CC BY
39
ЗОКАЕВ Т.Н., ШАТАЛОВА О.И.
МЕТОДИКА АДАПТИВНОГО ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ ПРЕДПРИНИМАТЕЛЬСКИХ СТРУКТУР СТАВРОПОЛЬСКОГО
КРАЯ ПО ПРОИЗВОДСТВУ МИНЕРАЛЬНОЙ ВОДЫ
Зокаев Т.Н. Кабардино-балкарский государственный университет, преподаватель кафедры «Экология»,
e-mail: [email protected]; Шаталова О.И. Ставропольский государственный аграрный университет, доцент кафедры ««Бухгалтерский учет», к.э.н., 355014, Ставрополь, Зоотехнический пер., 12
Методика адаптивного прогнозирования. Трендовые показатели, характеризующие результаты предпринимательской деятельности. Положительные основы прогнозирования. Основные направления прогнозирования в минераловодческом подкомплексе. Методика повышения эффективности предпринимательских структур вминераловодческом подкмоплексе.
Ключевые слова: адаптивное прогнозирование; предпринимательские структуры; эффективность; трендовые показатели
Коды классификатора JEL: R 52, R 58
В условиях совершенствования рыночных отношений исследование сложившейся ситуации в сфере ¡г)
производства минеральной воды Ставропольского края помимо всестороннего сравнительного анализа „о
(проведенного во второй главе работы) должно дополняться разработкой модели развития основных по- q
казателей функционирования отрасли и прогнозированием их возможных значений на будущее. ®
Прогноз (в переводе с греческого языка - предвидение, предсказание) - неотъемлемая составляющая
всей человеческой деятельности, в том числе экономической. Это промежуточное звено между познанием а
объективной реальности и деятельностью людей по ее преобразованию. Один из основоположников пози- Z
тивизма Огюст Конт (1798-1857) говорил: «Savoir pour prévoir; prévoir pour agir» (знать, чтобы предвидеть; Ш предвидеть, чтобы действовать) [1].
Самые разные прогнозы (от прогноза погоды на завтра до прогноза результатов президентских выборов) составляют значительную часть информации, циркулирующей в обществе. Разработкой прогнозов оо рынка сбыта, финансовых потоков, курса валют и других важнейших показателей деятельности заняты О десятки тысячи работников банков, фирм, государственных органов, частных компаний. Развитие и совер- ¡=у шенствование методологического аппарата прогнозирования - одна из главных проблем науки и, может быть, труднейшая их них. D
Таким образом, одним из условий достижения устойчивого развития исследуемой сферы предприни- ф
мательской деятельности является, по сути, не сами модели прогнозирования, а разработка на их осно- s
ве комплекса своевременных и рациональных упреждающих действий. Ведь на практике отдельно взятое а
предприятие или другой объект прогнозирования могут принять соответствующие меры к ускорению (или m
замедлению) движения в сравнении с прежним трендом, и прогноз по нему в этом случае не оправдается. i
Роль предупреждающего прогноза не в том, чтобы он исполнился, наоборот, его роль заключается именно 0
в том, чтобы менеджер фирмы, банка или правительство страны, региона приняли меры, не допускающие о
О
исполнения прогноза [3]. х
Тренд основных показателей, характеризующих результаты предпринимательской деятельности на т
отдельно взятом предприятии, не всегда может быть изменен. Для этого необходимо наличие соответс- о
твующих ресурсов: финансовых, трудовых, материальных, управленческих и др. Если на практике резерв о
перечисленных факторов производства достаточен, то прогноз по трендовой модели сохраняет только >
значение предупреждающего. Если же указанные условия изменения тренда отсутствуют, то прогноз по о
тренду осуществится на деле. о
В основании прогнозирования лежит предположение о том, что на период упреждения в целом ос- о
таются неизменными закономерности, определяющие уровни временного ряда, выступающего в качест- о
ве базы прогнозирования. От этого зависит обоснованность прогноза и его точность. Во многих случаях о
прогнозирование на основе временных рядов основывается на идее экстраполяции. Под экстраполяцией ^
понимают распространение закономерностей базового периода на будущее (или на прошлое - ретроспек- ^
тивная экстраполяция), т.е. представление о будущем формируется на основе информации о прошлом и ^
настоящем, хотя это не исключает возможности учета предполагаемого состояния исследуемого явления, £
не объясняемого лишь ретроспективной информацией [4]. $
Использование современных вычислительных технологий позволяет относительно просто получать
точечные и интервальные прогнозы. Однако следует помнить об адекватности используемых при этом ма- и
о
тематических моделей исследуемым объектам и процессам. Важно также не стремиться заглядывать слиш-
т
ком далеко. Длина периода упреждения определяется с учетом конкретных особенностей прогнозируемых процессов.
