Классификация методов прогнозирования шпоры

Метод прогнозирования - это способ исследования объекта прогнозирования, направленный на разработку прогноза. В настоящее время существует около 150 методов прогнозирования, но практически используются около 20-30 основных методов.

Методика прогнозирования - это совокупность специальных приемов и правил разработки конкретных прогнозов. Прием прогнозирования - это математическая или логическая операция, направленная на получение конкретных результатов в процессе разработки прогнозов.

Классификация методов прогнозирования осуществляется по трем основным признакам:

• по степени формализации методов;
• по общему принципу действия;
• по способу получения прогнозной информации.

По степени формализации методы прогнозирования делятся на формализованные и интуитивные.

Формализованные методы используются в том случае, когда информация об объекте прогнозирования носит в основном количественный характер, а влияние различных факторов можно описать с помощью математических формул.

Интуитивные методы применяются тогда, когда информация количественного характера об объекте прогнозирования отсутствует или носит в основном качественный характер и влияние факторов невозможно описать математически.

В свою очередь эти две группы можно разделить по общему принципу деятельности и способу получения прогнозной информации. Формализованные методы подразделяются на методы экстраполяции и методы моделирования.

Экстраполяция - это метод научного исследования, который основан на распространении прошлых и настоящих тенденций, закономерностей, связей на будущее развитие объекта прогнозирования.

К методам экстраполяции относятся метод скользящей средней, метод экспоненциального сглаживания, метод наименьших квадратов. Цель методов экстраполяции – показать, к какому состоянию в будущем может прийти объект, если его развитие будет осуществляться с той же скоростью или ускорением, что и в прошлом.

Методы экстраполяции достаточно широко применяются на практике, так как они просты, дешевы, и не требуют для расчетов большой статистической базы. Использование методов экстраполяции предполагает два допущения, которые в большинстве случаев характерны для экономических процессов:

• основные факторы, тенденции прошлого сохранят свое проявление в будущем;
• исследуемое явление развивается по плавной траектории, которую можно выразить, описать математически.

Методы информационного моделирования (или опережающего прогнозирования) были разработаны и впервые использованы для построения прогнозов, связанных с научно-техническим прогрессом (НТП). Они основаны на свойстве научно-технической информации предварять внедрение достижений НТП в практическую деятельность. В настоящее время эти методы применяются и при прогнозировании экономических процессов.

Методы прогнозирования по аналогии приемлемы в том случае, когда появление одного события сопровождается появлением другого и эта взаимосвязь носит устойчивый характер - характер закономерности. К таким методам относятся методы математической аналогии и исторической аналогии.

Интуитивные методы прогнозирования применяются для тех процессов, которые невозможно описать математическими формулами. Использование данных методов дает возможность получить прогнозную оценку состояния развития объекта в будущем независимо от информационной обеспеченности. Сущность интуитивных методов заключается в построении рациональной процедуры интуитивно-логического мышления человека в сочетании с количественными методами оценки и обработки полученных результатов. Решение проблемы в этом случае базируется на обобщенном мнении экспертов.

Оценка точности прогноза, построенного методом экстраполяции

Всякий прогноз должен иметь высокую точность, которая является важнейшей его характеристикой. Существует несколько способов оценки точности прогноза:

1. Cредняя абсолютная оценка:

где Yф – фактическое значение исследуемого явления, Yр – расчетное значение исследуемого явления, n – число уровней временного ряда;

2. Cредняя квадратическая оценка:

Чем ближе к нулю первый и второй показатели, тем выше точность прогноза.

3. Cредняя относительная ошибка:

Интерпретация значений средней относительной ошибки для оценки точности прогноза представлена в следующей таблице:

Другие статьи по данной теме:

• назад:Прогнозирование - понятие, задачи, функции и принципы. Классификация прогнозов
• далее:Разработка прогноза с помощью метода скользящей средней. Пример решения задачи

Список использованных источников

Громова Н. М., Громова Н. И.,

В настоящее время, по оценкам ученых, насчитывается свыше 150 различных методов прогнозирования. Однако на практике ис­пользуется в качестве основных 15-20. В существующих источниках представлены различные классификационные принципы методов прог­нозирования.

Одним из наиболее важных классификационных признаков мето­дов прогнозирования является степень формали­зации, которая достаточно полно охватывает прогностические методы. Вторым классификационным признаком можно назвать об­щий принцип действия методов прогнозирования, третьим - способ получения прогноз­ной информации.

