Klassificering av metoder och modeller för prognoser. International Journal of Applied and Basic Research

Före tillkomsten av modern IT fanns det inte många möjligheter att använda effektiva ekonomiska matematiska modeller direkt i processen ekonomisk aktivitet. Användningen av befintliga prognosmodeller för analytiska ändamål ställde dessutom inte så höga krav på deras informationsstöd.

Grunderna för prognosteknik

När man bygger ett prediktivt system från grunden är det nödvändigt att lösa ett antal organisatoriska och metodologiska frågor. De första inkluderar:

• - Utbildning av användare i metoder för analys och tolkning av prognosresultat;
• - fastställande av riktningar för rörelsen av prognosinformation inom företaget, på nivån för dess divisioner och enskilda anställda, såväl som strukturen för kommunikation med affärspartners och myndigheter;
• - Fastställande av tidpunkten och frekvensen för prognosförfaranden.
• - utveckling av principer för att koppla prognosen med planering framåt och förfarandet för att välja alternativ för de resultat som erhålls när en företagsutvecklingsplan upprättas.

De metodologiska problemen med att bygga ett prognosdelsystem är:

• - utveckling intern struktur och mekanismen för dess funktion;
• - organisation av informationsstöd.
• - utveckling av mjukvara.

Det första problemet är det svåraste, eftersom för att lösa det är det nödvändigt att bygga en uppsättning prognosmodeller, vars omfattning är ett system med inbördes relaterade indikatorer. Problemet med systematisering och utvärdering av prognosmetoder framstår här som ett av de centrala, eftersom det är nödvändigt att genomföra dem för att välja en specifik metod. jämförande analys. En variant av klassificeringen av prognosmetoder, med hänsyn till särdragen hos det kunskapssystem som ligger till grund för varje grupp, kan sammanfattas enligt följande: metoder för expertbedömningar; metoder för logisk modellering; matematiska metoder.

Varje grupp är lämplig för att lösa ett visst antal uppgifter. Därför ställer praxis följande krav på de metoder som används: de måste vara inriktade på ett specifikt prognosobjekt, måste baseras på ett kvantitativt mått på adekvansen och vara differentierade när det gäller uppskattningarnas noggrannhet och prognoshorisonten.

De viktigaste uppgifterna som uppstår i processen att skapa ett prediktivt system är indelade i:

• - Bygga upp ett system med förutsägbara processer och indikatorer;
• - utveckling av en apparat för ekonomisk och matematisk analys av förutspådda processer och indikatorer;
• - Konkretisering av metoden för expertbedömningar, urval av indikatorer för granskning och inhämtning av expertbedömningar av vissa förutsedda processer och indikatorer;
• - Prognosindikatorer och processer med indikering av konfidensintervall och noggrannhet;
• - utveckling av metoder för tolkning och analys av erhållna resultat.

Arbetet med prognossystemets information och matematiska stöd förtjänar särskild uppmärksamhet. Processen att skapa programvara kan representeras som följande steg:

• - Utveckling av en metod för strukturell identifiering av prognosobjektet;
• - utveckling av metoder för parametrisk identifiering av prognosobjektet;
• - utveckling av metoder för att förutsäga trender;
• - utveckling av metoder för att förutsäga de harmoniska komponenterna i processer;
• - Utveckling av metoder för att bedöma egenskaperna hos slumpmässiga komponenter i processer;
• - Skapande av komplexa modeller för att förutsäga indikatorer som bildar ett sammankopplat system.

Skapandet av ett prognossystem kräver ett integrerat tillvägagångssätt för att lösa problemet med dess informationsstöd, vilket vanligtvis förstås som en uppsättning initiala data som används för att erhålla prognoser, såväl som metoder, metoder och verktyg som säkerställer insamling, ackumulering, lagring , sökning och överföring av data i processen för att prognostisera systemet och dess interaktion med andra företagsledningssystem.

Informationsstöd för systemet inkluderar vanligtvis:

• - Informationsfond (databas).
• - Källor för bildandet av informationsfonden, flöden och metoder för datamottagning.
• - Metoder för ackumulering, lagring, uppdatering och hämtning av data som utgör informationsfonden;
• - metoder, principer och regler för datacirkulation i systemet;
• - Metoder för att säkerställa tillförlitligheten hos uppgifter i alla skeden av deras insamling och bearbetning.
• - metoder informationsanalys och syntes;
• - sätt att entydig formaliserad beskrivning av ekonomiska data.

Följande huvudkomponenter krävs därför för att implementera prognosprocessen:

• - Källor för intern information, som är baserad på förvaltnings- och redovisningssystem;
• - Källor för extern information.
• - specialiserad programvara som implementerar prognostiseringsalgoritmer och analys av resultat.

Med tanke på vikten av att lösa problemet med prognoser för marknadsaktörer, är det tillrådligt att kontrollera kvaliteten på de föreslagna metoderna och algoritmerna, såväl som tekniker i allmänhet, med hjälp av speciellt utvalda (test) initiala data. En liknande verifieringsmetod har använts under lång tid för att bedöma lämpligheten hos matematiska verktyg utformade för olinjär optimering, till exempel genom att använda funktionerna Rosenbrock och Powell.

