Основным преимуществом рассмотренных выше методов является возможность максимального использования индивидуальных способностей экспертов и незначительность психологического давления, оказываемого на отдельных работников.
Методы коллективных экспертных оценок имеют следующие разновидности: метод «комиссий», метод «Дельфи», метод «коллективной генерации идей» («мозговая атака»), метод морфологического анализа и др.
Содержание метода «комиссий» следующие. Создаётся рабочая группа, в функции которой входят: назначение экспертов, проведение опроса, обработка материалов, анализ результатов коллективной экспертной оценки. Уточняются основные направления развития объекта, а также составляется матрица, отражающая генеральную цель, подцели и средства их достижения, т.е. направления научных исследований и разработок, результаты которых могут быть использованы для достижения цели.
Затем разрабатываются вопросы для экспертов, но содержание вопросов должно определяться спецификой прогнозируемого объекта.
Далее следует проведение опроса экспертов и статистическая обработка материалов, которые характеризуют обобщённое мнение и степень согласованности индивидуальных оценок экспертов. Они служат исходной базой для синтеза прогнозных гипотез, вариантов развития исследуемого явления или процесса. Методика представляет собой совокупность оценок относительной важности, назначенных экспертами каждого из оцениваемых направлений, исследований и разработок, выражающихся в баллах и принимающих значения от 0 до 1, от 0 до 10,от 0 до100и т.д. Эти оценки по определённому вопросу сводятся в таблицу, сроки – которой соответствуют направлениям исследований, а столбцы- порядковым номерам экспертов.
Метод «Дельфи» - один из наиболее распространённых методов экспертных оценок. Его основными особенностями являются: анонимность экспертов, полный отказ от личных контактов экспертов и коллективных обсуждений; обеспечение экспертов информацией, включая и обмен её между экспертами, после каждого тура опроса при сохранении анонимности оценок, аргументации и критики; обоснование ответов экспертов по запросу организаторов.
Метод «коллективной генерации идей» включает два элемента: выявление вероятностных вариантов развития объекта прогнозирования и их оценка. При «мозговой атаке» сначала активизируется творческий потенциал специалистов, что находит отражение в генерации определённой идеи. Затем следует процесс деструирования (разрушения, критики )этой идеи и формулируется контридея. Это позволяет за короткое время путём вовлечения всех экспертов в активный творческий процесс получить продуктивные результаты.
Метод «морфологического анализа» представляет собой упорядоченный способ рассмотрения объекта и получения систематизированной информации по всем возможным вариантам его развития. Он включает ряд приёмов, имеющих единый принцип действий: систематизированное рассмотрение характеристик объекта, стремление не пропустить ни одной из них, ничего не отбрасывать без предварительного исчерпывающего исследования. Этой цели служит приём систематизированного охвата информации с последующим исследованием её по методу «морфологического ящика».
Последний строится в виде дерева или матрицы, в клетках которых помещены соответствующие характеристики объекта. Последовательное соединение одного из параметров первого уровня с одним из параметров последующего уровня представляет собой одно из возможных альтернатив его состояния.
Группа методов коллективных экспертных оценок основана на том, что при коллективном мышлении, во-первых, выше точность результата и, во-вторых, при обработке индивидуальных независимых оценок, выносимых экспертами, могут возникнуть продуктивные идеи.
Формализованные методы прогнозирования
Формализованные методы прогнозирования базируются на математической теории, которая обеспечивает повышение достоверности и точности прогнозов, значительно сокращает сроки их выполнения, позволяет облегчить деятельность по обработке информации и оценке результатов. В состав формализованных методов прогнозирования входят: методы экстраполяции и методы математического моделирования.
Термин « экстраполяция» имеет несколько толкований. В широком смысле слова экстраполяция – это метод научного исследования, заключающийся в распространении выводов, полученных из наблюдения над одной частью явления, на другую его часть.
В узком смысле слово экстраполяция – это нахождение по ряду данных функций других её значений, находящихся в не этого ряда. Экстраполяция заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций экономического развития перенесение их на будущее. В прогнозировании экстраполяция (экстраполирование) применяется при изучении временных рядов и представляет собой нахождение значений функций за пределами области её определения с использованием информации о проведении данной функции в некоторых точках, принадлежащих области её определения.
