Здесь можно найти образцы любых учебных материалов, т.е. получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Методы прогнозирования

Информация:

Тип работы: курсовая работа. Добавлен: 10.07.2012. Сдан: 2011. Страниц: 9. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Содержание:
Введение 3
Глава 1 4
1 Задачи  и принципы прогнозирования 4
2 Методы  научно-технического прогнозирования 7
2.1 Классификация  методов прогнозирования 7
2.2 Экстраполяционные  методы прогнозирования 10
2.2.1 Предварительная  обработка исходной информации в задачах прогнозной экстраполяции 11
2.3 Статистические  методы 14
2.4 Экспертные  методы 16
2.4.1 Область  применения экспертных методов 16
2.4.2 Метод  эвристического прогнозирования  (МЭП) 19
3 Классификация  экономических прогнозов 23
Глава 2 27
4 Методы скользящего среднего и экспоненциального сглаживания  27
Вывод 32
Список  литературы 33 
 
 
 
 
 
 
 
 
 

Введение

    Процесс прогнозирования достаточно актуален в настоящее время. Широка сфера его применения. Прогнозирование широко используется в экономике, а именно в управлении. В менеджменте понятие «планирование» и «прогнозирование» тесно переплетены. Они не идентичны и не подменяют друг друга. Планы и прогнозы различаются между собой временными границами, степенью детализации содержащихся в них показателей, степенью точности и вероятности их достижения, адресностью и, наконец, правовой основой. Прогнозы, как правило, носят индикативный характер, а планы обладают силой директивного характера. Не подмена и противопоставление плана и прогноза, а их правильное сочетание – таков путь планомерного регулирования экономики в условиях рыночной экономики и перехода к ней.
    В промышленности методы прогнозирования  также играют первостепенную роль. Используя экстраполяцию и тенденцию, можно делать предварительные выводы относительно разных процессов, явлений, реакций, операций.
    Определённую  нишу прогнозирование занимает и  в военных дисциплинах. Используя методы прогнозирования, можно определить(оценить) радиоактивную обстановку местности и т. д.
    Существует  много методов прогнозирования. Продифференцировав их общее число, необходимо выбрать оптимальный из них для использования в каждой конкретной ситуации.
          Анализ методов  прогнозирования, изучение этих методов, использование их в разных сферах деятельности является мероприятием рационализаторского характера. Степень достоверности прогнозов можно затем сравнить с действительно реальными показателями, и, сделав выводы, приступить к следующему прогнозу уже с существующими данными, т.е. имеющейся тенденцией. Опираясь на полученные данные, можно во временном аспекте переходить на более высокую ступень и т.д.  

