Прогнозирование экономических показателей

Экономический прогноз - это научно обоснованное предвидение возможных направлений и результатов развития национальной экономики, отрасли, регионов, субъектов хозяйствования и их структурных подразделений. Основной задачей экономического прогнозирования является предвидение наиболее вероятных проблем экономического развития в ближайшей и отдаленной перспективе, поиск возможных направлений экономического роста, обоснование наиболее предпочтительной стратегии развития в будущем. Результаты прогноза используются для выбора альтернатив развития, разработки рекомендаций для реализации оптимального варианта.

В настоящее время насчитывается свыше ста методов и специальных процедур предвидения, различающихся по источникам используемой информации, методике прогноза, достоверности конечного результата. Вся совокупность методов экономического прогнозирования может быть условно объединена в две группы:

1. Методы, базирующиеся на экстраполяции и моделировании закономерностей изменения изучаемого объекта.

2. Методы, базирующиеся на экспертизе изучаемого объекта.

К первой группе относятся методы непосредственной экстраполяции на основе временных рядов, экстраполяции по огибающим кривым, корреляционные и регрессионные методы, методы адаптивного прогнозирования, балансовые методы и др. Вторая группа включает различные модификации методов индивидуальной и коллективной экспертизы.

Каждый из перечисленных выше методов имеет свои достоинства и недостатки, определенную область применения. В практической работе наибольшее распространение получил метод непосредственной экстраполяции, основанный на изучении динамики изменения экономических показателей в прогнозируемом периоде и перенесении выявленных закономерностей на будущее. Достоинство этого метода состоит в универсальности вычислительной схемы, наличии типовых машинных программ. Недостатки - необходимость наблюдений за большой промежуток времени, определенное снижение достоверности прогноза при увеличении прогнозируемого периода.

Сущность метода экстраполяции по огибающим кривым состоит в построении семейства элементарных зависимостей, каждая из которых характеризует частную тенденцию изменения изучаемого показателя. По определенным правилам производится обобщение элементарных кривых, что позволяет выявить наиболее типичные особенности изменения экономического показателя на перспективу.

Корреляционно-регрессионное моделирование применяется в прогнозировании по той причине, что оно позволяет установить причинно-следственные зависимости между экономическими показателями и их состоянием в прошлом, настоящем и будущем. Достоинствами метода считают его универсальность, наличие типовых программ решения на ПЭВМ, возможность включения в модель многих факторов.

Методы адаптивного прогнозирования базируются на статистических методах, позволяющих анализировать динамику изучаемого показателя во времени. Главная отличительная особенность метода состоит в том, что коэффициенты в расчетных формулах не постоянны, а пересматриваются по мере появления новой информации. Адаптация означает приспособление модели к новым, изменившимся условиям. Например, при прогнозировании спроса на продукцию предприятий учитываются коэффициенты роста цен и др. Достоинства метода - гибкий математический аппарат, возможность использования ограниченного массива исходных данных, достаточно высокая точность прогнозных значений. Однако этот метод не может использоваться для прогноза сложных экономических показателей.

Балансовые методы используются на уровне отрасли, субъекта хозяйствования. На уровне субъекта хозяйствования они применяются в основном для расчета потоков ресурсов по заранее заданным объемам конечной продукции или величины последней на базе предполагаемых объемов ресурсов. С помощью этих методов составляются в основном кратко- и среднесрочные прогнозы.

Экспертные методы применяются в тех случаях, когда объектом изучения является совокупность качественных признаков, не поддающихся измерению, либо когда информация о них не соответствует требованиям, предъявляемым к ней другими методами прогнозирования. Прогнозные значения изучаемых явлений устанавливаются на базе опроса специалистов-экспертов. При этом опросы могут быть индивидуальными и коллективными, очными и заочными. Результаты опроса оформляются соответствующими анкетами, которые обрабатываются с помощью специальных методов, позволяющих определить объективность мнений специалистов.

Рассмотрим более детально возможности использования для прогнозирования непосредственной экстраполяции на основе одиночных временных рядов и корреляционно-регрессионного метода.

Экстраполяция основана на изучении динамики изменения экономического явления (показателя) в предпрогнозируемом периоде и перенесении найденной закономерности на будущее. Для этого используется динамический (временной) ряд, который представляет собой совокупность числовых данных, характеризующих изменение показателя во времени. При построении временного ряда должна быть обеспечена сопоставимость его отдельных членов. Для этого все элементы должны характеризовать изучаемое явление за равные промежутки времени (для интервальных рядов) или фиксировать его состояние в строго определенные моменты времени (для моментных рядов). Допускается построение рядов с годовым исчислением признака и более мелкими единицами измерения времени (квартал, месяц, декада). Это дает возможность исследовать не только колебания показателей по годам, но и внутригодичную колеблемость.

Экстраполирование или распространение найденной закономерности развития внутри динамического ряда за его пределы основано на инерционности экономических явлений. Наиболее простым методом прогнозирования по одному ряду динамики является применение средних характеристик данного ряда: среднего абсолютного прироста и среднего темпа роста. Для первого случая расчетный уровень динамического ряда на любую дату определяется по формуле:

,

где - начальный уровень ряда;

- средний абсолютный прирост;

- порядковый номер даты (года, квартала, месяца и т.д.).