Прежде чем перейти к детальному рассмотрению классификаци­онных групп методов прогнозирования, необходимо определить по­нятие метода или методов экономического прогнози­рования. Под ними следует понимать совокупность приемов и спо­собов мышления, позволяющих на основе анализа ретроспективных данных, экзогенных (внешних) и эндогенных (внутренних) связей объекта прогнозирования, а также их измерений в рамках рассмат­риваемого явления или процесса вывести суждения определенной достоверности относительно его (объекта) будущего развития.

Научно обоснованная классификация дает возможность увели­чить число приемов (модификаций) на нижних уровнях классифика­ции, куда могут быть внесены новые элементы. На рис.2.1 представ­лена классификационная схема методов прогнозирования.

По степени формализации (по первому классификационному признаку) методы экономического прогнозирования можно разделить на интуитивные и формализованные. Интуитивные методы прогнозирования используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значитель­ной сложности объекта прогнозирования. В этом случае используют­ся оценки экспертов. При этом различают индивидуаль­ные и коллективные экспертные оценки.

Рисунок 2.1 Классификация методов прогнозирования

В группу формализованных (детерминированных) методов входят две подгруппы: экстраполяции и моделирования. К первой подгруппе относятся методы: наименьших квадратов, экспоненциального сглаживания, скользящих средних, адаптивного сглаживания, авторегрессионного преобразования, гармонических весов; ко второй - структурное, сетевое, матричное и имитационное моделирование.

Особое место в классификации методов экономического прогно­зирования занимают так называемые комбинированные методы, кото­рые объединяют различные другие методы. Например, коллективные экспертные оценки и методы моделирования или статистические и опрос экспертов.

В качестве информации используется фактографическая и экс­пертная информация.

При классификации методов прогнозирования необходимо иметь в виду, что содержательная систематизация методов прогнозирова­ния должна определяться самим объектом прогнозирования, экономи­ческими процессами развития и их закономерностями.

С точки зрения оценки возможных результатов и путей прог­нозного научно-технического развития прогнозы можно классифици­ровать по трем этапам: исследовательскому, программному и орга­низационному.

Задачей исследовательского прогноза является определение возможных результатов будущего развития и выбор из множества возможных вариантов одного или не­скольких положительных результатов. Так, например, развитие средств вычислительной техники можно отразить в росте их быстродействия, увеличении объема памяти и диапазона логических возможностей.

Основная цель этого этапа состоит в раскрытии широкой гаммы принципиально возможных перспектив в виде одной или ряда научно-технических проблем, подлежащих решению в течение прогнозируемо­го периода.

Программный аспект прогноза заключается в опре­делении возможных путей достижения желаемых и необходимых резуль­татов; ожидаемого по времени реализации каждого из возможных ва­рианта и степени достоверности в успешном достижении некоторого результата по тому или иному варианту.

Организационная сторона прогноза включает в себя комплекс организационно-технических мероприятий, обеспе­чивающих достижение определенного результата по тому или иному варианту. В организационном аспекте исходят из представления о наличных экономических ресурсах и накопленном научном потен­циале. Здесь должна быть сформулирована обоснованная гипотеза развития комплекса организационных параметров науки, дана вероят­ностная оценка рекомендуемой схеме распределения ресурсов и пер­спективам роста научного потенциала на прогнозируемый период.

Рассмотренные этапы научно-технического развития, как пра­вило, выступают комплексно и находятся во взаимосвязи.

Обычно в работах как отечественных, так и англоязычных авторы не задаются вопросом классификации методов и моделей прогнозирования, а просто их перечисляют. Но мне кажется, что на сегодняшний день данная область так разрослась и расширилась, что пусть самая общая, но классификация необходима. Ниже представлен мой собственный вариант общей классификации.

Метод прогнозирования представляет собой последовательность действий, которые нужно совершить для получения модели прогнозирования. По аналогии с кулинарией метод есть последовательность действий, согласно которой готовится блюдо — то есть сделается прогноз.

Модель прогнозирования есть функциональное представление, адекватно описывающее исследуемый процесс и являющееся основой для получения его будущих значений. В той же кулинарной аналогии модель есть список ингредиентов и их соотношение, необходимый для нашего блюда — прогноза.

Совокупность метода и модели образуют полный рецепт!