Bekräftelse (eller verifiering) av prognosteknikens kvalitet och prestanda utförs vanligtvis genom att a priori jämföra kända modelldata med deras förutspådda värden och utvärdera de statistiska egenskaperna för prognosnoggrannhet. Låt oss överväga detta trick i en situation där processmodellerna är en additiv uppsättning av trenden Tt, säsongsbetonade (harmoniska) och slumpmässiga komponenter.

För närvarande har en mängd olika programvaruverktyg blivit utbredda och tillhandahåller, i en eller annan grad, insamling och analytisk bearbetning av information. Vissa av dem, som MS Excel, är utrustade med inbyggda statistiska funktioner och programmeringsverktyg. Andra, särskilt billig bokföring och förvaltningsredovisning, inte har sådana förmågor eller analytiska förmågor är inte implementerade i dem tillräckligt, och ibland felaktigt. Detta är dock, tyvärr, inneboende i vissa mer kraftfulla och multifunktionella företagsledningssystem. Denna situation förklaras tydligen av en ytlig analys från utvecklarnas sida av egenskaperna hos de prognosalgoritmer som de har valt och deras okritiska tillämpning. Till exempel, att döma av tillgängliga källor, används ofta nollordningens exponentiell utjämning som grund för prediktiva algoritmer. Detta tillvägagångssätt är emellertid endast giltigt i avsaknad av en trend i den process som studeras. I själva verket är ekonomiska processer icke-stationära, och prognoser innebär användning av mer komplexa modeller än modeller med en konstant trend.

Det är intressant att spåra utvecklingen av inhemska automatiserade banksystem utifrån det aktuella ämnets perspektiv. De första banksystemen var baserade på rigid teknologi, som ständigt krävde förändringar eller ytterligare programvara. Detta fick utvecklare av finansiell mjukvara, enligt principerna om öppenhet, skalbarhet och flexibilitet, att använda industriellt DBMS. Men i sig visade sig dessa DBMS vara olämpliga för att lösa analytiska problem på hög nivå, som inkluderar prognosproblem. För att göra detta var det nödvändigt att använda ytterligare teknik för datalagring och operationell analytisk bearbetning, vilket säkerställde driften av beslutsstödssystem för finans- och kreditinstitut och för att göra prognoser. Samma tillvägagångssätt används i komplexa system företagsledning.

En annan riktning för modern tillämpad användning av prognosmetoder baserade på IT är lösningen av ett brett utbud av marknadsföringsuppgifter. En illustration är programvaran SAS Churn Management Solution for Telecommunications. Den är avsedd för teleoperatörer och tillåter, som dess utvecklare hävdar, att bygga prediktiva modeller och använda dem för att bedöma sannolikheten för ett utflöde av vissa kategorier av kunder. Grunden för denna mjukvara är den distribuerade databasservern Scalable Performance Data Server, verktyg för att bygga och administrera datalager och datamarts, verktyg intellektuell analys Enterprise Miner-data, SAS/MDDB Server-beslutsstödssystem och supportverktyg.

För att säkerställa konkurrenskraften hos nymodiga CRM-system i listan över deras avancerade funktioner, såväl som för automatiserade banksystem, ingår rapporteringsfunktioner som använder OLAP-teknologier och som i viss mån gör det möjligt att förutsäga resultaten av marknadsföring, försäljning och kundservice.

Det finns många specialiserade mjukvaruprodukter, tillhandahåller statistisk bearbetning av numeriska data, inklusive individuella prognoselement. Dessa produkter inkluderar SPSS, Statistica, etc. Dessa verktyg har både fördelar och nackdelar, vilket avsevärt begränsar omfattningen av deras praktiska tillämpning. Det bör noteras här att bedömningen av lämpligheten hos specialiserade matematiska och statistiska mjukvaruverktyg för att lösa prognosproblem av vanliga användare som inte har specialutbildning kräver en separat seriös studie och diskussion.

Att lösa prognosproblem för konsumenter från små och medelstora företag med hjälp av kraftfulla och dyra informationssystem och teknologier är dock praktiskt taget omöjligt, främst av ekonomiska skäl. Därför är en mycket lovande riktning utvecklingen av den analytiska förmågan hos befintliga och utbredda billiga redovisnings- och förvaltningssystem. Utvecklade ytterligare rapporter baserade på specifika affärsprocesser och som innehåller nödvändig analytisk information för en viss användare har ett högt förhållande mellan "effektivitet - kostnad".

Vissa mjukvaruutvecklare skapar hela rader av analytiska verktyg. Till exempel erbjuder Parus Corporation Parus-Analytics och Triumph-Analytics-lösningar för ett brett spektrum av användare från små och medelstora företag. Mer komplexa uppgifter med analytisk bearbetning av prognosinformation integreras i Parus-systemet i form av ett så kallat situationscentrum. Enligt Dmitry Sudarev, chef för utveckling av cirkulationslösningar, beslutades det att utveckla och implementera mjukvaruprodukter som gör det möjligt att gå från enkel redovisning av fakta i företagets verksamhet till informationsanalys. Samtidigt planerades en övergång från att automatisera revisorers och mellanchefers arbete till att bearbeta information för högsta ledningen. Med hänsyn till den möjliga kretsen av konsumenter ställer Parus-Analytics och Triumph-Analytics inga särskilda krav på mjukvaru- och hårdvarumiljön, däremot implementeras Triumph-Analytics-lösningen på basis av MS SQL Server, vilket ger den större möjligheter att förutsäga de processer som studeras, särskilt den harmoniska komponenten i prognoser beaktas.