Различают перспективную и ретроспективную экстраполяцию. Перспективная экстраполяция предполагает продолжение уровней ряда динамики на будущее на основе выявленной закономерности изменения уровней в изучаемом отрезке времени . Ретроспективная экстраполяция характеризуется продолжением уровня ряда динамики в прошлое.
Понятием, противоположным экстраполяции, является интерполяция, интерполирование, которое предусматривает нахождение промежуточных значений функции в области её определения. При изучении временных рядов в необходимости может производиться интерполирование промежуточных уровней.
Разграничивают формальную и прогнозную экстраполяцию. Формальная экстраполяция базируется на предложении и сохранении в будущем прошлых и настоящих тенденций развития объекта. Прогнозная экстраполяция увязывает фактическое состояние исследуемого объекта с гипотезами его развития. Она предполагает необходимость учёта в перспективе альтернативных изменений самого объекта, его сущности.
При формировании прогнозов с помощью экстраполяции исходят из статистически складывающихся тенденций изменения те или иных количественных характеристик объекта. Экстраполируются оценочные, функциональные, системные и структурные характеристики, например, количественные характеристики экономического, научного, производственного потенциала. Степень реальности такого рода прогнозов в значительной мере обусловливается аргументированностью выбора пределов «экстраполяции» по отношению к сущности рассматриваемого явления. Последовательность действий при статистическом анализе тенденций и экстраполировании состоит в следующем:
1. Чёткое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, обсуждение факторов, стимулирующих или препятствующих развитию данного объекта, определение необходимой экстраполяции и её допустимой дальности.
2. Выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности.
3. Сбор и систематизация данных. Перед сведением их в соответствующие таблицы проверяется однородность данных и их сопоставимость.
4. Выявление тенденций или симптомов изменения изучаемых величин в ходе статистического анализа и непосредственной данных.
В экстраполяционных прогнозах предсказание конкретных значении изучаемого объекта или параметра в какой-то определённый период времени не считается основным компонентом. Особо важным здесь является своевременное фиксирование объективно процесса. Под тенденцией развития понимают некоторое его направление, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории.
Для повышения точности экстраполяции используются различные приёмы. Например, экстраполируемая часть общей кривой развития ( тренд ) корректируется с учётом реального опыта функционирования отрасли – аналога исследований или объекта, опережающих в своём развитии прогнозируемый объект.
Тренд – это изменение, определяющее общее направление развития, основную тенденцию временных рядов. Под ним понимается характеристика основной закономерности движения во времени, в некоторой мере свободной от случайных воздействий. Тренд – это длительная тенденция изменения экономических показателей. При разработке моделей прогнозирования тренд оказывается основной составляющей прогнозируемого временного ряда, на которую уже накладываются другие составляющие. Результат при этом связывается исключительно с ходом времени. Предполагается, что через время можно выразить влияние всех основных факторов.
Задача прогноза состоит в определении вида экстраполируемых функций на основе исходных эмпирических данных и параметров выбранной функции. Первым этапом является выбор оптимального вида функции, дающей наилучшее описание тренда. Следующим этапом является расчёт параметров выбранной экстраполяционной функции. При оценке параметров зависимостей наиболее распространёнными являются метод наименьших квадратов и его модификаций, метод экспоненциального сглаживания, метод скользящей средней и другие.
Сущность метода наименьших квадратов состоит в отыскании параметров модели тренда, минимизирующих её отклонение от точек исходного временного ряда, т. е. минимизации суммы квадратических отклонений между наблюдаемыми и расчётными величинами. Модель тренда может различаться по виду. Её выбор в каждом конкретном случае осуществляется в соответствии с рядом статистических критериев. Наибольшее распространение в практических исследованиях получили следующие функции: линейная, квадратичная, степенная, показательная, экспоненциальная, логическая. Особенно широко применяется линейная, или линеаризуемая, т.е. сводимая к линейной форме, как наиболее и простая в достаточной степени удовлетворяющая исходными данными. Метод наименьших квадратов широко применяется в прогнозировании в силу его простоты и том, что модель тренда жёстко фиксируется, а это делает возможным его применение только при небольших периодах упреждения, т.е. при краткосрочном прогнозировании.
Метод экспоненциального сглаживания даёт возможность получить оценки параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Этот метод позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода. Он не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени условиям.
Метод экспоненциального сглаживания применяется при кратко- и среднесрочном прогнозировании. Его преимущества состоят в том, что он не требует обширной информационной базы и предполагает её интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую метематическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17
