іяльність з обробки інформації та оцінці результатів.
Метод прогнозної екстраполяції [6] полягає в додатку визначеної для базисного періоду тенденції розвитку економічного процесу до прогнозованого періоду, він грунтується на збереженні в майбутньому сформованих умов розвитку процесу. При використанні цього методу необхідно мати інформацію про стійкість тенденцій розвитку об'єкта за термін, в 2-3 рази перевищує термін прогнозування. Тривала тенденція зміни економічних показників називається трендом. Послідовність дій при екстраполюванні:
- чітке визначення завдання, висування гіпотез про можливий розвиток прогнозованого об'єкта, розгляд факторів, що стимулюють або перешкоджають розвитку даного об'єкта, визначення необхідної екстраполяції та її допустимої дальності;
- вибір системи параметрів, уніфікація різних одиниць вимірювання, що відносяться до кожному параметру окремо;
- збір і систематизація даних, перевірка їх однорідності і порівнянності;
- виявлення тенденцій або симптомів зміни досліджуваних величин в ході статистичного аналізу і безпосередньої екстраполяції даних.
Операцію екстраполяції в загальній формі можна представити у вигляді визначення значення функції:
(2.2.1) Уi + L = F (Уi Г— L),
де Уi + L - екстраполіруемого значення рівня;
L - період попередження;
Уi - рівень, прийнятий за базу екстраполяції.
Найпростіша екстраполяція може бути проведена на основі середніх характеристик ряду: середнього рівня, середнього абсолютного приросту і середнього темпу зростання.
Найбільш простим і відомим є метод ковзних середніх, який здійснює механічне вирівнювання часового ряду. Суть методу полягає в заміні фактичних рівнів ряду розрахунковими середніми, в яких погашаються коливання.
Екстраполяція тренда можлива, якщо знайдена залежність рівнів ряду від фактора часу t, в цьому випадку залежність має вигляд:
(2.2.3).
Модель стаціонарного процесу, що виражає значення показника у вигляді лінійної комбінації кінцевого числа попередніх значень цього показника і адитивної випадкової складової, називається моделлю авторегресії.
(2.2.3), де
О± - константа,
ОІ - параметр рівняння,
- випадкова компонента.
Для цілей короткострокового прогнозування також може використовуватися метод експоненціального згладжування.
Експоненціальне згладжування - це дуже популярний метод прогнозування багатьох тимчасових рядів. Історично метод був незалежно відкритий Броуном і Холтом. Броун служив на флоті США під час другої світової війни, де займався виявленням підводних човнів і системами наведення. Пізніше він застосував відкритий ним метод для прогнозування попиту на запасні частини. Свої ідеї він описав у книзі, що вийшла у світ в 1959 році. Дослідження Холта були підтримані Департаментом військово-морського флоту США. ...