Глава 1
1 Задачи и принципы  прогнозирования
    Прогноз – конкретное предсказание о состоянии  какого-либо явления в будущем  на основе специально научного исследования. Классификация осуществляется по двум признакам- временному и функциональному. По временному различают прогнозы: кратко-, средне-, долгосрочные и сверхдолгосрочные. Функциональная классификация прогнозов предполагает их деление на исследовательские, программные и ресурсные.  
    Прогнозирование – процесс разработки прогнозов. В зависимости от вида прогноза различают нормативное, поисковое, оперативное.
    Чтобы получить информацию о будущем, нужно  изучить законы развития народного хозяйства, определить причины, движущие силы его развития - это основная задача планирования и прогнозирования. В качестве основных сил развития производства выступают социальные потребности, технические возможности и экономическая целесообразность. Можно указать на основные задачи планирования и прогнозирования: установление целей развития хозяйства; изыскание оптимальных путей и средств их достижения; определение ресурсов, необходимых для достижения целей.
    Выбор целей является результатом анализа социально-политических задач, которые необходимо решить в обществе и которые отображают объективный характер действия экономических законов.
    Выбору  целей предшествует разработка альтернатив целей, построение «дерева целей», ранжирование целей, выбор ведущих звеньев. Исходными предпосылками являются, с одной стороны, реальная возможность решения данной альтернативы, а с другой - ее оптимальность по эффективности.
    Пути  и средства достижения целей определяются на основе анализа развития народного хозяйства. При этом в. определяется область оптимальных решений. В процессе разработки плана определяется единственное решение, оптимальное по принятому вектору критериев.
    Выбор целей и средств для их достижения непременно должен сочетаться с определением потребности в ресурсах. При определении этой потребности следует рассматривать плановые и прогнозные матрицы ресурсов (финансовых, трудовых, материальных и энергетических), а также матрицы производственных мощностей и ресурсов времени.
    Движущие  силы развития не действуют изолированно, они взаимосвязаны и взаимообусловлены.
    При планировании действует схема: «цель - директивная, пути и средства ее достижения - детерминированные, ресурсы—ограниченные». При прогнозировании схема иная: «цели—теоретически достижимые, пути и средства их достижения - возможные, ресурсы - вероятные». Задачи прогнозирования отличаются широтой охвата. Задачи прогнозирования надо оценивать как глобальные. К ним можно отнести: анализ ситуации, определение уровней достоверности информации, определение степени вероятности, выработка текущих, средне- и долгосрочных прогнозов. Принципы прогнозирования: сочетание социально-политических и хозяйственных целей; демократический централизм; системность; непрерывность и обратная связь; пропорциональность и оптимальность; реальность и объективность и т. д.
    Прогнозирование должно носить системный характер. Необходимость системного подхода в прогнозировании вытекает из особенностей развития науки и техники, народного хозяйства в период научно-технической революции. Рост количества элементов, усложнение связей между ними и поведения объекта во внешней среде привели к созданию больших технических и производственных (организационно-экономических) систем.
    Важнейшими  требованиями системного подхода являются комплексность прогнозов и планов и непрерывный характер процесса планирования.
    Комплексный подход предусматривает составление  прогнозов и планов во взаимосвязи в пространстве (в отраслевом и территориальном разрезе) и во времени. Взаимосвязь в пространстве означает установление рациональных отношений между отраслями народного хозяйства, экономическими районами, установление оптимальных соотношений между темпами развития науки, техники и промышленного производства, сбалансированность потребностей и ресурсов на всех уровнях иерархии.
    Взаимосвязь прогнозов и планов во времени обеспечивается реализацией принципа непрерывности планирования. Корректировка планов и прогнозов должна носить дискретный характер с заранее установленными сроками. Относительно частое изменение планов может привести к дезорганизации работы отраслей и предприятий в силу сложности структуры производственных связей в народном хозяйстве, большой трудоемкости и материалоемкости процессов подготовки промышленного производства.
    Чувствительность  прогноза и планов зависит от уровня иерархии, сроков упреждения и периодичности корректировок. Чем ниже уровень, тем чувствительность выше, тем должны быть короче периоды корректировки.
    Важнейшим моментом внедрения и использования  непрерывных систем планирования является определение качества работы таких систем и на основе этого нахождение оптимального режима функционирования.
    Непрерывность планирования обеспечивается путем  реализации принципа обратной связи. Корректировка планов и прогнозов проводится на основании информации обратной связи, содержащей данные о результатах реализации планов, и прогнозов, уточнения потребностей, об изменении тенденции развития объекта и внешней среды (социально-политического, научно-технического и экономического фона).
    Различная степень неопределенности вырабатываемой информации о будущем влияет на характер применяемых методов, способов и приемов прогнозирования и планирования. Если при разработке планов предпочтение отдается детерминированным методам, то при прогнозировании - стохастическим. При составлении планов преимущественное применение имеют регулярные методы, при прогнозировании — эвристические.
 