Värdet på prognosen ökar många gånger när den används direkt i ledningen av företaget. Därför är en viktig riktning integrationen av prediktiva system med system som Kasatka, MS Project Expert, etc. Till exempel är Kasatka-mjukvaran från SBI positionerad som en automatiserad arbetsplats chefen och specialisterna för marknadsavdelningen och är avsedd för utveckling av komplex av ledning, marknadsföring och strategisk planering. Ett sådant syfte förutbestämmer behovet av att identifiera långsiktiga trender och ta hänsyn till dem i planeringen. Prognoshorisonten bestäms utifrån de relevanta målen för organisationen.

Olika företag har sina egna krav för att skapa en budget. Dessa funktioner beaktas av skaparna av mjukvaruprodukter. Tänk på de mest kända och vanliga mjukvaruprodukterna.

Hyper Pillar är ett stort och avancerat system som helt automatiserar budgetering. För att komma igång anger du planerade kostnader och beräknade kvitton. Resultatet av beräkningarna är en dynamisk företagsmodell med modeller ansvariga för varje nivå och en enkel teknik för att göra ändringar i den. Hyper Pillar är väl integrerad med andra företagsprodukter: Enterprise, Essbase OLAP Server, Reporting.

Corporate Planner är ett budgeteringsprogram baserat på ett företags strukturella kostnadsträd. Trädnoder - planerade, faktiska värden och avvikelser mellan dem. Noder är länkade med formler. Filer kan importeras via ODBC. Corporate Planner används i små företag och stödjer inte möjligheten till fördelat arbete.

Adaytum Planning - är ett tredimensionellt kalkylblad med funktionerna att bygga olika skivor. Tabellerna innehåller olika data (tid, ekonomi etc.) för varje avdelning på företaget. Det finns en funktion för att rulla upp den konsoliderade budgeten för ett valt datum. Adaytum Planning är en ekonomisk produkt för att skapa en liten budget genom att använda en rad analytiska verktyg.

Nephrite är en mjukvaruprodukt designad för användning i stora företag med en innehavsstruktur. Den har en mellanposition mellan dator- och pappersbehandling av dokumentation och har ett bekvämt förfarande för budgetgodkännande. Programmet fungerar även med otillräckligt förberedda data. De initiala uppgifterna är innehavsenheternas budgetar, som bör konsolideras till en innehavsbudget. "Jade" skapades på basis av kalkylblad.

"Red Director" är ett budgeteringssystem designat för små och medelstora företag och har ett enkelt gränssnitt. Grunden i programmet är en databas utan möjlighet till integration med andra mjukvaruprodukter.

Planering är en speciell typ av vetenskaplig och praktisk verksamhet, som består i utveckling av strategiska beslut (i form av prognoser, projekt, program, planer), som tillhandahåller främjande av sådana mål och strategier för beteendet hos kontrollobjekt, genomförandet varav säkerställer deras effektiva funktion på lång sikt, snabb anpassning till förändrade yttre förhållanden.

Projektexpertprogrammet för Pro-Invest-Consulting låter användare lösa följande uppgifter:

beskriva i detalj och utforma verksamheten i alla företag, med hänsyn till förändringar i parametrar yttre miljön(inflation, skatter, växelkurser);

utveckla en plan för utvecklingen av ett företag eller genomförandet av ett investeringsprojekt, en marknadsföringsstrategi och en produktionsstrategi som säkerställer rationell användning materiella, mänskliga och finansiella resurser;

bestämma finansieringsschemat för företaget;

· testa olika scenarier utveckling av företaget, varierande värderingar av faktorer som kan påverka dess ekonomiskt resultat;

förbereda finansiella rapporter (rapport om rörelsen Pengar, balansräkning, resultaträkning, resultaträkning) och affärsplan för investeringsprojektet, helt i överensstämmelse med internationella krav, på ryska och engelska;

genomföra en omfattande analys av företaget (projektet), inklusive en analys av den övergripande effektiviteten, känslighetsanalys, analys pengaflöde för varje projektdeltagare, analys finansiella ställning och företagets lönsamhet med hjälp av tre dussin automatiskt beräknade indikatorer.

Den speciella utbytesmodulen Project Expert låter dig importera och exportera information i formaten *.txt och *.dbf. Sammanfattande tabelldata och textinformation kopieras fritt via Windows urklipp till Word, Excel och andra Windows-program. Project Expert kommunicerar också med de mest kända planerings- och ledningssystemen: MS Project, Primavera, Project Planner och Sure Truck. Data importeras och exporteras i nätverksformatet GANTT, med en beskrivning av stadierna, deras relationer och så vidare.

Att vara kärnan i mjukvarupaketet finansiell analys och design, Project Expert kan automatiskt "ladda upp" information som kännetecknar företagets starttillstånd från Audit Experts finansiella analysprogram, och marknadsföringsoperativa plandata från Marketing Expert-programmet.

