evoluției fiecărei componente în trecut și extrapolarea acesteia
în viitor. Metoda se bazează pe ideea stabilității relațiilor cauză-efect și a regularității evoluției
factorilor de mediu, ceea ce face posibilă utilizarea extrapolării. Seria cronologică este
descompusă în cinci componente:
- componenta structurală sau tendința pe termen lung asociată ciclului de viață al pieței
produsului;
- o componentă ciclică corespunzătoare fluctuațiilor în raport cu tendința pe termen lung sub
influența fluctuațiilor pe termen mediu ale activității economice;
- componenta sezonieră, sau fluctuațiile periodice pe termen scurt din diverse motive (factori
socio-psihologici, climă, numărul de sărbători etc.);
- componenta de marketing asociată cu eficiența activităților de marketing;
- componenta aleatorie.
Pentru fiecare componentă, se calculează un parametru pe baza modelelor observate: rata de
creștere a vânzărilor pe termen lung, fluctuațiile pieței, coeficienții sezonieri, factorii specifici.
Acești parametri sunt apoi utilizați pentru a face o prognoză.
Este logic să se facă o astfel de prognoză doar pentru o perioadă pe termen scurt, când parametrii
nu se modifică semnificativ.
Medie mobila
Una dintre cele mai vechi și mai cunoscute metode de ajustare a seriilor de timp este
metoda medie mobilă. Aplicând această metodă, este posibil să se elimine fluctuațiile aleatorii și
să se obțină valori corespunzătoare influenței factorilor principali. Ajustarea dupa media mobilă
se bazează pe faptul că abaterile aleatorii se anulează reciproc în medii. Acest lucru se datorează
înlocuirii nivelurilor inițiale ale seriei temporale cu media aritmetică în intervalul de timp
selectat. Valoarea rezultată se referă la mijlocul perioadei selectate. Apoi, perioada este deplasată
cu o singură observație, iar calculul mediei se repetă, iar perioadele pentru determinarea mediei
sunt luate la fel tot timpul. Astfel, în fiecare caz, media este centrată, adică se referă la punctul
mediu al intervalului de ajustata și reprezintă nivelul pentru acest punct.
Când ajustati o serie temporală cu medii mobile, toate nivelurile seriei sunt implicate în
calcule. Cu cât intervalul de lichefiere este mai mare, cu atât tendința este mai lină. Seria ajustata
este mai scurtă decât cea inițială prin (n - 1) observații (n este dimensiunea intervalului de
ajustare). La valori mari de n, oscilația seriei ajustata este semnificativ redusă. În același timp,
numărul de observații este redus considerabil, ceea ce creează dificultăți.
Alegerea intervalului de ajustare depinde de obiectivele studiului. În acest caz, ar trebui
să se ghideze după perioada de timp în care are loc acțiunea și, în consecință, eliminarea
influenței factorilor aleatori.
Această metodă este utilizată pentru prognozele pe termen scurt. Formula sa de lucru
= + , (1)
unde t + 1 este perioada prognozată;
t - perioada anterioară perioadei de prognoză (an, lună etc.);
yt + 1 - indicator estimat;
–Media mobilă pentru două perioade înainte de prognoză;
N - este numărul de niveluri incluse în intervalul de netezire;
yt - valoarea reală a fenomenului studiat pentru perioada anterioară
yt-1 este valoarea reală a fenomenului studiat pentru două perioade premergătoare prognozei.
Ajustare exponentiala - pune accentul pe dinamica recenta a indicatorului, in defavoarea
perioadelor mai vechi. Accentul pus pe preturile mai recente depinde de perioada specificata in
calculul mediei mobile. Cu cat perioada este mai scurta, cu atat accentul pus pe marimile
indicatorului recente este mai mare. Modul de calculare a mediei mobile exponentiale este mult
mai complicat decat cel al mediei mobile simple. Cel mai important de retinut este ca metoda
este mult mai sensibila la dinamica recenta a variabilei.
Această metodă este cea mai eficientă atunci când se elaborează prognoze pe termen mediu.
Formula de lucru pentru metoda de netezire exponențială este:
(2)
unde t este perioada care precede prognoza;
t + 1– perioada de prognoză;
indicator previzionat;
parametru de netezire;
valoarea reală a indicatorului studiat pentru perioada precedentă prognozei;
medie ponderată exponențial pentru perioada premergătoare prognozei.
La prognozarea prin această metodă, apar două dificultăți:
1) selectarea valorii parametrului de ajustare;
2) determinarea valorii inițiale
Valoarea lui α va determina cât de repede scade greutatea influenței observațiilor anterioare. Cu
cât α este mai mare, cu atât influența anilor anteriori este mai mică. Dacă valoarea lui α este
apropiată de unitate, atunci aceasta duce la luarea în considerare în prognoză, în principal, a
influenței doar a ultimelor observații; dacă este aproape de zero, atunci greutățile cu care se
cântăresc nivelurile seriilor temporale scad încet, adică prognoza ia în considerare tot (sau
aproape toate) trecutul de observare. Astfel, dacă există încredere că condițiile inițiale, pe baza
cărora se dezvoltă prognoza, sunt fiabile, ar trebui utilizată o mică valoare a parametrului de
netezire (α → 0). Când parametrul de ajustare este mic, funcția investigată se comportă ca media
unui număr mare de niveluri anterioare. Dacă nu există suficientă încredere în condițiile de
prognoză inițiale, atunci ar trebui utilizată o valoare mare a lui α, ceea ce va duce la luarea în
considerare în prognoză, în principal, a influenței observațiilor recente.
Nu există o metodă exactă pentru alegerea valorii optime a parametrului de ajustare α. În
unele cazuri, autorul acestei metode, profesorul Brown a sugerat determinarea valorii lui α pe
baza lungimii intervalului de netezire. În acest caz, α se calculează prin formula:
unde n este numărul de observații incluse în intervalul de ajustare.
De asemenea, puteți utiliza evaluări ale experților.
Metoda de ajustare exponențială de multe ori nu „funcționează” atunci când studiază seriile
economice de timp și prognozează procesele economice. Acest lucru se datorează faptului că
seriile de timp economice sunt prea scurte (15-20 de observații), iar în cazul în care ratele de
creștere și creștere sunt ridicate, această metodă nu are timp să reflecte toate schimbările.