2 Методы научно-технического  прогнозирования
2.1 Классификация методов  прогнозирования
    Прежде  всего приведем определение метода прогнозирования как способа теоретического и практического действия, направленного .на разработку прогнозов. Это определение является достаточно общим и позволяет понимать термин «метод прогнозирования» весьма широко: от простейших экстраполяционных расчетов до сложных процедур многошаговых экспертных опросов.
    Простой метод прогнозирования - метод, неразложимый на еще более простые методы прогнозирования, и соответственно под комплексный - метод, состоящий из взаимосвязанной совокупности нескольких простых.
    Существуют  два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает вычленение частных объемов из более общих. Это процесс, тождественный делению родового понятия на видовые. При этом должны соблюдаться следующие основные правила: 1) основание деления (признак) должно оставаться одним и тем же при образовании любого видового понятия; 2) объемы видовых понятий должны исключать друг друга (требование отсутствия пересечения классов); 3) объемы видовых понятий должны исчерпывать объем родового понятия (требование полного охвата всех объектов классификации).
    Параллельная  классификация предполагает сложное  информационное основание, состоящее не из одного, а из целого ряда признаков. Основной принцип такой классификации—независимость выбранных признаков, каждый из которых существен, все вместе одновременно присущи предмету и только их совокупность дает полное представление о каждом классе.
    Последовательная  классификация имеет вид некоторого генеалогического дерева, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязи каждого класса в общей системе. Поэтому она является более приемлемой для целей изучения, позволяет методически более стройно представлять классифицируемую область знаний.
    Каждый  уровень классификации характеризуется своим классификационным признаком. Элементы каждого уровня представляют собой наименования принадлежащих им подмножеств элементов ближайшего нижнего уровня, причем подмножеств непересекающихся.
    Элементы  нижнего уровня представляют собой наименование узких групп конкретных методов прогнозирования (иногда из одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее общего из них.
    В целом классификация является открытой, так как представляет возможность увеличивать число элементов на уровнях и наращивать число уровней за счет дальнейшего дробления и уточнения элементов последнего уровня.
    На  первом уровне все методы делятся  на три класса по признаку «информационное основание метода». Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления  и обобщения этого мнения. Комбинированные методы выделены в отдельный класс, чтобы можно было относить к нему методы со смешанной информационной основой, в которых в качестве первичной информации используются фактографическая и экспертная.
    Эти классы разделяются далее на подклассы. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей. Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы. Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.
    Экспертные  методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива.
    Третий  уровень классификации разделяет  методы прогнозирования на виды по классификационному признаку «аппарат методов». Каждый вид объединяет в своем составе методы, имеющие в качестве основы одинаковый аппарат их реализации. Статистические методы по видам делятся на методы экстраполяции и интерполяции; методы, использующие аппарат регрессионного и корреляционного анализа; методы, использующие факторный анализ.
    Класс методов аналогий подразделяется на методы математических и исторических аналогий. Первые в качестве аналога для объекта прогнозирования используют объекты другой физической природы, другой области науки, отрасли техники, однако имеющие математическое описание процесса развития, совпадающее с объектом прогнозирования. Вторые в качестве аналога используют процессы одинаковой физической природы, опережающие во времени развитие объекта прогнозирования.
    Опережающие методы прогнозирования можно разделить  на методы исследования динамики научно-технической информации; методы исследования и оценки уровня техники. В первом случае в основном используется построение количественно-качественных динамических рядов на базе различных видов НТИ и анализа и прогнозирования на их основе соответствующего объекта. Второй вид методов использует специальный аппарат анализа количественной и качественной информации, содержащейся в НТИ, для определения характеристик уровня, качества техники.
    Прямые  экспертные оценки по признаку аппарата реализации делятся на виды экспертного  опроса и экспертного анализа. В  первом случае используются специальные процедуры формирования вопросов, организации получения на них ответов, обработки полученных ответов и формирования окончательного результата. Во втором — основным аппаратом исследования является целенаправленный анализ объекта прогнозирования со стороны эксперта или коллектива экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.
    Экспертные  оценки с обратной связью в своём  аппарате имеют три вида методов: экспертный опрос; генерацию идей; игровое моделирование. Первый вид характеризуется процедурами регламентированного неконтактного опроса экспертов перемежающимися обратными связями в рассмотренном выше смысле. Второй — построен на процедурах непосредственного общения экспертов в процессе обмена мнениями по поставленной проблеме. Он характеризуется отсутствием вопросов и ответов и направлен на взаимное стимулирование творческой деятельности экспертов. Третий вид использует аппарат теории игр и ее прикладных разделов. Как правило, реализуется на сочетании динамического взаимодействия коллективов экспертов и вычислительной машины, имитирующих объект прогнозирования в возможных будущих ситуациях.
    Последний, четвертый, уровень классификации подразделяет виды методов третьего уровня на отдельные методы и группы методов по некоторым локальным для каждого вида совокупностям классификационных признаков, из которых указать один общий для всего уровня в целом невозможно. 