Project Expert-programmet finns i två versioner: Base och Professional. Project Expert Professional ger sina användare två ytterligare funktioner:

1) Uppdatering av data och kontroll över genomförandet av projektet (plan). Allt eftersom projektet fortskrider har användaren möjlighet att mata in faktiska data för alla projektmoduler och beräkna de uppdaterade indikatorerna för verkligt kassaflöde, samt kontrollera avvikelsen mellan det verkliga och planerade kassaflödet.

2) Arbeta med en grupp projekt. Specialmodulen Project Integrator låter dig kombinera flera projekt (företag) till en grupp och beräkna integrerade resultatindikatorer för gruppen som helhet, samt jämföra olika alternativ för ett projekt för alla indikatorer.

Biz Planner-programmet av Pro-Invest-Consulting är en modifiering av Project Expert och är avsett för planering och analys av effektiviteten av investeringar i små och medelstora företag.

Revisionsexpertprogrammet för Pro-Invest-Consulting är effektivt verktyg komplex analys företagets ekonomiska ställning och resultat. Genom att föra bokslut till internationella standarder kan du konvertera företags bokslut för olika år till analytiska tabeller som uppfyller kraven internationella standarder bokföring.

Marketing Expert-programmet för Pro-Invest-Consulting är ett beslutsstödssystem i alla stadier av utvecklingen av strategiska och taktiska marknadsföringsplaner och kontroll över deras genomförande.

Forecast Expert-programmet av Pro-Invest-Consulting är ett universellt tillämpat prognossystem och är designat för att bygga en tidsserieprognos med hjälp av en autoregressionmodell och ett integrerat glidande medelvärde (ARISS, ARIMA, Box-Jenkins). Prognosexpert låter dig analysera befintlig data och bygga en prognos med gränser konfidensintervall under en tidsperiod som inte överstiger den ursprungliga seriens observationsperiod. Modellen bestämmer graden av påverkan av säsongsfaktorer och tar hänsyn till dem när man bygger en prognos.

Microsofts MS Project-program är en utveckling inom området management investeringsprojekt baserad på grafteori och nätverksplanering.

Skicka ditt goda arbete i kunskapsbasen är enkelt. Använd formuläret nedan

Studenter, doktorander, unga forskare som använder kunskapsbasen i sina studier och arbete kommer att vara er mycket tacksamma.

Liknande dokument

Teoretisk grund prognoser och dess huvudsakliga metoder, stadier och typer av prognoser. Metoder för att förutsäga affärsmiljön. Analys praktisk användning beslutsträdsmetod i att göra ledningsbeslut på exemplet med företaget "Chita-Spetsstroy".

terminsuppsats, tillagd 2011-05-05


Kärnan i ekonomiska prognoser, egenskaper hos de viktigaste formerna av framsyn. Framsyn av interna och externa verksamhetsförhållanden. Typer av prognoser och prognosteknik. Prognosmetoder: expert, statistisk, kombinerad.

terminsuppsats, tillagd 2009-12-22


Noggrannhet i beslutsfattande. Grunderna för prognoser, statistisk och regressionsanalys med hjälp av programvara på exemplet med bränsleförsäljning på en automatisk bensinstation. Trendprognos och prognostisering med den autoregressiva metoden.

terminsuppsats, tillagd 2015-04-06


Prognosmetoder vid utveckling av förvaltningsbeslut. Prognosernas roll i regionala socioekonomiska förvaltningsprocesser. Sätt att förbättra planerings- och prognosaktiviteter för att hantera en hållbar utveckling i regionen.

terminsuppsats, tillagd 2014-10-04


Processen för företagsledning - utveckling baserad på analys av situationen för ledningsbeslut. Prognosmetoder i organisationen: uppgifter, tillämpningseffektivitet, resultat. Expertbedömningar i att fatta planerade beslut, extrapolering av trender.

terminsuppsats, tillagd 2012-02-03


Utveckling, koncept och kärna i prognoser och planering av företagsaktivitet. Strukturen för ekonomisk framsyn. Särskiljande egenskaper scenariometod, såväl som teknisk, expert, undersökning, normativ metod för prognoser.

abstrakt, tillagt 2011-04-15


Kärn och klassificering av risker. Tekniker för utveckling och urval av förvaltningsbeslut under risk. Den huvudsakliga egenskapen hos ett reseföretag. Risk i att fatta ledningsbeslut i reseföretaget LLC Romanova Olga's Travel Company.

terminsuppsats, tillagd 2014-01-21


Prognoser in innovationsverksamhet, klassificering av prognoser efter tid och åtgärdsskala. Förutsäga utbudet av innovationer, deras sociala och miljömässiga konsekvenser. Fastställande och utvärdering av projektets innovativa potential, dess parametrar.

