2.1.Направления и методы прогнозных исследований в микроэкономике и учёт фактора старения предпрогнозной информации

Движущей силой экономической деятельности является спрос, отражающий поведение массового потребителя на изменение цен товара. Величина спроса определяется количеством товара, кото­рое массовый потребитель добровольно покупает в течении некого периода, ценой данного товара и рядом других факторов. Для ана­лиза экономической деятельности, прогнозирования и управления экономическими процессами принципиальное значение имеют вы­явление закономерностей спроса на товар от его цены. Следует за­метить, что применение экономических методов в микроэкономи­ческом анализе базируется на использовании предельных величин и, как правило, на детерминистическом подходе. Считается , что отказ от предельных показателей затрат, прибыли и других показа­телей означает невозможность использование математических ме­тодов в экономике.

Однако в условиях гибкого рынка цена товара, спрос на не­го меняется не только в течении месяца, но и в течении недели и даже дня. Поэтому выявление и постоянное уточнение основной закономерности, описывающей зависимость количества единиц товара, приобретаемое в течении некоторого периода, от его це­ны должно базироваться на прогнозных исследованиях.

Опыт проведения прогнозных исследований в различных областях общественной жизни, науки и техники позволил вы­явить ряд методов, которые могут эффективно применяться для прогнозирования микроэкономических показателей. Любая ти­повая методика прогнозирования включает такие необходимые элементы как выполнение предпрогнозной ориентации (опре­деление предмета, целей, задач и периода упреждения); созда­ние предпрогнозного фона (сбор и анализ данных в интервале ретроспекции); формирование исходной базовой модели и кон­струирование поисковой модели, ее верификация, а при необхо­димости уточнение, подготовка, обоснование и принятие необ­ходимых решений.

Поскольку узловым этапом является построение модели прогноза, известные методы прогнозирования удобно класси­фицировать, разделив их на 3 основные группы:

· эвристические;

· прогнозные модели;

· статистические.

Эвристические методы включают построение интуитивных прогнозных моделей, которые формируются экспертами на ос­нове целевой установки на выполнение прогноза, предоставляе­мой эксперту информацией, опыта, интуиции и знаний эксперта.

По типу циркулирующей в процессе экспертизы информа­ции можно выделить три класса интуитивных моделей:

· индивидуальные оценки;

· коллективные оценки;

· комбинированные экспертные модели.

К индивидуальным относятся модели типа интервью, психоэвристической генерации идей, к коллективным - модели типа “мозговой атаки”, сессий выработки коллективного мне­ния, коллективной экспертной оценки; к комбинированным - модели итеративных опросов типа “Дельфи” и их модификации.

Аналитическими методами прогнозные модели получаются в тех случаях, когда известны общие закономерности развития процесса, его общая структура, важнейшие аналитически выра­женные функциональные связи, имеется опытная (контрольная) выборка, позволяющая проверить работоспособность модели.

Аналитические модели, разделяются на модели, построен­ные по типу:

· структуризации целей развития;

· имитационного моделирования;

· морфологического анализа.

К статистическим относят методы, основу которых составляет формирование стохастических моделей прогнозирования. Предпосылкой применения таких методов является наличие необходимых статистических данных. Характеризующих период ретроспекции, и сведений, необходимых для определения модели прогноза. Широкое применение в прогнозировании статистических методов объясняется тем, что предметом статистики служит изучение методов выявления закономерностей массовых процессов.

Относительно приложений математической статистики обратим внимание на появляющуюся у ряда авторов тенденцию рассматривать соответствующие методы как средство снятия неопределенности на различных этапах принятия решений. Подобное отношение сужает область применения статистических методов, однако справедливо акцентирует внимание на наиболее сложных случаях их использования.

Области приложений отдельных методов при решении задач прогнозирования в микроэкономике показаны в табл. 3 (приложение С).

Развитый математический аппарат и накопленный опыт применения делают привлекательным обращение в решаемой проблеме к статистическим прогнозным методам и моделям.

Таким образом, большинство методов, ориентированных на прогнозирование микроэкономических параметров и процессов требует в той или иной степени учета фактора старения используемой информации. В связи с этим представляется целесообразным рассмотреть статистические закономерности старения информации.

2.2.Статистические закономерности старения прогнозной информации.

Всякой информации присуще свойство старения. С течени­ем времени происходит частичная или полная потеря ценности для ее потребителя. Ценность информации - понятие доста­точно широкое и требует конкретизации и уточнения примени­тельно к рассматриваемой проблеме. С появлением новой ин­формации возникает необходимость уточнить и по-новому ин­терпретировать изменившийся прогнозный фон для прогнозных исследований с целью выработки управляющих воздействий.

Анализируя процесс кумуляции информации, по глубине ретроспекции можно выявить период старения информации.

Для описания этого процесса введем следующие перемен­ные:

п(Т) - глубина ретроспекции, выраженная в "квантах ин­формации" и использованная в прогнозной модели, на момент времени Т;

N(Т) - нижняя граница сферы распространения полезной информации, выраженная в тех же единицах.

Под “квантом информации” будем понимать некоторый элемент, который может восприниматься и использоваться са­мостоятельно. В рассматриваемой области это эксперименталь­ные данные (показатели рыночного спроса, зафиксированные в определенный момент времени, цена товара и др.).

Процесс кумуляции ретроспективной информации состоит в том, что объем полезной информации по мере увеличения рет­роспекции все время увеличивается, достигая в некоторый мо­мент T=Tk значения N(Tk):

при

при

Задача изучения процесса состоит в анализе кумулятивной функции n(Т) во времени, вытекающего из качественного и ко­личественного статистического исследования реальных процес­сов.

Естественно, что значение функции n(Т) в начальный мо­мент времени T=0 позволяет считать, что n(0)=0. Можно также считать, что N(0) заметно больше нуля.