Особливе місце в класифікації методів економічного прогнозування мають так звані комбіновані методи, що поєднують різні інші методи. Наприклад, колективні експертні оцінки і методи моделювання або статистичні й опитування експертів. Як інформація використовується фактографічна і експертна інформація.

Проблеми вибору методу прогнозування

В прогнозуванні можна йти двома шляхами. Перший – спробувати віднайти причинно-наслідковий механізм, тобто знайти фактори, що визначають поведінку прогнозованого показника, прогноз по яким або відомий, або знайти його неважко.

Цей шлях приводить власне до економіко-математичного моделювання, побудови моделі поведінки економічного об’єкта (статистичні моделі такого типу називають економетричними). Другий шлях – не вдаючись в механіку руху, спробувати передбачити майбутній стан, аналізуючи часовий ряд показника ізольовано.

Ріст популярності прогностичних методів супроводжувався їх теоретичним удосконаленням, але по закону Парето тільки 20% наявних теоретичних моделей використовується в 80% практичних прикладах, інші 80% моделей – в 20% прикладів.

Методи прогнозування суттєво відрізняються в залежності від того, чи являється прогнозування короткостроковим чи середньостроковим. В першому випадку прогноз складається на один-два моменти часу (квартал, місяць, тиждень і т.п.) вперед і, як правило, оперативний і неперервний. В більшості випадків короткотермінового прогнозування дані беруться або за місяць, або за тиждень; відповідно прогноз слід складати на один-два місяці або тиждень вперед.

При середньостроковому прогнозуванні дані, як правило, щорічні, а прогноз необхідно складати на 5-10 років вперед.

В першому випадку (короткостроковий прогноз) використовуються методи, побудовані на ідеї експоненціального згладжування, вперше запропоновані Брауном, а в другому (середньостроковий прогноз) – методи вирівнювання і екстраполяції трендів.

Причиною популярності відповідних методів наступні:

порівняна простота;

економічність обчислень;

можливість автоматичної побудови прогнозів;

наявність математичного забезпечення.

Методи короткострокового прогнозування застосовуються в тих випадках, коли:

частота даних за розглядуваний період не більше року (тижневі, щомісячні, квартальні і т.п.);

прогноз складається для конкретного об’єкту окремо і послідовно на кожний наступний момент часу;

прогнози складаються для великої кількості об’єктів;

якщо прогноз складається для конкретного товару чи ринкового продукту, в задачу прогнозування також входить: а) аналіз попиту з метою напрацювання політики в області управління запасами і виробництвом відповідного товару, б) аналіз продаж з метою впорядкування торгових потоків і торгових операцій.

В короткострокових системах прогнозування підсумкове значення показника розглядається як одне спостереження, тобто попит за день, сума продаж за тиждень, виробництво за місяць і т.д. Збільшуючи довжину спостережуваного періоду, ми збільшуємо об’єм вибірки і таким чином зменшуємо вплив окремих коливань прогнозованого показника за період, а значить, отримуємо можливість побудови такого прогнозу. В той же час із збільшенням довжини періоду, очевидно, зменшується і швидкість пристосування методу прогнозування до фактичних коливань в даних. Баланс між цим двома ефектами досягається вибором підходящого інтервалу спостережень за показником – бази прогнозу.

Для задовільного короткострокового прогнозування необхідно, щоб на протязі двох одиниць довжини спостережного періоду було б хоча б одне спостереження (50% ймовірність). Число одиниць часу, на який складається прогноз, називається горизонтом прогнозування.

Важливим критерієм при виборі методу прогнозування є характер зміни показника в часі – стаціонарний чи нестаціонарний ряд.

Під стаціонарним будемо розуміти такий показник, індивідуальні значення якого, змінюючись в часі, не змінюють середнього на протязі достатньо тривалого періоду часу.

Рисунок .2 – Типова картина стаціонарного ряду

Рисунок 1.2 демонструє зміну попиту на деякий товар в часі. Середнє значення за розглядуваний період не збільшується і не зменшується. Це типова картина для стаціонарного показника: окремі значення коливаються вверх і вниз, тоді як середнє значення показника достатньо стійке.

На рисунку 1.3 показана зовсім протилежна ситуація. Тут середнє значення явно не постійне і зростає із плином часу. Така ситуація можлива, наприклад, в умовах розширення ринку товару. Для вияснення причин подібної поведінки ринку потрібна додаткова експертна інформація. В цьому випадку методи прогнозування повинні бути складніші, чим для стаціонарного ряду.

Рисунок . – Типова картина нестаціонарного ряду

Оскільки прогнози, здійснені на основі математичних методів прогнозування, побудовані на основі інформації про поведінку об’єкта в минулому, вони завжди будуть мати відхилення. Тому більшість прогностичних схем і алгоритмів будується на ідеї мінімізації таких відхилень. Для оцінки міри якості прогнозу використовують суму квадратів відхилень. Звичайною мірою розсіювання відхилень навколо середнього служить такий показник як стандартне відхилення.

Відповідно кожний прогноз буде характеризуватись двома основними показниками. Перший – значення прогнозованого показника на майбутній момент часу, що знаходиться будь-яким методом прогнозування, тобто сам прогноз. Другий – стандартне відхилення прогнозу, яке характеризує розсіювання прогнозованого значення навколо реального.

Не існує якого-небудь одного методу прогнозування, що завжди був би кращим за інші методи. Прогнозування є настільки ж мистецтвом, наскільки і наукою. За багатьма аспектами воно подібне до медицини, у якій практикуючий лікар повинен враховувати безліч чинників при діагностиці і лікуванні захворювання. Серед таких чинників необхідно враховувати:

доступність і точність ретроспективних даних;

час, що є в наявності для проведення аналізу;

необхідний ступінь точності;

тривалість прогнозованого періоду;

вартість проведення аналізу і підготовки періодичних прогнозів.

Вибір визначеного методу повинен здійснюватись на основі порівняння витрат і переваг кожного методу. Звичайно, існує певний зв'язок: точність прогнозу сприяє зниженню витрат, пов’язаних з