13.3. Методы прогнозирования

Методы прогнозирования могут быть простыми (однородны­ми) и комплексными (прогнозирующими системами).

Простые методы объединяют однородные по содержанию и используемому инструментарию методы прогнозирования (напри­мер, экстраполяция тенденций, морфологический анализ).

Простые (однородные) методы подразделяются на фактогра­фические, экспертные и комбинированные.

Фактографические методы (их называют поисковые прогно­зы) в свою очередь подразделяются на статистические (парамет­рические), в которые входят экстраполяция, интерполяция и ме­тоды аналогии, и на публикационные, в которые входят анализы динамики опубликования и патентования. Например, статисти­ческие методы включают в себя методы, основанные на построе­нии и анализе динамических рядов характеристик (параметров) объекта прогнозирования. Среди них наибольшее распростране­ние получили экстраполяция, интерполяция, метод аналогий (мо­дель подобия), параметрический метод.

Экспертные методы (их называют нормативными прогнозами) подразделяют на индивидуальные и коллективные.

К индивидуальным методам относятся методы без аналитичес­кой обработки — это интервью, метод генерации идей, аналити­ческие экспертные оценки.

К коллективным методам относятся методы с аналитической обработкой: построение сценариев, метол дерева целей, морфо­логический анализ, метод коллективных экспертных оценок, ме­тод «Дельфи», матричный метод.

Комплексные методы (прогнозирующие системы) включают в себя метод прогнозного графа, метод Паттерн, методы профайл. Комплексные методы отражаю! комбинации методов, реализуе­мые специальными прогностическими системами (например, ме­тоды прогнозного графа, метод паттерн).

Комбинированные методы включают в себя методы со сме­шанной информационной основой, в которых наряду с экспертной информацией используется и фактографическая.

В последнее время широко применяются следующие методы прогнозирования: статистические, скользящей средней и экспо­ненциальная средняя.

Статистические методы прогнозирования (экстраполяция по скользящей средней) применяются для краткосрочного исследования в том случае, когда данные динамического ряда не позво­ляют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных).

Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. Под сезонными колебаниями понимаются изменения уровня динами­ческого ряда, которые вызываются влияниями времени года. Проявля­ются они с различной интенсивностью в различных видах и формах ту­ристской деятельности: формирование, ценообразование, продвижение турпродукта и его потребление. Сезонные колебания цикличны, они по­вторяются через каждый год. Для этого надо иметь уровни колебания за каждый кварта;! (месяц, декаду).

Методика статистического прогноза по сезонным колебаниям осно­вана на их экстраполяции, т.е. на предположении, что параметры сезон­ных колебаний сохраняются до прогнозируемого периода.

Для измерения сезонных колебаний обычно исчисляются индексы сезонности, которые определяются отношением исходных (эмпиричес­ких) уровней ряда динамики к теоретическим (расчетным) уровням, выступающим в качестве базы сравнения.

Поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивиду­альных индексов, одноименных внутригодовых периодов анализируе­мого ряда динамики. Поэтому для каждого периода годового цикла оп­ределяются обобщенные показатели в виде средних индексов сезон­ности

Методика прогнозирования сезонных колебаний базируется на рас­чете индексов сезонности. Метол средних индексов сезонности приме­няется для составления прогнозов объемных и качественных показате­лей: изменение цен, производительность труда, издержки производства и обращения, прибыль и др.

Для реализации турпродукта осуществляется прогнозирование мето­лом линейной регрессии, который базируется на анализе взаимосвязи двух переменных (метод парной корреляции). — влияние вариации фак­торного показателя, например расходов на рекламу, и на результатив­ный показатель, например на объем продаж.

Метод скользящей средней состоит в замене фактических уров­ней динамического ряда расчетами, имеющими значительно мень­шую колеблемость, чем исходные данные. При этом средняя рас­считывается по группам данных за определенный интервал време­ни. Каждая последующая группа образуется со сдвигом на один год (месяц). В результате первоначальные колебания динамического ряда сглаживаются. Это называется сглаживанием рядов динамики (ос­новная тенденция развития выражается при этом в виде некоторой плавной линии). При прогнозировании исходят из предположения, что следующий во времени показатель по своей величине будет равен средней, рассчитанной за последний интервал времени.

Экспоненциальная средняя как метод используется при рассмот­рении скользящей средней в целях уточнения: чем «старше» на­блюдение, тем меньше оно должно оказывать влияние на величи­ну скользящей средней, влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Одним из приемов сглаживания динамического ряда с учетом «устаревания» наблюдения является расчет специальных показателей, получивших название экспоненциальных средних, которые применяются в краткосрочном прогнозировании.

Основная идея метода состоит в использовании в качестве про­гноза линейной комбинации прошлых и текущих наблюдений.

Применение скользящей и экспоненциальных средних в каче­стве основы для прогностической оценки имеет смысл в относи­тельно небольшой колеблемости уровней. Данные методы прогно­зирования относятся к числу распространенных методов экстра­поляции трендов.