Forecast (fra det græske πρόγνωση "fremsyn, forudsigelse ") er en videnskabeligt baseret bedømmelse af et objekts mulige tilstande i fremtiden og (eller) om alternative måder og timing for deres implementering [1] . I snæver forstand er dette en sandsynlighedsvurdering af studieobjektets fremtidige tilstand.
Forecasting er udviklingen af en prognose; i snæver forstand - en særlig videnskabelig undersøgelse af specifikke perspektiver for den videre udvikling af enhver proces.
Behovet for en prognose skyldes ønsket om at kende fremtidens begivenheder, hvilket er pålideligt - det er i princippet umuligt, baseret på statistiske (fejl i nuværende estimater), sandsynlighed (multivarans af konsekvenser), empirisk (metodologiske fejl af modeller), filosofiske (begrænset aktuel viden) principper.
Nøjagtigheden af enhver prognose skyldes:
Med en stigning i helheden af faktorer, der påvirker nøjagtigheden af prognosen, erstattes den praktisk talt af en rutineberegning med en vis steady-state fejl.
Prognoser er opdelt (betinget):
De vigtigste prognosemetoder omfatter:
Til dato er en kompleks prognosemetode kaldet fremsyn (fremtidsstudier) blevet meget brugt , i Fremsyn er et system af metoder til ekspertvurdering af strategiske områder inden for socioøkonomisk og innovativ udvikling, identifikation af teknologiske gennembrud, der kan have indflydelse på økonomien og samfundet på mellemlang og lang sigt. Ved hjælp af denne metode skabes forskellige mulige billeder af fremtidens verden, herunder dens individuelle, vigtigste eller kritiske aspekter af interesse, som dannes som et resultat af forskellige muligheder for udvikling af situationen og scenarierne for ens egne handlinger, der er planlagt kl. den samme tid. I Rusland er et af de vigtigste centre for prognoser ved hjælp af fremsyn, Higher School of Economics . [3]
Forecasting indgår i de forberedende faser af forskellige typer (økonomisk-social, videnskabelig-teknisk, territorial osv.) og niveau (nuværende, mellemlang sigt, langsigtet, strategisk ) planlægning , mens fremsyn bruges i udarbejdelsen af strategisk planer (teknologisk, videnskabelig, videnskabelig-teknisk og andre) udvikling af lande, systemer på nationalt niveau (sundhed, uddannelse osv.) og organisationer (virksomheder, virksomheder osv.).
Forecasting er en videnskabelig disciplin, der studerer de generelle principper og metoder til at forudsige udviklingen af objekter af enhver art, mønstrene i processen med at udvikle prognoser. Som en videnskab blev prognosticering dannet i 1970'erne og 1980'erne. Ud over begrebet "prognostik" bruges udtrykket futurologi i litteraturen . Som enhver videnskab har prognostik et sæt af sine egne udtryk, der bruges til at henvise til visse begreber . Definitionerne af begreberne prognose blev fastsat i 1978.
Forecast - en rimelig bedømmelse af objektets mulige tilstand i fremtiden eller alternative måder og timing for at opnå disse tilstande.
Forecasting er processen med at udvikle (forme) en prognose. Prognosefasen er en del af prognoseudviklingsprocessen, karakteriseret ved dens opgaver, metoder og resultater. Opdelingen i faser er forbundet med detaljerne i at opbygge en systematisk beskrivelse af prognoseobjektet , dataindsamling, modelbygning , prognosebekræftelse .
En prognoseteknik er en eller flere matematiske eller logiske operationer, der har til formål at opnå et specifikt resultat i processen med at udvikle en prognose. Som teknik kan udjævning af den dynamiske serie , bestemmelse af ekspertens kompetence, beregning af det vægtede gennemsnit af eksperternes vurderinger, og så videre, virke.
Prognosemodel er en model af prognoseobjektet, hvis undersøgelse gør det muligt at opnå information om de mulige tilstande af prognoseobjektet i fremtiden og (eller) måderne og timingen af deres implementering.
Prognosemetode er en metode til at studere genstanden for prognoser med det formål at udvikle en prognose. Prognosemetoder er grundlaget for prognoseteknikker .
En prognoseteknik er et sæt særlige regler og teknikker (en eller flere metoder) til at udvikle prognoser.
Prognosesystem - et system af metoder og midler til deres implementering, der fungerer i overensstemmelse med de grundlæggende principper for prognoser. Midlerne til implementering er en ekspertgruppe, et sæt programmer og så videre. Forudsigende systemer kan være automatiserede og ikke-automatiserede.