2.2 Экстраполяционные  методы прогнозирования
    Методы  экстраполяции тенденций являются самыми распространенными и разработанными среди всех методов прогнозирования. Рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих—регулярной и случайной:
    
    Регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента (в большинстве случаев— времени), описываемую конечномерным вектором параметров а, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется трендом, уровнем, детерминированной основой процесса, тенденцией
    Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым математическим ожиданием. Ее оценки необходимы для дальнейшего определения точностных характеристик.
    Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего тренда и на определение прогнозных значений.
    Специфическими  чертами прогнозной экстраполяции  можно назвать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики процесса, оказывающий существенное влияние па выбор вида экстраполирующей функции и на определение границ изменения ее параметров. 

2.2.1 Предварительная  обработка исходной  информации в задачах прогнозной экстраполяции
    Предварительная обработка исходного числового  ряда направлена на решение следующих задач: снизить влияние случайной составляющей, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.
    Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно называется скользящая средняя. В самом простом варианте сглаживающая функция линейна и сглаживающая группа состоит из предыдущей и последующей точек, в более сложных — функция нелинейна и использует группу произвольного числа точек.
    Сглаживание производится с помощью многочленов, приближающих по методу наименьших квадратов группы опытных точек. Наилучшее сглаживание получается для средних точек группы, поэтому желательно выбирать нечетное количество точек в сглаживаемой группе.
    Сглаживание даже в простом линейном варианте является во многих случаях весьма эффективным средством выявления  тренда при наложении на эмпирический числовой ряд случайных помех и ошибок измерения. Для рядов со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Число последовательных циклов сглаживания должно выбираться в зависимости от вида исходного ряда, от степени предполагаемой его зашумленности помехой, от цели, которую преследует сглаживание. Надо иметь при этом в виду, что эффективность этой процедуры быстро уменьшается (в большинстве случаев), так что целесообразно повторять ее от одного до трех раз.
    Линейное  сглаживание является достаточно грубой процедурой, выявляющей общий приблизительный вид тренда. Для более точного определения формы сглаженной кривой может применяться операция нелинейного сглаживания или взвешенные скользящие средние. В этом случае ординатам точек, входящих в скользящую группу, приписываются различные веса в зависимости от их расстояния от середины интервала сглаживания.
    Если  сглаживание направлено на первичную  обработку числового ряда для исключения случайных колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного ряда, оставляя прежними его значения.
    Наиболее  общими приемами выравнивания являются логарифмирование и замена переменных.
    В случае если эмпирическая формула предполагается содержащей три параметра либо известно, что функция трехпараметрическая, иногда удается путем некоторых преобразований исключить один из параметров, а оставшиеся два привести к одной из формул выравнивания.
    Можно рассматривать выравнивание не только как метод представления исходных данных, но и как метод непосредственного приближенного определения параметров функции, аппроксимирующей исходный числовой ряд.  Зачастую именно так и используется этот метод в некоторых экстраполяционных прогнозах. Отметим, что возможность непосредственного его использования для определения параметров аппроксимирующей функции определяется главным образом видом исходного числового ряда и степенью наших знаний, нашей уверенности относительно вида функции, описывающей исследуемый процесс.
    В том случае, если вид функции нам  неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд.
    Одной из разновидностей метода выравнивания является исследование эмпирического  ряда с целью выяснения некоторых  свойств функции, описывающей его. При этом не обязательно преобразования приводят к линейным формам. Однако результаты их подготавливают и облегчают процесс выбора аппроксимирующей функции в задачах прогностической экстраполяции.  В простейшем случае предлагается использовать следующие три типа дифференциальных функций роста:
    1) Первая производная, или абсолютная  дифференциальная функция роста.
    2) Относительный дифференциальный  коэффициент, или логарифмическая производная,
    3) Эластичность функции 