Для второго случая расчетные уровни исчисляются по формуле:

,

где - средний темп роста, определяемый как средняя геометрическая, средняя арифметическая или по методу суммарных величин.

Прогнозирование прибыли по одному динамическому ряду имеет ограниченное применение для перспективного анализа, поскольку не дает представления о взаимосвязи прогнозируемого экономического явления с другими. Комплексный характер экономических явлений предполагает исследование не одиночного динамического ряда, а параллельно нескольких рядов, колебания которых взаимообусловлены. При этом возникает необходимость установления зависимости между этими колебаниями и измерения ее тесноты. Данные задачи решаются обычно с помощью корреляционно-регрессионного моделирования.

Корреляционная зависимость в отличие от функциональной является неполной, проявляется лишь в среднем и только в массе наблюдений. При корреляционной связи изменению аргумента соответствует несколько значений функции. В зависимости от количества отобранных факторов различают парные и многофакторные модели различного вида: линейные, степенные, логарифмические. В практике прогнозирования наибольшее распространение получили линейные модели вида:

,

где - прогнозируемый показатель;

- прогнозные значения факторных признаков;

- значения параметров уравнения регрессии;

- период прогнозирования.

Предпочтение отдается линейным моделям по нескольким причинам: линейные модели просты, требуют меньшего числа вычислений; массовые экономические процессы, как правило, подчинены закону нормального распределения, которому свойственны линейные формы связи.

Отбор факторов, включаемых в корреляционно-регрессионную модель, осуществляется в несколько приемов: логический отбор факторов в соответствии с их экономическим содержанием, отбор существенных факторов на основе оценки их значимости по t-критерию Стьюдента, последовательный отсев незначимых факторов при построении регрессионной модели.

Упрощенно схема прогнозирования прибыли с использованием корреляционно-регрессионного анализа выглядит следующим образом:

1) исходная информация обрабатывается на ПЭВМ по типовой программе;

2) полученное уравнение регрессии проверяется на значимость в общепринятом порядке;

3) прогнозирование осуществляется по каждому одиночному динамическому ряду (фактору) методом непосредственной экстраполяции. В результате получаются прогнозные значения факторов на каждый год;

4) подставляя полученные прогнозные значения в уравнение регрессии, получаем прогнозные значения моделируемого показателя;

5) проверяется точность прогноза сопоставлением его результатов, полученных разными способами.

При прогнозировании экономических показателей для конкретных субъектов хозяйствования необходимо показатели динамических рядов привести в сопоставимый вид (нейтрализовать влияние ценового фактора).

Задача

Составить факторную модель суммы транспортных расходов и провести анализ их изменения в зависимости от факторов: массы перевозимого груза, расстояния перевозки, тарифа за 1 км. По результатам решения задачи сделать выводы.

Решение

Мы имеем трехфакторную мультипликативную модель вида:

Р = М × S × Т.

Проведем расчет влияния факторов приемом цепных подстановок.

1) организация № 1

Название фактора	Расчет влияния факторов на изменение анализируемого показателя	Величина влияния фактора, млн. руб.
алгоритм	расчет
Название фактора	Расчет влияния факторов на изменение анализируемого показателя	Величина влияния фактора, млн. руб.
алгоритм	расчет
Масса перевозимого груза			+330
Среднее расстояние перевозки			-1430
Тариф на перевозку			+260
Итого:			-840

Результаты расчетов свидетельствуют о том, что расходы на перевозку в отчетном году уменьшились по сравнению с базовым годом на 840 млн. руб. Увеличение массы перевозимого груза на 100 т в отчетном году по сравнению с базовым привело к увеличению расходов на перевозку на 330 млн. руб., уменьшение среднего расстояния перевозки (на 10 км) привело к снижению расходов на перевозку на 1430 млн. руб., увеличение тарифов на перевозку на 10 тыс. руб./км привело к увеличению расходов на перевозку на 260 млн. руб.

2) организация № 2

Название фактора	Расчет влияния факторов на изменение анализируемого показателя	Величина влияния фактора, млн. руб.
алгоритм	расчет
Название фактора	Расчет влияния факторов на изменение анализируемого показателя	Величина влияния фактора, млн. руб.
алгоритм	расчет
Масса перевозимого груза			+187
Среднее расстояние перевозки			+255
Тариф на перевозку			+180
Итого:			+622

Результаты расчетов свидетельствуют о том, что расходы на перевозку в отчетном году увеличились по сравнению с базовым годом на 622 млн. руб. Увеличение массы перевозимого груза на 40 т в отчетном году по сравнению с базовым привело к увеличению расходов на перевозку на 187 млн. руб., уменьшение среднего расстояния перевозки (на 5 км) привело к увеличению расходов на перевозку на 255 млн. руб., увеличение тарифов на перевозку на 0,005 тыс. руб./км привело к увеличению расходов на перевозку на 180 млн. руб.