В настоящее время принято использовать английские аббревиатуры названий как моделей, так и методов. Например, существует знаменитая модель прогнозирования авторегрессия проинтегрированного скользящего среднего с учетом внешнего фактора (auto regression integrated moving average extended, ARIMAX). Эту модель и соответствующий ей метод обычно называют ARIMAX, а иногда моделью (методом) Бокса-Дженкинса по имени авторов.

Если мы вспомним нашу кулинарную аналогию, то и там можно разделить все рецепты на формализованные, то есть записанные по количеству ингредиентов и способу приготовления, и интуитивные, то есть нигде не записанные и получаемые из опыта кулинара. Когда мы не пользуемся рецептом? Когда блюдо очень просто: пожарить картошку или сварить пельмени — тут рецепт не нужен. Когда еще мы не пользуемся рецептом? Когда желаем изобрести что-то новенькое!

Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На сегодняшний день они часто применяются в маркетинге, экономике, политике, так как система, поведение которой необходимо спрогнозировать, или очень сложна и не поддается математическому описанию, или очень проста и в таком описании не нуждается. Подробности о такого рода методах можно глянуть в [2].

Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.

На этом общая классификация методов прогнозирования на мой взгляд может быть закончена.

Здесь необходимо переходить к классификации моделей прогнозирования. На первом этапе модели следует разделить на две группы: модели предметной области и модели временных рядов.

Модели предметной области — такие математические модели прогнозирования, для построения которых используют законы предметной области. Например, модель, на которой делают прогноз погоды, содержит уравнения динамики жидкостей и термодинамики. Прогноз развития популяции делается на модели, построенной на дифференциальном уравнении. Прогноз уровня сахара крови человека, больного диабетом, делается на основании системы дифференциальных уравнений. Словом, в таких моделях используются зависимости, свойственные конкретной предметной области. Такого рода моделям свойственен индивидуальный подход в разработке.

Модели временных рядов — математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз. Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от природы временного ряда. Мы можем использовать нейронные сети для прогнозирования температуры воздуха, а после аналогичную модель на нейронных сетях применить для прогноза биржевых индексов. Это обобщенные модели, как кипяток, в которые если бросить продукт, то он сварится вне зависимости от его природы.

Мне кажется, что составить общую классификацию моделей предметной области не представляется возможным: сколько областей, столько и моделей! Однако модели временных рядов легко поддаются простому делению [3]. Модели временных рядов можно разделить на две группы: статистические и структурные.

В статистических моделях зависимость будущего значения от прошлого задается в виде некоторого уравнения. К ним относятся:

1. регрессионные модели (линейная регрессия, нелинейная регрессия);
2. авторегрессионные модели (ARIMAX, GARCH, ARDLM);
3. модель экспоненциального сглаживания;
4. модель по выборке максимального подобия;
5. и т.д.

В структурных моделях зависимость будущего значения от прошлого задается в виде некоторой структуры и правил перехода по ней. К ним относятся:

1. нейросетевые модели;
2. модели на базе цепей Маркова;
3. модели на базе классификационно-регрессионных деревьев;
4. и т.д.

Для обоих групп я указала основные, то есть наиболее распространенные и подробно описанные модели прогнозирования. Однако на сегодняшний день моделей прогнозирования временных рядов имеется уже громадное количество и для построения прогнозов, например, стали использовать SVM (support vector machine) модели, GA (genetic algorithm) модели и многие другие.

Таким образом мы получили следующую классификацию моделей и методов прогнозирования.

Ссылки.

1. Тихонов Э.Е. Прогнозирование в условиях рынка. Невинномысск, 2006. 221 с.
2. Armstrong J.S. Forecasting for Marketing // Quantitative Methods in Marketing. London: International Thompson Business Press, 1999. P. 92 – 119.
3. Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

UPD. 15.11.2016.
Господа, дошло до маразма! Недавно мне прислали на рецензию статью для ВАКовского издания со ссылкой на эту запись. Обращаю внимание, что ни в дипломах, ни в статьях, ни тем более в диссертациях ссылаться на блог нельзя! Если хотите ссылку, то используйте эту: Чучуева И.А. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ ПО ВЫБОРКЕ МАКСИМАЛЬНОГО ПОДОБИЯ, диссертация… канд. тех. наук / Московский государственный технический университет им. Н.Э. Баумана. Москва, 2012.

Методы научного прогнозирования

1. Классификация методов прогнозирования.
2. Статистические методы, используемые в прогнозировании.

