Курсовая работа: Прогнозування розвитку динаміки України як господарської системи

а) ступінь формалізації; загальні принципи дії;

б) спосіб одержання й обробки інформації; напрямок і призначення прогнозування;

в) процедура одержання параметрів прогнозування і так далі представлена класифікаційна схема методів прогнозування, що наведена в Додатку Б.

За ступенем формалізаціїметоди економічного прогнозування можна розділити на інтуїтивні і формалізовані. У тих випадках, коли через значну складність об'єкта прогнозування неможливо врахувати вплив багатьох факторів, використовуються інтуїтивні методи, тобто методи, засновані на оцінках експертів. Розрізняють індивідуальні і колективні експертні оцінки. Індивідуальні експертні оцінкивключають:

- метод «інтерв'ю», при якому здійснюється безпосередній контакт;

- експерта з фахівцем за схемою «питання – відповідь»;

- аналітичний метод, при якому здійснюється логічний аналіз якої-небудь прогнозованої ситуації;

- метод написання сценарію, заснований на визначенні логіки процесу чи явища в часі за різними умовами.

До складу колективних експертних оціноквходять:

- метод комісій;

- метод Дельфі;

- метод колективної генерації ідей («мозкова атака»);

- матричний метод (метод сценаріїв).

Застосування цих методів, засноване на колективному мисленні, дозволяє, по-перше, підвищити точність результатів, і, по-друге, при обробці незалежних оцінок експертів можуть виникнути продуктивні ідеї.

У групі формалізованих методів виділяють дві підгрупи: екстраполяції і моделювання.До першої підгрупи відносяться методи найменших квадратів, експонентного згладжування, ковзних середніх. До другого – структурне, мережне, матричне й імітаційне моделювання.

У залежності від способу одержання прогнозної інформації виділяють експертні і фактографічніметоди. Останні засновані на фактографічній інформації, тобто інформації про об'єкт прогнозування і його минулий розвиток. Експертні методи базуються на інформації, отриманій від експертів.

За ступенем просторової і часової погодженості результатів прогнозу виділяють:

- одномірне прогнозування – рівнобіжне прогнозування окремих об'єктів без подальшого узгодження розрізнених прогнозів;

- багатомірне прогнозування – рівнобіжне прогнозування окремих об'єктів зі спробою подальшого узгодження результатів;

- перехресне прогнозування – установлення причинно-наслідкових залежностей між екзогенними змінними і їх впливом на прогнозований об'єкт;

- наскрізне прогнозування – імітація поводження системи в цілому, включаючи просторове і часове її дослідження і повне узгодження результатів.

Значне місце серед методів економічного прогнозування займають так звані комбіновані методи. До них відносяться методи зі змішаною інформаційною основою, у яких як первинну використовують як фактографічну, так і експертну інформацію. Наприклад, при проведенні експертного опитування може бути використані фактографічна інформація і, навпаки, при екстраполяції тенденції, поряд з фактичними даними, – експертні оцінки. Так, наприклад, реалізація комбінованого підходу до використання різних методів прогнозування представлена в Додатку В.

Комбіновані методи використовують при побудові досить складних соціально-економічних прогнозів, де дуже важлива обробка як якісної, так і кількісної інформації.

У залежності від типузадачі прогнозування(прогнозування характеристик функціонування соціально-економічних систем (СЕС), прогнозування стану СЕС, прогнозування поводження і розвитку СЕС), способу її формального визначення (структуровані, слабоструктуровані, неструктуровані) можуть бути використані різні методи апарата прогнозування в таблиці 1.2.

