3. Етапи прогнозування

Найбільш часто виділяють наступні вісім кроків прогнозування.

1. Визначення користі прогнозу.

2. Добір об’єктів, що будуть прогнозуватися.

3. Визначення часових меж прогнозу.

4. Збір даних, необхідних для прогнозу.

5. Підбір моделі (моделей) прогнозування.

6. Обґрунтування (оцінювання) моделі прогнозування.

7. Виконання прогнозу.

8. Контроль результатів.

 

Перших три етапи ще називають вибором типу прогнозної техніки. На цьому етапі слід визначитися, на що буде покладатися прогноз, щоб досягти мети поставленої задачі: на експертні оцінки або на кількісні техніки; наскільки повно будуть враховуватися інші фактори; чи треба зосереджуватись тільки на історичному минулому досліджуваної проблеми, тощо. Вибираючи техніку прогнозування, слід перш за все відповісти на за запитання:

-           Чому цей прогноз є потрібним?

-           Хто буде використовувати цей прогноз?

-           Які властивості доступних даних?

-           Який часовий період має бути спрогнозовано?

-           Якою є мінімальна потреба в даних?

-           Наскільки точним має бути прогноз?

-           Скільки коштів потребує побудова прогнозу?

Визначення прогнозної техніки визначає у значній мірі наступні дії прогнозиста.

Збір та підготовка даних до наступного використання (коригування, уточнення, сортування та ін.) є часто найбільш складним і трудомістким етапом побудови прогнозу. Якщо дані виявляться некоректними або невідповідними до вимог, прогноз також буде некоректним.

Вибір типу моделі означає, що в рамках вибраної техніки знаходиться відповідний тип моделі, яка може бути використана для зібраних даних. Наявний досвід показує, що чим простіша модель, тим частіше вона використовується на практиці. І річ не тільки у тому, що простіші моделі більш зрозумілі. Часто більш складні модельні конструкції здатні забезпечити лише незначне збільшення точності прогнозу у порівнянні з менш складними процедурами, одночасно суттєво поступаючись останнім у витратах часу і коштів на їх створення.

Оцінювання моделі означає, що за зібраними даними будується відповідна модель обраного на попередньому етапі типу. Типова стратегія оцінювання моделі наступна:

Крок 1. Множина наявних статистичних даних ділиться на 2 частини: базову частину для оцінювання та тестову (перевірочну) частину.

Крок 2. Будується модель по базовій частині.

Крок 3. Отримана на попередньому кроці модель використовується для побудови прогнозу на тестовій частині. Розраховуються та оцінюються помилки прогнозування.

Крок 4. Приймається рішення про модель. Це може бути рішення про використання моделі в поточній формі, чи про модифікацію моделі, чи про побудову прогнозу за допомогою іншої моделі та порівнянні результатів, або про відхилення моделі та спробу отримати відповідь іншим чином.

Побудова прогнозу – це використання вибраної моделі для прогнозування майбутніх величин досліджуваних змінних.

 

4. Вимоги до вихідних даних для побудови прогнозів

Однією з найбільш складних і тривалих у часі частин прогнозування є збір достовірних та якісних даних. Прогноз не може бути більш точним, ніж дані, на яких він побудований. У вік колосальних можливостей комп’ютерних технологій накопичено великі об’єми самої різноманітної інформації, але менеджери, що намагаються прийняти рішення, все ще мають значні проблеми з пошуком потрібних даних, оцінкою їх якості і попередньою обробкою для подальшого використання при прогнозуванні.

Основні вимоги до вихідних даних:

- вони мають бути надійними та точними;

- вони мають бути репрезентаційними, тобто мають давати досить точну уяву про досліджуваний об’єкт;

- вони мають бути послідовними впродовж усього історичного періоду;

- вони мають бути своєчасними.

Необхідна для прогнозування інформація може бути отримана з різнорідних джерел. Розрізняють первинні і вторинні джерела даних.

В якості первинних джерел даних може бути використана внутрішня інформація фірми, наприклад, дані з інформаційної бази про витрати сировини і матеріалів, об’єми поставок, заробітну плату тощо. Це також може бути зовнішня інформація безпосередньо від споживачів, дистриб’юторів або економістів–експертів, отримана в результаті оглядів, персональних інтерв’ю, опитувань.

Вторинні джерела даних – це вже опубліковані дані, зібрані не для конкретного дослідження чи складання прогнозу, а з іншою метою. Вони отримуються з органів державної статистики, приватних організацій, спеціалізованих на зборі інформації (рейтингові та консалтингові агенції, тощо), комп’ютерних баз даних.

Первинні джерела інформації містять більш повні та достовірні дані, ніж вторинні.

При складанні прогнозу треба визначитися не тільки з тим, які саме дані потрібні, але й скільки спостережень необхідно для того, щоб прогноз був достовірним. Відомо, що чим більше залучено спостережень, тим кращі статистичні властивості буде мати побудована модель, і відповідно, тим кращим буде зроблений за її допомогою прогноз. Найбільш часто вважають, що для достовірного прогнозу треба мати не менш ніж 25-30 спостережень, але такі довгі часові ряди є рідкістю в економіці, особливо для річних даних. Як вихід можна запропонувати деталізацію річних даних, наприклад, використання щомісячної або щоквартальної інформації. Проте в цьому випадку треба пам’ятати про необхідність врахування сезонності, яку не приймають до уваги при річних даних.

Інша проблема, яка безпосередньо пов’язана з вибором вихідної інформації, є проблема браку чи неповноти статистичних даних. Іноді досить просто сконструювати модель для прогнозу економічного процесу з теоретичної точки зору, але статистичні дані, потрібні для її реалізації, не існують в потрібному для моделі вигляді. В такому разі використовуються симптоматичні зв’язки, що існують між економічними процесами. В модель замість тієї змінної, дані з якої недоступні, вводять так звану проксі-змінну або просто проксі (proxy). Типовим прикладом такої ситуації є побудова моделі, де однією з змінних є розмір фірми. Безпосередньо його врахувати неможливо, тому найчастіше використовують такі проксі, як кількість зайнятих працівників або обсяг обороту фірми. Часто в ролі проксі-змінної виступає час – для зображення змін розвитку науково-технічного процесу, для зображення змін моди, смаків, поглядів споживачів і т.д.

Окремим випадком змінних проксі є так звані штучні змінні або фіктивні даммі-змінні (dummy). Найчастіше вони приймаються як 1 або 0, але взагалі можливі й інші їх значення. Використовуються вони, як правило, щоб описати в моделі вплив факторів, які важко чи неможливо врахувати кількісно, але які тим не менш можна досить легко ідентифікувати і які суттєво впливають на досліджуваний процес. Ними можуть бути, наприклад, номери місяців (кварталів) для відображення місячних сезонних коливань продажу фірми, освіта працівників фірми (наприклад, працівник з вищою освітою враховується із значенням “1”, а працівник без неї із значенням “0”), дані про належність фірми до певного району міста (кожен район отримує свій “номер”), різноманітна інформація про споживачів, наприклад стать (“1”, якщо споживач – жінка, і “0” – якщо чоловік).