а) использование корреляции в прогнозировании;
б) использование регрессии в прогнозировании.

3. Экспертные методы прогнозирования.

Метод прогнозирования – способ теоретического и практического действия направленный на разработку прогноза.
Это определение является общим и достаточно широким, т.е. данный термин от простейших экстраполяционных расчетов до сложных процедур экспертных оценок. Различают простые и сложные методы прогнозирования. Под простым понимается метод неразложимый на еще более простые методы прогнозирования. Соответственно сложный или комплексный – это метод состоящий из взаимосвязанной совокупности нескольких простых. Существует два основных типа классификации:

1. Последовательная.
2. Параллельная.

При последовательной классификации происходят основные моменты:

• основание деления, т.е. признак, должен оставаться одним и тем же при образовании любого видового понятия.
• объемы видовых понятий должны исключать друг друга.
• объемы видовых понятий должны исчерпывать объем рядового понятия.

1 – экстраполяция и интерполяция;
2 – регрессия и корреляция;
3 – факторные модели;
4 – математические аналогии;
5 – исторические аналогии;
6 – исследования динамики НТИ;
7 – исследования уровня техники;
8 – опрос;
9 – анализ;
10 – метод Дельфи;
11 – эвристический;
12 – опрос;
13 – генерация идей;
14 – игровые модели.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Прямые экспертные оценки по признаку аппарата реализации делятся на виды экспертного опроса и экспертного анализа. Экспертные оценки с обратной связью воплощают принцип обратной связи путем воздействия на оценку экспертной группы мнением, полученным ранее от этой группы или от одного из ее экспертов. Экспертные оценки с обратной связью с воем аппарате имеют три вида методов: экспертный опрос, генерацию идей, игровое моделирование.

2. Статистические методы, используемые в прогнозировании

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 экстраполяции тенденций являются самыми распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих – регулярной и случайной. Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки исходного числового ряда с целью преобразования его к виду, удобному для прогнозирования. предварительная обработка исходного числового ряда направлена на решение следующих задач: снизить влияние случайной составляющей в исходном числовом ряду, снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда. Метод непосредственной экстраполяции – наиболее простой способ прогноза. Основан на изучении динамики изменения экономического явления в определенном периоде и перенесения выявленной закономерности на будущее. Достоинство метода состоит в его универсальности, а недостаток – в необходимости проведения большего числа наблюдений, что ведет к снижению достоверности прогноза. Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня от некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем называется скользящей средней. Сглаживание даже в простом линейном варианте является во многих случаях эффективным средством выявления тренда при наложении на эмпирический ряд случайных помех и ошибок измерения. Для рядов со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Эффективность этой процедуры быстро уменьшается, поэтому целесообразно повторять ее от одного до трех раз. Если сглаживание направлено на первичную обработку числового ряда для исключения колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного числового ряда, оставляя прежними его значения. Можно рассматривать выравнивание и как метод непосредственного приближенного определения параметров функции, аппроксимирующей исходный числовой ряд. В том случае. Если вид функции неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд. Достоинством метода наименьших квадратов является относительная простота реализации, метод сглаживает случайные шумы при описании тренда, позволяет получить несмещенные и состоятельные оценки всех параметров. 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:

1. Следующие величины

Y (Y1, Y2, . . . Yn)
X (X1, X2, . . . Xn)

могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения.

3. Отдельные наблюдения стохастически независимы, т.е.значение данного наблюдения не должно зависеть от значения предыдущего и последующих наблюдений.

4. Ковариация между погрешностью и каждой из независимых переменных равна 0.

5. Дисперсия ошибки связанная с одним значением Y равно дисперсии ошибки связанной с другим значением Y.

6. Ковариация между погрешностью и каждой из независимых переменных равна 0.

7. Непосредственная применимость данного метода ограничивается случаями когда уравнение кривой является линейным относительно своих параметров B0,B1,. . .Bk.

8. Наблюдение независимых переменных производится без погрешности, т.е. перед началом корреляционного анализа необходимо проверить выполнение всех предпосылок.

Связь между случайной и неслучайной величиной является регрессионной, если обязательно выполняется 2,3,4,5,6,7,8 предпосылки. Соответственно корреляционной считается связь, если выполняются все предпосылки.
По степени комплексности статистические исследования делятся на двумерные и многомерные. Первые касаются рассмотрения парных взаимосвязей между элементами, называются парная корреляция и парная регрессия. И направлены прогнозные исследования на решение следующих задач:

Многомерные методы статистического анализа направлены на решение задач системного анализа многомерных стохастических объектов прогнозирования.