En prognosemulighed er en af de prognoser, der udgør en gruppe af mulige prognoser.
Objektet for prognoser er en proces, et system eller et fænomen, hvis tilstand er givet en prognose.
Et kendetegn ved prognoseobjektet er en kvalitativ eller kvantitativ afspejling af en eller anden egenskab ved prognoseobjektet.
Prognoseobjektvariabel - en kvantitativ karakteristik af prognoseobjektet, som er eller anses for at ændre sig i løbet af grundlagsperioden og (eller) prognosens leadperiode.
Kompleksiteten af prognoseobjektet er en karakteristik af prognoseobjektet, der bestemmer mangfoldigheden af dets elementer, egenskaber og relationer.
Prognosebaseperioden er den periode, hvor information bruges til at udvikle en prognose. Denne tidsperiode kaldes også forhistoriens periode.
Forecast lead-perioden er den periode, som prognosen er udviklet for.
Prognosehorisont - den maksimalt mulige periode med forudsigelse af en given nøjagtighed.
Forecast-nøjagtighed er et estimat af konfidensintervallet for prognosen for en given sandsynlighed for dens implementering.
Forecast konfidens er et estimat af sandsynligheden for at lave en prognose for et givet konfidensinterval.
Forecast error er prognosens a posteriori afvigelse fra objektets faktiske tilstand.
Kilde til prognosefejl - en faktor, der kan føre til fremkomsten af en prognosefejl. Der er kilder til regelmæssige og uregelmæssige fejl.
Forecast-verifikation er en vurdering af prognosens pålidelighed og nøjagtighed eller gyldighed.
En ekspert er en kvalificeret specialist i en konkret problemstilling, som er med til at foretage en vurdering af prognoseopgaven.
Ved udvikling af sociale prognoser identificeres i en række tilfælde udtalelser fra repræsentanter for forskellige grupper af befolkningen, betinget sidestillet med eksperter.
En eksperts kompetence er en eksperts evne til at foretage pålidelige vurderinger om genstanden for forecasting på grundlag af faglig viden, intuition og erfaring. Et kvantitativt mål for en eksperts kompetence kaldes en kompetencekoefficient.
En ekspertgruppe er et team af eksperter, der er dannet efter bestemte regler for at løse et givet prognoseproblem. Et særligt tilfælde for ekspertgruppen er ekspertkommissionen.
En ekspertgruppes kompetence er ekspertgruppens evne til at foretage vurderinger om genstanden for prognoser, der er tilstrækkelige til den generelle ekspertpopulations mening. Ekspertgruppens kompetence bestemmes af forskellige metoder.
Ekspertvurdering er en eksperts eller en ekspertgruppes vurdering af opgaven med prognoser. I det første tilfælde anvendes udtrykket "individuel ekspertvurdering", i det andet - "kollektiv ekspertvurdering".
Statistiske prognosemetoder er en videnskabelig og akademisk disciplin, hvis hovedopgaver omfatter udvikling, undersøgelse og anvendelse af moderne matematiske og statistiske prognosemetoder baseret på objektive data; udvikling af teori og praksis for probabilistisk-statistisk modellering af ekspertforudsigelsesmetoder; prognosemetoder under risikoforhold og kombinerede prognosemetoder ved brug af både økonomisk-matematiske og økonometriske (både matematisk-statistiske og ekspert-) modeller. Det videnskabelige grundlag for statistiske prognosemetoder er anvendt statistik og beslutningsteori .
De enkleste metoder til at genvinde de afhængigheder, der bruges til prognose, kommer fra en given tidsserie, dvs. en funktion defineret ved et endeligt antal punkter på tidsaksen. I dette tilfælde betragtes tidsserien ofte inden for rammerne af en eller anden probabilistisk model, andre faktorer (uafhængige variable) introduceres, udover tid, for eksempel mængden af pengemængde. Tidsrækken kan være multivariat. De vigtigste opgaver, der skal løses, er interpolation og ekstrapolation. Metoden med mindste kvadrater i det enkleste tilfælde (en lineær funktion af én faktor) blev udviklet af K. Gauss i 1794-1795. Foreløbige transformationer af variable, såsom at tage logaritmer, kan være nyttige. Den mest anvendte metode er mindste kvadraters metode med flere faktorer. Mindste modulus, splines og andre ekstrapolationsmetoder er mindre almindeligt anvendte, selvom deres statistiske egenskaber ofte er bedre.