В том случае, если в качестве объекта прогнозирования выступает крупная система (например сель- о ское хозяйство региона, страны) то изменить тренд в короткие сроки, как правило, невозможно: для этого
потребовались бы нереально большие средства. Невозможно за пять-шесть лет существенно изменить плодородие почв, чтобы резко увеличить урожайность. Таким образом, можно сделать вывод:
- для крупных систем и объектов, обладающих большой инерционностью развития, прогноз по тренду за предыдущее время, как правило, возможен и реален;
- второе условие возможности прогноза по тренду связано с надежностью его параметров. Если параметры ненадежны, ненадежен и прогноз;
- период прогнозирования, т.е. срок удаления прогнозируемого уровня во времени от конца базы расчета тренда, должен быть не более трети, в крайнем случае, половины длительности базы. Чем дальше удален прогнозный уровень от базы расчета тренда, тем больше ошибка прогноза.
В качестве положительных особенностей прогнозирования по тренду выделяют следующие [2]:
1. Коэффициент при номере периода в уравнении тренда (параметр Ь в линейном уравнении) - это комплексный коэффициент регрессии при всех реальных факторах, влияющих на уровень изменяющегося показателя, которые сами изменяются во времени. Ни в одну факторной регрессионной модели невозможно использовать все факторы, влияющие на изучаемый показатель. Во-первых, потому, что часть факторов вообще неизвестна. Во-вторых, часть факторов теоретически известна, но на практике по ним нет достаточно надежной или вообще никакой информации. В-третьих, если число известных факторов велико, то все их невозможно включить в уравнение регрессии по математическим ограничениям: мультиколлинеар-ность, гетероскедастичность, превышение числа факторов над численностью выборки и т.п. Таким образом, уравнение тренда имеет преимущество в охвате (хотя и в неявной форме) всех факторов изменения уровней прогнозируемого показателя; П 2. Уравнение тренда есть модель динамики процесса, и на ее основании мы прогнозируем динами-^ ку, т.е. логическая основа тренда соответствует задаче. В то время как уравнение многофакторной рег-0 рессии - это модель вариации уровня показателя в статической совокупности. Эта модель объясняет не ® изменение результативного показателя во времени, а его различия в совокупности однородных единиц в
данный период;
3. Последнее, хотя и не очень существенное преимущество прогноза по тренду заключается в том,
2 что для него не требуется большого объема исходной информации.
Ш Наряду с этим у прогнозирования по тренду есть и свои недостатки. Неявность факторов динамики,
2 скрытых за «номером периода», лишает исследователя возможности учесть ожидаемый или планируемый
° перелом, скачок в развитии того или иного фактора [3]. Также нет возможности проигрывать разные вари-
□ анты прогноза при разных сочетаниях значений факторов, что обычно делается при прогнозе по регрес-
□ сионной модели с управляемыми факторами. Несмотря на то, что тренд образуется как под влиянием при-^ родных факторов, так и деятельности человека, слитность этих факторов все равно оставляет впечатление, ф что человек устранен из процесса, так что психологически данный метод нередко отторгается именно по
0 причине своего фаталистического имиджа. Особенно это чувствовалось в планово-командной экономике, ф когда считалось, что в будущем будет то и столько, сколько мы запланируем. Прогнозирование в этой сис-ё теме управления было подавлено «прямым директивным планированием».
о. В условиях же современной экономики ясно, что прогнозирование - неотъемлемый элемент менедж-
® мента, оно составляет этап и разработки стратегии развития, и плана деятельности предприятия, фирмы,
1 правительства.
о Выделяют следующие основные направления прогностической деятельности в зависимости от предел мета и целей исследования:
- на среднесрочную и долгосрочную перспективу: экстраполяция на основе трендов, проверка изме-
со нения тенденции, экспертные методы;
о - для краткосрочного и среднесрочного прогнозирования: адаптивное прогнозирование - позволяет
о более значимо учесть при получении прогнозов сложившуюся в последнее время на рынке конъюнктуру; прогнозирование с учетом сезонных закономерностей - отражает одну из характерных черт
о аграрной экономики;
о - сопоставление, анализ и интерпретация различных прогнозов.
о По нашему мнению, методика исследования повышения эффективности производства минеральной
о воды в региональных условиях должна базироваться в значительной степени на системном использовании
о в анализе, оценке и управлении непосредственно методов адаптивного прогнозирования и прогнозиро-
0 вания с учетом сезонных закономерностей. При этом выбор, как конкретных методик прогнозирования, ^ так и периодов упреждения должен осуществляться с учетом особенностей исследуемых процессов, целей
1 прогнозирования, информационной обеспеченности, ресурсных возможностей и т.д. Другим необходимым ^ условием, из которых мы исходим, является то, что для достижения желаемых результатов в плане повыли шения эффективности функционирования предпринимательских структур по производству минеральной
воды, прогнозирование является одним из наиболее значимых методов, предполагающий его регулярное,
^ систематическое использование.