terminsuppsats, tillagd 2009-07-24

En studie gjordes av de huvudsakliga inriktningarna och problemen med implementeringen i praktiska aktiviteter organisationer för modern informations- och kommunikationsteknik. Problemen och riktningarna för att skapa en enhetlig informationsutrymme. En analys av förutsättningar och förutsättningar genomfördes praktisk simulering, funktionerna i den stegvisa konstruktionen av prediktiva modeller för organisationers aktiviteter analyseras. Dana en kort beskrivning av drag i användningen av olika prognosmodeller betonas vikten av att kontrollera prognosmodellernas tillräcklighet. En genomgång av modern informations- och analysteknik för att förutsäga organisationers verksamhet har gjorts. Rekommendationer ges om användningen i praktiken av resultaten av att prognostisera organisationens nyckelindikatorer.

informations- och analysteknik

aktivitetsmodellering

modelltillräcklighetsanalys

förutsäga organisationens verksamhet

1. Golichev V.D., Golicheva N.D., Gusarova O.M. Smolensks land och dess befolkning (Historisk och statistisk översikt i siffror och fakta). - Smolensk: Smolgortypography, 2013. - 152 sid.

2. Gusarova O.M. Modellering som ett sätt att planera och hantera affärsresultat // Modern naturvetenskaps framgångar. - 2014. - Nr 11. - S. 88–92.

3. Gusarova O.M. Modellering i ledningsbeslut // Vetenskap och utbildning: problem och utvecklingsmöjligheter: insamling vetenskapliga artiklar baserad på material från den internationella vetenskaplig-praktiska konferensen. - Tambov: Yukom, 2014. - S. 41-42.

4. Gusarova O.M. Problem med integration av teori och praktik för att modellera affärsresultat // Ekonomi och utbildning: Utmaningar och sökande efter lösningar: en samling vetenskapliga artiklar baserade på materialet från den II allryska (korrespondens) vetenskapliga och praktiska konferensen (Yaroslavl, april 15, 2014) - Yaroslavl: Kansler, 2014. - s. 78–82.

5. Gusarova O.M. Bedömning av förhållandet mellan regionala indikatorer för socioekonomisk utveckling (på material från Central federalt distrikt Ryssland) // Samtida frågor vetenskap och utbildning. -2013. - Nr 6. (Elektronisk journal).

6. Gusarova O.M., Zhuravleva M.A. Analys och förbättring av aktiviteter aktiebolag// Modern vetenskapsintensiv teknik. - 2014. - Nr 7–3. – S. 10–12.

7. Gusarova O.M. Metoder och modeller för att förutsäga verksamheten i företagssystem // Teoretiska och tillämpade frågor om utbildning och vetenskap: en samling vetenskapliga artiklar baserade på materialet från den internationella vetenskapliga och praktiska konferensen. – Tambov: Yukom, 2014. – S. 48–49.

8. Gusarova O.M. Datorteknik för modellering av socioekonomiska processer // Rysslands ekonomiska tillväxt och konkurrenskraft: trender, problem och strategiska prioriteringar: insamling vetenskapliga artiklar baserad på material från den internationella vetenskaplig-praktiska konferensen. – M.: Unity-Dana, 2012. – S. 102–104.

9. Gusarova O.M. Studie av kvaliteten på kortsiktiga prognosmodeller för finansiella och ekonomiska indikatorer. – M.: 1999. – 198 sid.

10. Orlova I.V., Turundaevsky V.B. Multivariat statistisk analys i studiet av ekonomiska processer. Monografi. – M.: MESI, 2014. – S. 190.

I samband med införandet av ekonomiska sanktioner letar ett antal ryska företag efter effektiva sätt att säkerställa konkurrenskraften för sina produkter och förbättra organisationens effektivitet. Under svåra ekonomiska förhållanden är det nödvändigt att använda inte bara praktisk erfarenhet av att organisera ett företag inom ett visst verksamhetsområde, utan också moderna tillvägagångssätt till affärsplanering. Det utbredda införandet av informations- och analytisk teknik för modellering och prognostisering av viktiga affärsindikatorer i utövandet av aktiviteter möjliggör operativ övervakning av affärsresultat och bildandet av en organisations utvecklingsstrategi. Användningen av informations- och analytisk teknik gör att du kan skapa integrerade affärsresultathanteringssystem, optimera material och finansiella flöden, minimera kostnaderna för finansiella och ekonomiska aktiviteter, maximera företagets vinster och lösa en rad andra problem.

Processerna för informatisering av det moderna samhället och processerna för implementering av informations- och kommunikationsteknik inom alla affärsområden som är nära relaterade till dem kännetecknas av den massiva spridningen av informations- och analytisk teknik för att analysera organisationers verksamhet. olika områden och ägandeformer. Modern informationsteknik gör det möjligt att automatisera ett antal av följande områden: studera egenskaperna hos ett system (objekt), övervaka dynamiken i utvecklingen av nyckelindikatorer inom alla affärsområden, optimera parametrarna för det fungerande systemet, skapa integrerade system för att övervaka och hantera systemet, planera och prognostisera utsikterna för utvecklingen av organisationen.