Целью такого анализа является выявление внутренних взаимосвязей между переменными, построение многомерных функций связи переменных, выделение минимального числа характеристик описывающих объект с достаточной степенью точности.

Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза.

Пусть имеется два множества случайных переменных,

X=X1. . .Xn
Y=Y1. . .Yn

относительно которых имеется предположение о наличии взаимной связи линейного характера со случайным отклонением.

В данном случае коэффициент корреляции будет равен

Коэффициент корреляции определяет степень рассеивания эмпирических точек от линейной зависимости следующего вида

Частным случаем использования регрессии является в прогнозных исследованиях является ступенчатая парная регрессия. В этом случае путем исследования цепочки парных взаимосвязей переменных приходят к определению прогнозируемой переменной.

3. Экспертные методы прогнозирования

Экспертные методы применяются в следующих случаях:

Степень достоверности экспертизы устанавливается по абсолютной частоте, с которой оценка эксперта в конечном итоге подтверждается последующими событиями.

Существует две категории экспертов:

Характеризуя экспертов, всегда имеется в виду, что в результате выработки оценок могут иметь место ошибки двух видов.

Эксперт, склонный к ошибкам первого вида, выдает значения, которые устойчиво отличаются от истинного в сторону увеличения или уменьшения. Полагают, что эти ошибки связаны со складом ума экспертов. Для коррекции систематических ошибок применяют поправочные коэффициенты. Ошибки второго вида характеризуются величиной дисперсии. Таким образом, организация форм работы эксперта может быть в программированной или непрограммированной, устной или письменной форме.

Ошибка, которую могут допустить эксперты, определяется с помощью теоремы Бернулли:

t – доверительный интервал;
r - доля элементов выборки с наличием заданного признака;
g – доля элементов с отсутствием заданного признака.

Определение специфики процедур для класса персональных экспертных оценок осуществляется на основе анализа требований к экспертам и вытекает из следующих методов:

Сбор и обработка информации проводится исходя из следующих принципов:

Недостатки данного метода:

Тема 2

Теория и методология прогнозирования

Прогностика в социальном понятии. Основные понятия

Методология социального прогнозирования исследует будущее в онтологическом, логическом и гносеологическом аспектах.

Онтологический аспект показывает, как рождается и формируется будущее, характеризует его общую картину, влияющие на него факторы.

В логическом аспекте прогноз исследуется как общенаучное понятие, сформированное для выяснения объективного содержания процессов и результатов прогнозирования.

Гносеологический аспект имеет своей задачей выяснить, как будущее отображается в человеческом сознании, каковы формы этого отображения, его истинность. Будучи формой познания, прогноз с гносеологической стороны является отображением закономерности и возможных путей развития прогнозируемых процессов и явлений.

В задачи прогностики входит разработка соответствующих проблем гносеологии и логики прогностического исследования, научных принципов, типологии прогнозов; различные классификации методов прогнозирования, определение и отличие таких взаимосвязанных понятий, как гипотеза и прогноз, прогноз и закон, анализ и прогноз, прогноз и план; решение, как элемент управления.

В рамках общей теории прогнозирования идет и развитие частных теорий, например, теория и методология научно-технического, социологического, политического, экологического, демографического экономического, социального и других направлений прогнозирования со своими специфическими объектами прогноза и условиями их развития.

Исходным базисом теории являются логико-методологические принципы и правила изучения объекта. Таким образом, понятие теории шире, чем понятие методологии.

Методология(понятие, учение) - система принципов и способов организации и построения теоретической и практической деятельности, а также учение об этой системе. Если теория представляет собой результат процесса познания, то методология является способом достижения этого знания.

Методологически центральную роль в формировании теории играет лежащий в ее основе идеализированный объект, то есть теоретическая модель существующих связей реальности (с помощью гипотез, допущений и т.д.).

Поскольку социальное прогнозирование (сам процесс разработки прогноза) состоит из нескольких этапов, то на каждом этапе решаются специфические задачи познания. Особенно важна, с точки зрения теории, методологии прогнозирования стадия предпрогнозной ориентации, на которой разрабатывается концепция исследования, понятийный аппарат, определяются основные методологические принципы анализа и прогноза, методы и методики, формируются гипотезы, которые и предстоит проверить в ходе исследования.