2.3 Статистические методы
    Прежде  чем приступить к анализу статистических методов прогнозирования, рассмотрим некоторые общие понятия и определения, относящиеся к корреляционным и регрессионным моделям. Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.
    Применение  корреляционного анализа предполагает выполнение следующих предпосылок:
    а) Случайные величины y(y1, у2, ..., Уn) и x(x1, x2, ..., Хn) могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения.
    б) Ожидаемая величина погрешности  и равна нулю
    в) Отдельные наблюдения стахостически  независимы, т. е. значение данного наблюдения не должно зависеть от значения предыдущего и последующего наблюдений.
    г) Ковариация между ошибкой, связанной  с одним значением зависимой  переменной у, и ошибкой, связанной с любым другим значением y , равна нулю.
    д) Дисперсия ошибки, связанная с  одним значением у, равна дисперсии ошибки, связанной с любым другим значением .
    е) Ковариация между погрешностью и  каждой из независимых переменных равна нулю.
    ж) Непосредственная применимость этого метода ограничивается случаями, когда уравнение кривой является линейным относительно своих параметров bo, bi, ...,bk  Это, однако, не означает, что само уравнение кривой относительно переменных должно быть линейным. Если эмпирические уравнения наблюдений не являются линейными, то во многих случаях оказывается возможным привести их к линейной форме и уже. после этого применять метод наименьших квадратов.
    з) Наблюдения независимых переменных производятся без погрешности.
    Перед началом корреляционного анализа необходимо проверить выполнение этих предпосылок.
    Связь между случайной и неслучайной  величинами называется регрессионной, а метод анализа таких связей — регрессионным анализом. Применение регрессионного анализа предполагает обязательное выполнение предпосылок корреляционного анализа. Только при выполнении приведенных предпосылок оценки коэффициентов корреляции и регрессии, получаемые с помощью способа наименьших квадратов, будут несмещенными и иметь минимальную дисперсию.
    Регрессионный анализ тесно связан с корреляционным. При выполнении предпосылок корреляционного анализа выполняются предпосылки регрессионного анализа. В то же время регрессионный анализ предъявляет менее жесткие требования к исходной информации.» Так, например, проведение регрессионного анализа возможно даже в случае отличия распределения случайной величины от нормального, как это часто бывает для технико-экономических величин. В качестве зависимой переменной в регрессионном анализе используется случайная переменная, а в качестве независимой — неслучайная переменная.
    По  степени комплексности статистические исследования можно разделить на двумерные и многомерные. Первые касаются рассмотрения парных взаимосвязей между переменными (парные корреляции и регрессии) и направлены в прогнозных исследованиях на решение таких задач, как установление количественной меры тесноты связи между двумя случайными величинами, установление близости этой связи к линейной, оценки достоверности и точности прогнозов, полученных экстраполяцией регрессионной зависимости. Многомерные методы статистического - анализа направлены в основном на решение задачи системного анализа многомерных стохастических объектов прогнозирования. Целью такого анализа является, как правило, выяснение внутренних взаимосвязей между переменными комплекса, построение многомерных функций связи переменных, выделение минимального числа характеристик с достаточной степенью точности. Одной из основных задач является сокращение размерности описания объекта прогнозирования.
    Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза. Как правило, после их применения используется один из методов экстраполяции или интерполяции для получения непосредственно прогнозного результата. 

2.4 Экспертные методы
2.4.1 Область применения  экспертных методов
    Методы  экспертных оценок в прогнозировании  и перспективном планировании научно-технического прогресса применяются в следующих случаях:
    а) в условиях отсутствия достаточно представительной и достоверной статистики характеристики объекта (например, лазеры, голографические запоминающие устройства, рациональное использование водных ресурсов на предприятиях);
    б) в условиях большой неопределенности среды функционирования объекта (например, прогнозов человеко-машинной системы  в космосе или учет взаимовлияния областей науки и техники);
    в) при средне- и долгосрочном прогнозировании  объектов новых отраслей промышленности, подверженных сильному влиянию новых открытий в фундаментальных науках (например, микробиологическая промышленность, квантовая электроника, атомное машиностроение);
    г) в условиях дефицита времени или  экстремальных ситуациях.
    Экспертная  оценка необходима,
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.