Det strategiska målet med att introducera informations- och kommunikationsteknik på alla verksamhetsområden i det moderna samhället är att skapa ett enda informationsutrymme utformat för att lösa ett brett spektrum av frågor relaterade till tillgång till enhetliga databaser, snabbt tillhandahållande av statistisk rapportering, skapande av integrerade övervakningssystem för olika aktiviteter. Allt detta bidrar till skapandet av fundamentalt nya möjligheter för utveckling av kognitiv kreativ aktivitet hos en person: forskning, organisatorisk och ledningsmässig, expert, entreprenör, etc. Skapandet av ett enda informationsutrymme hjälper till att förbättra effektiviteten och kvaliteten på övervakningen av organisationers verksamhet, intensifiera vetenskaplig forskning inom olika områden, minska handläggningstiden och tillhandahålla information, effektiviteten och effektiviteten i systemhanteringen, integrationen av nationella informationssystem i internationella system tillgång till informationsresurser inom vetenskap, kultur, näringsliv och andra verksamhetsområden.

Införandet av informations- och kommunikationsteknik i organisationers praktiska verksamhet kännetecknas av ett antal områden och problem:

● den tekniska utrustningen hos organisationer med informations- och kommunikationsteknik innebär tillgång till modern programvara och begränsas av organisatoriska och ekonomiska faktorer. Så tillgång till "liten informatisering" är i vissa fall ineffektiv, och till "stor" - dyr och ger ingen snabb avkastning.

● Utbildning av specialister inom området informations- och kommunikationsteknik, särskilt inom området nätverksteknik, bör bli en prioriterad uppgift, på vars lösning effektiviteten av organisationens verksamhet i denna riktning beror. En högutbildad IT-proffs kan ibland utföra arbetsbördan för en hel avdelning i en organisation. I detta avseende är det nödvändigt att arbeta utbildningsorganisationer alltmer införa discipliner relaterade till informationsteknologi och öka deras praktiska inriktning. Modernt system utbildning bör fokusera på fundamentalisering av utbildning på alla dess nivåer, den utbredda användningen av innovativa utbildningsmetoder och teknologier, förbättring av utbildningens kvalitet och tillgänglighet genom utveckling av ett system Distans utbildning och utrustning utbildningsprocess modern informations- och kommunikationsteknik.

● Skapande informationsbaser data inom alla delar av organisationens verksamhet kräver viss ansträngning, men är en viktig länk i integrationen informationsteknik organisationer i ett enda informationsutrymme.

Ett av de aktuella områdena för att introducera informations- och analytisk teknik i organisationers praktiska verksamhet är den operativa övervakningen av viktiga affärsindikatorer och prognostisering av alternativa alternativ för företagets utveckling. I det allmänna fallet kan följande sekvens av steg i att förutsäga utvecklingen av ett forskningssystem (objekt) särskiljas.

● Att sätta upp mål och mål för studien bestämmer de strategiska riktlinjerna och taktiska riktningarna i studien av systemet, som under studiens gång kan förfinas och konkretiseras.

● Formuleringen av systemets konceptuella modell innebär en granskning av systemet för att identifiera dess egenskaper, egenskaper hos dynamik och inbördes samband med faktorer i den yttre och inre miljön. Samling statistisk information om systemets egenskaper innebär ytterligare formulering av den verbalt-beskrivande modellen av systemet, med förbehåll för förtydligande och formalisering. Formuleringen av systemets konceptuella modell förutsätter en lista över huvudfrågor formulerade i termer av ett givet studieområde som uppfyller målen för studien, och en uppsättning hypoteser om egenskaperna och egenskaperna hos modelleringsobjektet.

● Formalisering av en verbal deskriptiv modell innebär konstruktion av en matematisk modell och numerisk bestämning av dess parametrar. En viktig punkt samtidigt är rätt val metoder för att bestämma parametrarna för den matematiska modellen. Varje system har sina egna egenskaper för utveckling, och en sådan egenskap hos modellen som adekvathet, dvs. den formaliserade modellens överensstämmelse med egenskaperna hos verkliga processer som kännetecknar dynamiken i forskningssystemet. Beroende på forskningssystemets särdrag kan olika klasser av prognosmodeller preliminärt väljas ut, till exempel tillväxtkurvor som kännetecknar systemets dynamik över tid, ekonometriska modeller som etablerar och utvärderar sambandet mellan olika interna egenskaper hos systemet och ett antal externa faktorer, varianter av adaptiva modeller som används för högdynamiska system med säsongs- och cykliska fluktuationer, från de enklaste till autoregressiva modeller med autokorrelerade och heteroskedastiska residualer.