Estimering af prognosenøjagtigheden (især ved brug af konfidensintervaller) er en nødvendig del af prognoseproceduren. Normalt bruges probabilistisk-statistiske afhængighedsgendannelsesmodeller, for eksempel bygger de den bedste prognose ved hjælp af maksimum sandsynlighedsmetoden. Parametriske (normalt baseret på modellen for normale fejl) og ikke-parametriske estimater af prognosenøjagtighed og konfidensgrænser for det (baseret på sandsynlighedsteoriens Central Limit Theorem) er blevet udviklet. Heuristiske teknikker, der ikke er baseret på probabilistisk-statistisk teori, bruges også, for eksempel metoden med glidende gennemsnit.
Multivariat regression, herunder brugen af ikke-parametriske fordelingstæthedsestimater, er i øjeblikket det vigtigste statistiske værktøj til prognoser. Den urealistiske antagelse om normaliteten af målefejl og afvigelser fra regressionslinjen (overfladen) er ikke nødvendig; for at opgive antagelsen om normalitet er det imidlertid nødvendigt at stole på et andet matematisk apparat baseret på den multidimensionelle Central Limit Theorem for sandsynlighedsteori, lineariseringsteknologi og konvergensarv [4]. Det giver dig mulighed for at udføre punkt- og intervalestimering af parametre, kontrollere betydningen af deres forskel fra 0 i en ikke-parametrisk formulering og opbygge konfidensgrænser for prognosen.
Problemet med at kontrollere modellens tilstrækkelighed, såvel som problemet med at udvælge faktorer, er meget vigtigt. A priori-listen over faktorer, der påvirker responsen, er normalt ret omfattende, det er ønskeligt at reducere den, og et stort område af moderne forskning er afsat til metoder til at vælge "informative funktionssæt". Dette problem er dog endnu ikke endeligt løst. Usædvanlige effekter vises. Det har således vist sig, at almindeligt anvendte estimater af graden af et polynomium har en geometrisk fordeling i asymptotikken [1, 3]. Ikke-parametriske metoder til at estimere sandsynlighedstætheden og deres anvendelse til at genoprette regressionsafhængigheden af en vilkårlig form er lovende. De mest generelle resultater på dette område opnås ved hjælp af ikke-numeriske datastatistiktilgange.
Moderne statistiske prognosemetoder inkluderer også modeller for eksponentiel udjævning , autoregression med et glidende gennemsnit, systemer af økonometriske ligninger baseret på både parametriske og ikke-parametriske tilgange.
For at etablere muligheden for at anvende asymptotiske resultater for begrænsede (såkaldte "små") stikprøvestørrelser, er computerstatistiske teknologier nyttige. De giver dig også mulighed for at bygge forskellige simuleringsmodeller. Bemærk anvendeligheden af dataudbredelsesmetoder (bootstrap-metoder). Computertunge prognosesystemer kombinerer forskellige prognosemetoder inden for en enkelt prognosemaskinearbejdsstation.
Forudsigelse baseret på data, der er ikke-numeriske, især forudsigelse af kvalitative træk er baseret på resultaterne af statistikker over ikke-numeriske data. Regressionsanalyse baseret på intervaldata ser ud til at være meget lovende for prognoser, herunder især bestemmelse og beregning af sedlen og den rationelle stikprøvestørrelse, såvel som regressionsanalysen af fuzzy data udviklet i [5]. Den generelle erklæring [1] om regressionsanalyse inden for rammerne af statistikker over ikke-numeriske data og dens særlige tilfælde - variansanalyse og diskriminantanalyse (mønstergenkendelse med en lærer), der giver en samlet tilgang til formelt forskellige metoder, er nyttig i softwareimplementering af moderne statistiske prognosemetoder.
De vigtigste procedurer for behandling af prædiktive ekspertvurderinger er konsistenstjek, klyngeanalyse og at finde en gruppeudtalelse. Kontrol af konsistensen af ekspertudtalelser, udtrykt ved rangeringer, udføres ved hjælp af Kendall og Spearmans rangkorrelationskoefficienter, Kendall og Babington Smiths rangkonkordansskoefficient. Parametriske modeller af parvise sammenligninger (Thurstone, Bradley-Terry-Lews) og ikke-parametriske modeller af Lucian-teorien anvendes [1, 3]. En nyttig procedure til at afstemme rangeringer og klassifikationer er ved at konstruere afstemte binære relationer. I mangel af konsistens udføres opdelingen af ekspertudtalelser i grupper af lignende ved hjælp af den nærmeste nabometode eller andre metoder til klyngeanalyse (automatisk klassifikationsopbygning, mønstergenkendelse uden en lærer). Klassificeringen af Lucianer udføres ud fra en probabilistisk-statistisk model.