Методологические основы прогнозирования социальных процессов.

Методологические основы прогнозирования - это совокупность методологических принципов, на основе которых познается действительность в изменении и развитии, а также система методов анализа этой действительности, логические средства и методы, используемые для исследования будущего.

На современном этапе развития прогностики Найбороденко Н.М. выделяет несколько методологических принципов,на основе которых проводится анализ объекта прогноза и разрабатывается собственно прогноз.

Принцип- основание, из которого надо исходить и которым надо руководствоваться в действии.

В целях прогнозирования развития системы на перспективу большое значение имеет расчленение её на подсистемы. Это позволяет тщательно проанализировать их, выявить специфику каждой подсистемы и их взаимосвязи, проследить тенденции и определить основные факторы, влияющие на их изменения как в прошлом, настоящем, так и возможно в будущем, т.е. получить прогнозный фон,на котором и могут произойти изменения системы.

Характерным признаком системы является особенность множества элементов, образующих систему, противостоять среде. И, кроме того, функционирование системы опирается на определенную упорядоченность её элементов, отношений и связей.

К наиболее сложным видам систем относятся целенаправленные системы, поведение которых подчинено достижению определенных целей, и самоорганизующиеся системы, способные в процессе функционирования видоизменять свою структуру.

Социальная система понимается как сложноорганизованное, упорядоченное целое, включающее отдельных индивидов и социальные общности, объединенные разнообразными связями и взаимоотношениями, специфически социальными по своей природе.

Принцип историзмав общественном предвидении ориентирует на изучение конкретных закономерностей,условий их развития и требует подкрепления предвидения глобальных изменений систематическим прогнозированием более частных общественных процессов.

В этом смысле прогноз уточняет наше представление общей тенденции развития, раскрывает конкретные черты и особенности будущего развития явлений, локализует их в пространственно-временных границах, т.е. представляет прогностическую модель развития данного явления, или процесса. При этом учитываются возможные изменения прогнозного фонда, т.е. условий в будущем.

С помощью принципа социальной детерминациии развития в прогнозировании учитываются многообразные связи и зависимости в общественной жизни (в рамках системного подхода). Известно, что явления материального и духовного мира находятся в объективной закономерной взаимосвязи и взаимообусловленности (детерминизм). И важным положением этой обусловленности выступает причинность, т.е. такая связь явлений, в которой одно явление (причина) при вполне определенных условиях с необходимостью порождает, производит другое явление (следствие). На этом положении основано сценарное моделирование, сценарное мышление.

Современный детерминизм предполагает наличие множества разнообразных объективно существующих форм взаимосвязи явлений, многие из них выражаются в виде соотношений, не содержащих в себе моментов порождения одного другим. Формами связи выступают пространственные и временные корреляции, функциональные зависимости, отношения симметрии и т.п.

В методологическом аспекте важное значение в прогнозировании имеет принцип согласованности- согласование нормативных и поисковых подходов и соответственно прогнозов; прогнозов возможного развития различных сфер -экономической, экологической, демографической и других, различного периода упреждения в прогнозе - кратко-, средне-, долгосрочных, сверх долгосрочных.

Принцип вариантностив прогнозировании ориентирует разработчиков научных прогнозов на их варианты. С помощью различных вариантов того, или иного прогноза решается проблема выбора наиболее оптимального, желательного, или предпочтительного варианта развития - общества, сферы, социальной группы.

Принцип рентабельностипрогнозирования тесно связан с достоверностью, ибо только надежный прогноз может быть экономически эффективным. Имеется в виду, что затраты на разработку прогноза, а это весьма дорогостоящее исследование, должны окупиться и не только, но и принести прибыль, доход заказчику при его использовании, или положительный эффект в любом другом случае.

Принцип непрерывностипрогнозирования (особенно в кризисных условиях) требует корректировки прогнозов по мере поступления новых данных об объекте прогнозирования. А это возможно при функционировании постоянно действующих прогнозирующих систем в научно-исследовательских центрах с целью отслеживания ситуации и соответственно уточнения прогноза. Только в этом случае можно рассчитывать на достоверный прогноз.

Типология прогнозов

На практике все перечисленные источники информации используются совместно.

Тема 3

Классификация методов прогнозирования

Дата добавления: 2018-06-01 ; просмотров: 130 ;