● Att erhålla och tolka simuleringsresultat innefattar kontroll av ett antal egenskaper hos den matematiska modellen, i synnerhet kontroll av modellens tillräcklighet och noggrannhet. Modellens lämplighet kännetecknar graden av närhet av egenskaperna hos den konstruerade modellen till egenskaperna och egenskaperna hos ett verkligt objekt (system). Av ett antal skäl, såsom ett antal antaganden som äger rum i modellering, omöjligheten att ta hänsyn till många faktorer som bestämmer dynamiken i utvecklingen av studieobjektet, ett antal tekniska fel i modellens formaliseringsstadium och ett antal andra punkter leder naturligtvis till skillnader i egenskaperna hos modellen och det verkliga objektet. Det är viktigt att dessa skillnader inte är av grundläggande karaktär och ligger inom vissa gränser (avvikelser). Värdet på tillåtna avvikelser bestäms av egenskaperna hos forskningssystemets dynamik, analysperioden av systemets egenskaper samt syftet med studien. Modellnoggrannhetsindikatorer, såsom standardavvikelsen för en serie av residualer, det genomsnittliga approximationsfelet, det genomsnittliga relativa felet, karakteriserar graden av approximation av de simulerade data till de faktiska observationer som erhållits som ett resultat av insamling av statistisk information. I detta skede genomförs förfining och slutval av den modell som används i framtiden för att bygga prognosen. Samtidigt genomförs en utökad verifiering av modellens adekvathet, inklusive, förutom att testa hypoteser om uppfyllandet av ett antal statistiska egenskaper hos restkomponenten, såsom oberoende, slumpmässighet, det matematiskas likvärdighet. förväntan av residualerna till noll, uppfyllandet av normalfördelningslagen, utvärderingen av ett antal sådana egenskaper hos modellen som bestämningskoefficienten som kännetecknar andelen variation av den studerade egenskapen under påverkan av externa och interna faktorer, Fishers koefficient, som utvärderar den statistiska signifikansen för den resulterande modellen. Baserat på resultaten av att jämföra egenskaperna för adekvans och noggrannhet görs det slutliga valet prediktiv modell.

● Att bygga på en formaliserad modell av prognoser och använda resultaten av modellering i systemförvaltningen innebär att man skaffar punktprognoser som kännetecknar utsikterna för utvecklingen av forskningssystemet. Utöver dessa kan intervallprognoser konstrueras som har en högre sannolikhet att erhålla intervall där systemets egenskaper kan fluktuera. Det bör noteras att prognoser är av probabilistisk karaktär och kommer att vara tillförlitliga endast om samma utvecklingsmönster fungerar under den upptaktsperiod som ägde rum i systemforskningsstadiet.

Användningen av prognostiserade resultat för att fatta ledningsbeslut är en kreativ process och kräver inte bara teoretiska kunskaper i särskilt område, men också praktisk erfarenhet om att arbeta med forskningssystemet. För närvarande har den vetenskapliga forskningen kommit långt i utvecklingen av informations- och analytisk teknik för att förutsäga organisationers aktiviteter. Till exempel är tekniker för neurala nätverksprognoser, fuzzy logic, ett antal specialiserade multifunktionella analys- och prognosprogram, såsom Statistica, SPSS, Stadia, VSTAT, Project Exspert och ett antal andra mjukvaruprodukter kända. För operativ övervakning och prognostisering av resultaten av systemets funktion, samt i utbildningssyften MS Excel-paketet kan också användas, som implementerar trend- och regressionsanalys, samt tillåter att, på basis av en kalkylbladsprocessor, beräkna ett antal ytterligare egenskaper hos systemet.

Baserat på resultaten av studien av ledningssystemet (objektet) med hjälp av informations- och analytiska prognostekniker, kan rekommendationer formuleras för att förbättra organisationens (systemets) aktiviteter, till exempel genom att fokusera på att uppnå vissa värden för nyckelprestandaindikatorer som implementerar organisationens utvecklingsstrategi, optimerar kassaflöden, utvecklar nya lovande verksamhetsområden. Användningen av modern informations- och analytisk teknik för modellering och prognoser kommer att bidra till att öka effektiviteten av aktiviteter i ljuset av genomförandet av strategin och taktiken för organisationens utveckling.

Bibliografisk länk

• handledning

Jag har gjort tidsserieprognoser i över 5 år. Förra året disputerade jag på ämnet " Tidsserieprognosmodell från Maximum Similarity Sample”, men efter försvaret var det en del frågor kvar. Här är en av dem - allmän klassificering av prognosmetoder och modeller.

Vanligtvis, i verk av både inhemska och engelsktalande författare, ställer de sig inte frågan om klassificeringen av prognosmetoder och modeller, utan listar dem helt enkelt. Men det förefaller mig som om detta område idag har vuxit och expanderat så mycket att, även om den mest allmänna, klassificering är nödvändig. Nedan är min egen version av den allmänna klassificeringen.

Vad är skillnaden mellan en prognosmetod och en modell?

Förutsägelsemetod representerar en sekvens av åtgärder som måste utföras för att erhålla en prognosmodell. I analogi med matlagning är en metod en sekvens av åtgärder enligt vilka en maträtt tillagas - det vill säga en prognos görs.

Förutsägelsemodellär en funktionell representation som adekvat beskriver den process som studeras och som ligger till grund för att erhålla dess framtida värden. I samma kulinariska analogi har modellen en lista över ingredienser och deras förhållande, vilket är nödvändigt för vår maträtt - en prognos.

Kombinationen av metod och modell bildar ett komplett recept!

Det är numera brukligt att använda engelska förkortningar för namn på både modeller och metoder. Till exempel finns det den berömda autoregression-integrerade prognosmodellen för förlängt glidande medelvärde (ARIMAX). Denna modell och dess motsvarande metod brukar kallas ARIMAX, och ibland Box-Jenkins modellen (metoden) efter författarna.

Först klassificerar vi metoderna

Om man tittar noga blir det snabbt tydligt att begreppet " prognosmetoden"mycket bredare begrepp" prediktiv modell". I detta avseende, i det första stadiet av klassificering, delas metoder vanligtvis in i två grupper: intuitiva och formaliserade.

