експертні оцінки й методи моделювання або статистичні методи і опитування експертів.
Формалізовані методи прогнозування
Ці методи базуються на математичній теорії, яка забезпечує підвищення достовірності і точності прогнозів, значно скорочує терміни їх виконання, дозволяє забезпечити діяльність з обробки інформації й оцінки результатів.
Методи прогнозної екстраполяції
Метод екстраполяції 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:
Уi + L = F (Уi Г— L),
де Уi + L - Екстраполіруемого значення рівня;
L - період попередження;
Уi - рівень, прийняті 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.
Для цілей короткострокового прогнозування також може використовуватися метод експоненціального згладжування. Середній рівень ряду на момент t дорівнює лінійної комбінації фактичного рівня для цього ж моменту і середнього рівня минулих і поточного спостережень.
В
де - експоненціальна середня (Згладжена значення рівня ряду) на момент t; О± - вага поточного спостереження при розрахунку експоненційної середньої; - фактичний рівень динамічного ряду в момент часу t; -Експонентна середня попереднього періоду.
Екстраполяція тренда можлива, якщо знайдена залежність рівнів ряду від фактора часу t, в цьому випадку залежність має вигляд:
.
Модель стаціонарного процесу, що виражає значення показника у вигляді лінійної комбінації кінцевого числа попередніх значень ...