Der anvendes forskellige metoder til at konstruere den endelige udtalelse fra ekspertkommissionen. Metoderne til aritmetiske middelværdier og medianrækker skiller sig ud for deres enkelhed. Computermodellering [3] gjorde det muligt at etablere en række egenskaber for Kemeny-medianen, som ofte anbefales til brug som den endelige (generelle, gennemsnitlige) udtalelse fra en ekspertkommission. Fortolkningen af loven om store tal for ikke-numeriske data i forhold til teorien om ekspertundersøgelse er som følger: den endelige udtalelse er stabil, det vil sige, den ændrer sig lidt, når sammensætningen af ekspertkommissionen ændres, og med en stigning i antallet af eksperter nærmer det sig det "sande". Samtidig antages det, i overensstemmelse med tilgangen i [4], at eksperternes svar kan betragtes som resultaterne af målinger med fejl, alle er uafhængige identisk fordelte tilfældige elementer, sandsynligheden for at acceptere en vis værdi falder med afstand fra et bestemt centrum - "sandhed", og det samlede antal eksperter er ret stort.
Der er talrige eksempler på situationer forbundet med sociale, teknologiske, økonomiske, politiske, miljømæssige og andre risici. Det er i sådanne situationer, at prognoser normalt er nødvendige. Der er forskellige typer kriterier, der anvendes i beslutningsteori [2] under forhold med usikkerhed (risiko). På grund af inkonsistensen i de beslutninger, der er opnået efter forskellige kriterier, er behovet for at anvende ekspertvurderinger indlysende.
I specifikke prognoseopgaver er det nødvendigt at klassificere risici, sætte opgaven med at evaluere en specifik risiko, udføre risikostrukturering, især bygge årsagstræer (i anden terminologi, fejltræer) og konsekvenstræer (hændelsestræer). Den centrale opgave er at opbygge gruppe- og generaliserede indikatorer, for eksempel indikatorer for konkurrenceevne og kvalitet. Risici skal tages i betragtning, når man forudsiger de økonomiske konsekvenser af trufne beslutninger, forbrugernes adfærd og konkurrencemiljøet, eksterne økonomiske forhold og makroøkonomisk udvikling i Rusland, miljøets økologiske tilstand, teknologiernes sikkerhed og miljøfaren ved industrielle og andre faciliteter.
Moderne computerforudsigelsesteknologier er baseret på interaktive statistiske prognosemetoder ved hjælp af økonometriske databaser, simulering (herunder dem, der er baseret på brugen af den statistiske testmetode) og økonomisk-matematiske dynamiske modeller, der kombinerer ekspert-, matematisk-statistiske og modelleringsblokke.
Økonomisk prognose
Analyse af den fremtidige tilstand af økonomiske faktorer, der påvirker organisationens udvikling.
Social forecasting
Forudsigelse af ændringer i folks sociale holdninger såvel som stemningen i samfundet som helhed. Ofte kombineres sociale og økonomiske prognoser til en generel socioøkonomisk prognose for udviklingen af landet, regioner, megaregioner, der forener flere nært beslægtede regioner, samt forskellige administrative-territoriale enheder.
Teknologiprognose
Refererer til niveauet af teknologisk udvikling i prognoseområdet, der hjælper med at analysere fremtidens vigtigste og mest kritiske teknologier.
Demografisk prognose
Prognose over udviklingen af demografiske tendenser og samfundets demografiske tilstand på visse prognosehorisonter.
Budget prognose Budget prognose
. [2]
Forecast of sales volume (efterspørgsel)
Forecasting af faktorer, der påvirker salget af produkter (efterspørgsel efter det).
Forudsigelse af konkurrenceudvikling
Forudsigelse af mulige ændringer og yderligere strategi for konkurrenter
Kriminologisk prognose
Til tidsserieprognoser bruges normalt computerprogrammer. Dette giver dig mulighed for at automatisere de fleste af operationerne, når du bygger en prognose, og du undgår også fejl forbundet med dataindtastning og modelbygning. Sådanne applikationer kan både være lokale (til brug på en enkelt computer) og internetapplikationer (f.eks. tilgængelig som en hjemmeside). Som lokale applikationer bør man udskille sådanne programmer som: R, SPSS, Statistica, Forecast Pro , Forecast Expert.