Om vi ​​minns vår kulinariska analogi, så kan vi även där dela upp alla recept i formaliserade, det vill säga nedskrivna efter antalet ingredienser och beredningsmetoden, och intuitiva, det vill säga inte registreras någonstans och erhållna från erfarenheten av den kulinariska specialisten. När använder vi inte ett recept? När rätten är väldigt enkel: stek potatis eller koka dumplings, du behöver inget recept. När annars använder vi inte receptet? När vi vill uppfinna något nytt!

Intuitiva prognosmetoder behandla experters bedömningar och bedömningar. Hittills används de ofta inom marknadsföring, ekonomi, politik, eftersom systemet, vars beteende måste förutsägas, antingen är mycket komplext och inte kan beskrivas matematiskt, eller mycket enkelt och inte behöver en sådan beskrivning. Detaljer om sådana metoder finns i.

Formaliserade metoder- prognosmetoder som beskrivs i litteraturen, som ett resultat av vilka prognosmodeller byggs, det vill säga de bestämmer ett sådant matematiskt beroende som gör att du kan beräkna det framtida värdet av processen, det vill säga göra en prognos.

På detta kan den allmänna klassificeringen av prognostiseringsmetoder, enligt min mening, kompletteras.

Därefter gör vi en allmän klassificering av modeller

Här är det nödvändigt att gå vidare till klassificeringen av prognosmodeller. I det första skedet bör modellerna delas in i två grupper: domänmodeller och tidsseriemodeller.

Domänmodeller- sådana matematiska prognosmodeller, för vilkas konstruktion ämnesområdets lagar används. Till exempel innehåller en modell som används för att göra en väderprognos ekvationerna för vätskedynamik och termodynamik. Prognosen för befolkningsutvecklingen görs på en modell byggd på en differentialekvation. Förutsägelsen av blodsockernivån hos en person med diabetes görs på basis av ett system av differentialekvationer. Kort sagt, sådana modeller använder beroenden som är specifika för ett visst ämnesområde. Dessa typer av modeller är individuellt förhållningssätt under utveckling.

Tidsseriemodeller- matematiska prognosmodeller som söker hitta det framtida värdets beroende av det förflutna inom själva processen och beräkna prognosen på detta beroende. Dessa modeller är universella för olika ämnesområden, det vill säga de allmän formändras inte beroende på tidsseriens karaktär. Vi kan använda neurala nätverk för att förutsäga lufttemperatur och sedan tillämpa en liknande modell på neurala nätverk för att förutsäga aktieindex. Dessa är generaliserade modeller, som kokande vatten, i vilka om du kastar en produkt, kommer den att koka, oavsett dess natur.

Klassificering av tidsseriemodeller

Det verkar för mig att komponera allmänna klassificeringen domänmodeller är inte möjligt: ​​hur många områden, så många modeller! Tidsseriemodeller lämpar sig dock lätt för enkel uppdelning. Tidsseriemodeller kan delas in i två grupper: statistiska och strukturella.

I statistiska modeller det framtida värdets beroende av det förflutna ges i form av någon ekvation. Dessa inkluderar:

1. regressionsmodeller (linjär regression, icke-linjär regression);
2. autoregressiva modeller (ARIMAX, GARCH, ARDLM);
3. exponentiell utjämningsmodell;
4. modell baserad på det maximala likhetsprovet;
5. etc.

I strukturella modeller det framtida värdets beroende av det förflutna ges i form av en viss struktur och regler för att förflytta sig längs det. Dessa inkluderar:

1. neurala nätverksmodeller;
2. modeller baserade på Markov-kedjor;
3. modeller baserade på klassificerings-regressionsträd;
4. etc.

För båda grupperna har jag angett de huvudsakliga, det vill säga de vanligaste och mest detaljerade prognosmodellerna. Men idag finns det redan ett stort antal tidsserieprognosmodeller, och för att göra prognoser har till exempel SVM-modeller (support vector machine), GA-modeller (genetisk algoritm) och många andra börjat användas.

Allmänna klassificeringen

Därmed fick vi följande klassificering av modeller och prognosmetoder.

1. Tikhonov E.E. Prognoser i marknadsförhållanden. Nevinnomyssk, 2006. 221 sid.
2. Armstrong J.S. Prognos för marknadsföring // Kvantitativa metoder inom marknadsföring. London: International Thompson Business Press, 1999, s. 92–119.
3. Jingfei Yang M. Sc. Power System Kortsiktig lastprognoser: Examensarbete för doktorsexamen. Tyskland, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 s.

UPD. 2016-11-15.
Mina herrar, det har nått vansinne! Nyligen fick jag en artikel för VAK-upplagan med en länk till detta inlägg för granskning. Jag uppmärksammar er på det faktum att varken i diplom, eller i artiklar, och ännu mer i avhandlingar kan inte länka till bloggen! Om du vill ha en länk använd denna: Chuchueva I.A. MODELL FÖR FÖRUTSÄTTNING AV TIDSERIER OM VAL AV MAXIMAL LIKHET, avhandling... cand. de där. Vetenskaper / Moscow State Technical University. N.E. Bauman. Moskva, 2012.

Taggar: Lägg till taggar