- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9, Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
Глава 9. Прогнозирование
Д анный пример показывает, что метод наименьших квадратов является довольно удобным способом расчета линии тренда, даже если его приходится выполнять вручную. Если же имеется компьютерная программа для расчета линейной регрессии, то расчеты все же лучше производить на компьютере (не только для того, чтобы избежать арифметических ошибок, но и для получения статистики, необходимой для оценки надежности линии тренда (см. гл. 7). Компьютерная распечатка с решением данной иллюстративной задачи представлена в табл. 9.5.
Та б л и ца 9.5
Компьютерная распечатка с решением иллюстративной задачи
|
|
|
|
||
Основные данные: Л: SEOS Имя: Количество наблюдений: 16 Количество переменных: 2 |
|
||||
Индекс 1 Зависимая |
Переменные X переменная: Y |
Среднее 7,5000 296,6250 |
Ср. квадр. отклонение 4,7610 14,6600 ■ |
||
Зависимая |
переменная: Y |
|
|
||
Переменная Коэф. регрессии X 1,6324 Константа 284,3824 |
Ср. квадр. ошибка 0,6978 |
Т-критерий Вероятность (DF = 14) 2,339 0,03466 |
|||
Средняя квадратичная ошибка оценки |
= 12,8669 |
|
|||
|
|
г2 = 0,2810 г = 0,5301 ' |
|
||
|
Анализ разброса данных (дисперсии) |
||||
Источник Регрессия Остаток Итого |
Сумма квадратов i 905,9559 2317,7941 3223,7500 |
Число Средний степеней квадрат свободы 1 905,9559 14 165,5567 15 |
F-критерий Вероятность 5,472 0,0347 |
Модели трендов с переменным успехом использовались в прошлом. Прогнозы на 1929, 1933, 1937, 1973 и 1980 гг. оказались губительными для компаний, понадеявшихся на тренды предыдущих лет. Тем не менее метод продолжал широко использоваться, так как большинство экономических временных рядов вследствие присущих им кумулятивных свойств действительно показывают устойчивую тенденцию к изменению в том же направлении в ближайшем будущем. Следовательно, прогнозы на основе проектирования трендов с большей долей вероятности будут выполняться до точки изменения направления, чем не выполняться,
К сожалению, метод проектирования трендов не может определить изменения в их направлении, а ведь именно эти поворотные точки особенно важны в практике менеджмента. Если поворотные точки могут быть выявлены заранее, то руководство фирмы может изменить свои планы в отношении объема продаж, производства, кредитования и т.п. В противном случае простое проектирование тренда дает прогноз на продолжение, а не на изменение политики фирмы.
Циклические модели. Когда тренд и сезонные изменения удалены из годового ряда экономических данных, начинают проявляться определенные флуктуацирнные характеристики, названные некоторыми экономистами циклами деловой активности (или
272
Механическая экстраполяция
б изнес-циклами). Вторая мировая война внесла важные изменения в структурные переменные экономики и соответственно изменила деловой цикл. Тем не менее использование циклических моделей прогнозирования продолжается во многих фирмах. Наиболее часто при создании прогнозных моделей применяются мультипликативные структуры, когда связь между переменными выражается формулой О = TSCI, где О- общая тенденция; Т — тренд; S— сезонные изменения; С — циклические изменения, а / — иррегулярные силы. Задача состоит в том, чтобы изолировать и измерить по отдельности каждый из этих четырех факторов путем выделения из общей тенденции О постоянного долговременного изменения Т, регулярных колебаний S, происходящих в течение всего года, и регулярных колебаний С, происходящих через несколько лет. Однако эта проблема взаимосвязей между переменными отступает на второй план по сравнению со следующими трудностями измерения.
При исследовании циклического механизмаг как для экономики в целом, так и для отдельной фирмы, возникает сомнение в правильности этого метода анализа. Ана литики показали, что в рядах могут присутствовать отдельные циклы, но не потому, что эти циклы действительно существуют, а просто таким образом представлена ин формация. Например, использование скользящего среднего может вызвать появление колебаний в результирующем ряде, даже если не существует реального цикла. В общем случае суммирование или усреднение последовательных значений случайного ряда может само по себе вызвать появление циклических изменений (так называемый эф фект Слуцкого—Йула). Поэтому обычные методы анализа отклонений, применяемые большинством фирм для разделения циклических и случайных кампонент временных рядов, никоим образом не являются универсальными для всех случаев. Напротив, их правильность оспаривалась аналитиками на протяжении многих лет.
Разделение тренда и случайных сил, действующих во временном ряду, также под вопросом. Различные исследования временных рядов говорят о том, что, вполне веро ятно, тренд нельзя отделить от краткосрочных изменений в ряду и что, возможно, эти явления вызваны одними и теми же силами. Если интервал между данными в ряду Мал, то случайные отличия между соседними членами могут быть достаточно велики для того, чтобы перевесить любой систематический эффект так, что окажется, что
;анные ведут себя почти как «блуждающий» ряд. Если ряд действительно «блуждает»,
то любое изменение, кажущееся систематическим, например тренд или цикл, есть
иллюзия, и разделение и измерение этих явлений рискованно. К сожалению, с помо-
[щыо статистических методов сложно отличить действительно «блуждающие» ряды от
рядов со слабой систематизацией.
Ясно, что механические методы обработки временных рядов, — методы, широко применяемые многими фирмами, — имеют целый ряд ограничений. Тем не менее это не означает, что такие методы должны быть исключены из практики. Они применяются в определенных случаях и очень часто используются как составная часть набора аналитических инструментов экономиста. Ограниченные возможности этих методов, рассмотренные ранее, проявляются только когда эти методы используются в качестве единственного инструмента прогнозирования. При правильном ис-юльзовании традиционных методов анализа временных рядов они имеют следующие преимущества. 1. Необходимая информация минимальна и легко доступна. Ее получают либо от
самой компании, либо из посторонних источников.
|2. Аналитические расчеты, такие, как расчет скользящих средних, как правило, достаточно просты и имеют стандартную форму, поэтому удобны для обработки на компьютере. Таким образом, эти способы особенно хорошо подходят для решения проблем, в которых необходимо прогнозирование многих переменных. |3. Экономистам достаточно обладать лишь базовыми навыками. Сами методы очень просты, а данные обрабатываются в первоначальном виде.
273