Таблиця 1.2 – Рішення задач прогнозування різними методами

Задачі прогнозування	Структуровані (Сильно формалізовані)		Слабоструктуровані (слабоформалізовані)	Неструктуровані (неформалізовані)
	тенденції (стани) стійкі	тенденції (стани) нестійкі
Характеристика функціонування СЕС	Екстраполяція на основі темпу зростання; тренду і регресійних динамічних і лагових моделей; згладжування і ковзних середніх (КС); авторегресії (АР); моделей АРКС	Прогноз на основі випадкових функцій, генетичних алгоритмів, за допомогою методів спектрального і гармонічного аналізу	Імітаційні методи; методи статистичного моделювання (метод Монте-Карло)	Експертні методи (метод експертних оцінок, метод Дельфі)
Задачі прогнозування	Структуровані (Сильно формалізовані)		Слабоструктуровані (слабоформалізовані)	Неструктуровані (неформалізовані)
	тенденції (стани) стійкі	тенденції (стани) нестійкі
Стани СЕС	Прогноз стану на основи ланцюгів Маркова	Прогноз станів на основі напівмарковських процесів; мереж Петрі, кінцевих та нескінченних автоматів	Імітаційні методи (метод системної динаміки), прогноз на основі нейронних мереж	Експертні методи (метод „мозкової атаки”, метод сценаріїв), використання експертних систем і системи підтримки прийняття рішень (СППР)
Поведінка і розвиток СЕС	Прогноз на основні стійких рішень диференціальних и кінцево-різніцевих рівнянь	Прогноз на основі нестійких рішень диференціальних і кінцево-різніцевих рівнянь(визначення точок біфуркації, знаходження „дивних”	Імітаційні методи (на основі кусково-лінійних агрегатів), прогноз на основі нейронних мереж	Визначення „каналів еволюції” на основі експертних думок, використання експертних систем і СППР

Для рішення суворо формалізованих задач прогнозування використовуються традиційні методи математичного моделювання й екстраполяції. При цьому при виборі методів прогнозування варто враховувати наявність чи відсутність стійкої тенденції (стану) соціально-економічної системи.

Чим менше СЕС піддана дії випадкових факторів, тим більш стійка траєкторія її поводження і ті стани, у яких може перебувати система. У цьому випадку для прогнозування характеристик функціонування СЕС застосовуються методи аналізу часових рядів, засновані на вивченні детермінованої (об'єктивної) складової тенденцій зміни її показників. Для прогнозування станів СЕС використовуються ланцюги Маркова, у яких імовірності переходів з одного стану в інший і сам перелік можливих станів системи не змінюються. Прогнозування стійкого поводження і розвитку СЕС у випадку, коли існує відома динамічна математична модель, представлена у вигляді диференціальних або кінцево-різницевих рівнянь ґрунтується на перебуванні стійких рішень, що відбивають траєкторію поводження чи розвитку СЕС.

У тому випадку, якщо рішення диференціального (кінцево-різницевого) рівняння нестійке, варто шукати точки, де існують різні інтегральні криві. Ці точки (точки біфуркації) вказують на можливі різні варіанти прогнозних траєкторій поводження чи розвитку системи. Якщо поводження системи, зміна її станів, процес розвитку протікають за більш складними законами, наявні нелінійні, стрибкоподібні ефекти, то як досить адекватний математичний апарат опису СЕС варто використовувати різні типи поверхонь, що представляють ряд можливих катастроф, У випадку, якщо при математичному описі змін станів і характеристик системи її поводження і розвиток вказують на умови так званого «детермінованого хаосу», той прогнозний стан СЕС варто шукати в області так званих «дивних» аттракторів. Для рішення слабоформалізованих задач прогнозування варто використовувати методи статистичного (метод Монте-Карло) і імітаційного моделювання, засновані на різних концептуальних положеннях (елементів функціонування, кусково-лінійних агрегатів, мереж масового обслуговування, потоків). Для ряду задач прогнозування, що відносяться до класу слабоформалізованих, доцільно застосовувати відносно новий підхід, заснований на використанні концепції функціонування нейронних мереж. У результаті дослідження схованих кореляційних матриць і системи підбора випадкових функцій у процесі самонавчання по нейронній мережі можна одержувати досить об'єктивні прогнози для складних явищ і процесів. Длярішення неформалізованих задач прогнозування доцільно використовувати різні класи експертних методів, експертні системи і системи підтримки прийняття рішень (СППР).

2. МОДЕЛІ ПРОГНОЗУВАННЯ СОЦІАЛЬНО ЕКОНОМІЧНИХ ОБ’ЄКТІВ

2.1 Принцип вибору моделей та комбінування прогнозів

Одним з принципових питань є обґрунтування виду моделі та класів методів, що були застосовані при її побудові. З одного боку, дуже сильна деталізація потребує значного інформаційного забезпечення та довгих часових рядів. З іншого боку, використання лише якісних оцінок при прогнозуванні не дає можливості оцінити кількісні ефекти від передбачених сценаріїв розвитку процесів. Тому необхідно збалансувати якісні і кількісні підходи з побудови моделі прогнозу складних явищ та процесів.