си Как отмечается в [4], прогнозирование на основе тренда исходит из инерционности исследуемых про-
| цессов. Однако часто динамичность экономических процессов преобладает над инерционностью. Поэтому
о при прогнозировании ретроспективная информация не равнозначна и следует больше ориентироваться
о на данные, ближе «расположенные» к настоящему моменту времени. Это удается сделать, придавая уров-
(Т) ням исходного временного ряда некоторые веса - чем ближе уровень находится к периоду прогноза, тем
больше указанный вес. На таком подходе основывается метод экспоненциального сглаживания, сущность которого состоит в сглаживании исходного временного ряда посредством взвешенной скользящей средней, веса которой определяются на основе экспоненциального закона. Это означает необходимость использования адаптивных методов и моделей, позволяющих учитывать информационную неравноценность исходных данных. Такие модели как бы приспосабливаются к новой информации, отражающей изменения условий.
Экспоненциальное сглаживание - это очень популярный метод прогнозирования временных рядов. Исторически метод был независимо открыт двумя учеными Броуном и Холтом. Броун применил открытый им метод для прогнозирования спроса на запасные части (1959г.). Независимо друг от друга, Броун и Холт открыли экспоненциальное сглаживание для процессов с постоянным трендом, с линейным трендом и для рядов с сезонной составляющей [5].
В общем схема построения адаптивной модели имеет следующий вид:
- по нескольким первым уровням временного ряда находят оценки параметров модели;
- по построенной модели находят прогноз на один шаг вперед;
- вычисляют ошибку прогнозирования;
- корректируют модель с учетом найденной ошибки;
- по скорректированной модели рассчитывается прогноз еще на один шаг и т. д.
В качестве объектов прогнозирования нами взяты 3б действующих предприятий Ставропольского края по розливу минеральной воды. По каждому из них в качестве исходных, взяты данные о розливе минеральной воды за период 2001-2007гг. Далее в соответствии с предлагаемой методикой было произведено экспоненциальное сглаживание и прогнозирование розлива минеральной воды по модели Брауна в разрезе
П
каждого из анализируемых предприятий в следующей последовательности: ^
1. По первым пяти уровням временного ряда на основании положений метода наименьших квадратов Ь определяем линейную трендовую модель. щ
2. Определяем прогноз на один шаг вперед.
3. Расчетное значение показателя сравнивают с фактическим и находят ошибку прогнозирования. ^
4. Производится корректировка параметров модели . И
5. По скорректированной модели определяем прогноз на следующий промежуток времени. Ш
6. Для полученных значений осуществляется интервальный прогноз ]>
Одним из существенных моментов при осуществлении адаптивного моделирования является иденти- °
фикация оптимальной величины параметра сглаживания а = 1 - в . Чем больше по величине значение од
этого задаваемого параметра модели, тем более значительным является вклад в формирование тренда пос- □
ледних уровней динамического ряда. И чем соответственно меньше его величина, тем в большей мере ¡-у при формировании тренда учитывается влияние более ранней информации и не столь сильно последних
уровней [2. о
В связи с этим по каждому из анализируемых предприятий нами были построены адаптивные модели ш
при разных значения а: 0,1; 0,3; 0,5; 0,7 и 0,9. В качестве критерия отбора наилучшей модели при различ- ^
ных значениях параметра сглаживания использовался показатель средней ошибки аппроксимации. ^
Наилучшей признавалась та из моделей, где величина средней ошибки аппроксимации была наимень- ^
шей. ^
Полученные результаты прогнозирования говорят о том, что в целом по выделенным городам и райо- о нам Ставропольского края отмечается положительная тенденция к увеличению объемов производства ми- о неральной воды в 2007 и 2008 годах. Так, в соответствии с полученными результатами по модели в целом по ^ краю в 2008году ожидается увеличение производства минеральной воды более чем на 28 млн. литров (или £ на 8,5%), а в 2009 почти на 51 млн. литров по сравнению с 2006 годом. В соответствии с полученными интервала при 95% доверительной вероятности отклонения производства минеральной воды от прогнозных ^ по модели могут составить в сторону пессимистического или оптимистического сценария развития в 2007 ^ году 53 млн. литров, в 2008 году - 59 млн. литров. При общем производстве почти в 340 млн. литров в 2007 ° году такие отклонения для последующих прогнозов можно считать вполне вероятными и допустимыми, о что вызвано высокой зависимостью данной сферы деятельности от изменчивости рыночной конъюнктуры, 9 высокой конкуренции на рынке и сезонности производства [3]. ^
Таким образом, предложенная реализованная методика адаптивного прогнозирования производства ¡2
минеральной воды предпринимательскими структурами края может являться важным инструментом в де- о
ятельности как отдельно взятого предприятия данной сферы, так и отрасли в целом, в плане повышения 'Ъ
экономической эффективности их функционирования. х
ЛИТЕРАТУРА
о ш
1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование / В.Н. Афанасьев, М.М. Юзбашев. М.: Фи- q нансы и статистика, 2001. 228с.
2. Багриновский, К.А. Экономико-математические методы и модели (микроэкономика) / К.А.Багриновский. | М.: Издательство Российского университета дружбы народов, 1999. l83 с. о
3. Гладилин, А.В. Эконометрика / А.В. Гладилин, А.Н. Герасимов, Е.И. Громов. М.: КНОРУС, 2006. 232с. 9
00
