1. Билет 4. Параметры прогнозов (определения ошибки прогноза, источника ошибки прогноза, периода основания и упреждения прогноза, прогнозного горизонта)

1. Период упреждения прогноза Нрк Время упреждения; время прогнозирования; прогнозный горизонт; срок прогнозирования; дальность прогноза. Промежуток времени, на который разрабатывается прогноз.

2. Период основания прогноза. Промежуток времени, на базе которого строится ретроспекция.

3. Прогнозный горизонт. Максимально возможный период упреждения прогноза заданной точности.

4. Точность прогноза. Оценка доверительного интервала прогноза для заданной вероятности его осуществления.

5. Достоверность прогноза. Оценка вероятности осуществления прогноза для заданного доверительного интервала.

6. Ошибка прогноза. Апостериорная величина отклонения прогноза от действительного состояния объекта. Примечание. Ошибка прогноза не определяет однозначно качество прогноза, так как она в значительной мере зависит от принимаемых на основании прогноза решений и их реализации.

7. Источник ошибки прогноза. Фактор, могущий привести к появлению ошибки прогноза. Примечание. Различают источники регулярных и нерегулярных ошибок. К первым, например, относятся неадекватный метод прогнозирования, недостоверные и недостаточные исходные данные, ко вторым – непредсказуемые явления и события типа скачков, прорывов, нарушающие спрогнозированные тенденции развития объекта.

Билет 6.Характеристика объекта прогнозирования (дать определения понятий: базисное значение переменной объекта прогнозирования, значащая переменная объекта прогнозировани, динамический ряд, сложность объекта прогнозирования)

Сложность обьекта прогнозирования- Характеристика объекта прогнозирования, определяющая разнообразие его элементов, свойств и отношений; ее количественной мерой может выступать минимальная длина программы, являющаяся описанием объекта в соответствии с целью прогноза.

Объект прогнозирования – процессы, явления и события, на которые направлена познавательная и практическая деятельность субъекта прогнозирования.

Примечание.  В зависимости от природы объекта различают: социальные, научно-технические, экономические, экологические и другие объекты прогнозирования; в зависимости от возможности воздействия на него субъекта прогнозирования – управляемые и неуправляемые объекты.

Выделяют качественные и количественные характеристики объекта прогнозирования. Строгий научный прогноз предполагает наличие количественной информации об объекте. Количественные характеристики именуются переменными объекта прогнозирования (иногда – показателями).

Значащая переменная объекта прогнозирования – переменная, принимаемая как существенная для описания объекта в соответствии с задачей прогнозирования.  Эндогенная переменная объекта прогнозирования – это значащая переменная, отражающая его собственные свойства.  Экзогенная переменная объекта прогнозирования – значащая переменная, обусловленная влиянием некоторой совокупности внешних переменных. Базисное значение переменной объекта прогнозирования – значение переменной на этапе диагноза, разделяющее период основания прогноза от периода упреждения.  Динамический ряд – временная последовательность ретроспективных и перспективных значений переменной объекта прогнозирования.  Регулярная составляющая динамического ряда – плавно изменяющаяся последовательность ретроспективных и перспективных значений переменной, представленной динамическим рядом, отражающая основную тенденцию ее развития.  Случайная составляющая динамического ряда – составляющая динамического ряда, отражающая влияние на него случайных воздействий и ошибок измерения.  Генеральная определительная таблица – иерархическая система взвешенных характеристик объекта прогнозирования и их значений, позволяющая преобразовывать его качественное описание в обобщенную количественную оценку.  Сложность объекта прогнозирования – характеристика объекта прогнозирования, определяющая разнообразие его элементов, свойств, отношений.  Мерность объекта прогнозирования – число значащих переменных объекта прогнозирования в его описании. 

Билет 7.Принципы прогнозирования

Социально-экономическое прогнозирование основывается на ряде принципов. Рассмотрим важнейшие из них.

Принцип системности прогнозирования означает, что народное хозяйство рассматривается, с одной стороны как единый объект, а с другой – как совокупность относительно самостоятельных объектов или направлений прогнозирования. Системный подход предполагает построение прогнозов на основе системы методов и моделей, характеризующейся определенной субординацией и последовательностью, что позволяет разрабатывать согласованный и непротиворечивый прогноз экономического развития по каждому объекту народного хозяйства. Однако, в условиях переходной экономики построить целостную систему моделей социально-экономического прогнозирования, очень сложно. В связи с чем необходима унификация блочных моделей, использование вычислительных способов решения, создание информационного банка данных.

Принцип единства политики и экономики означает, что при рассмотрении вопросов развития экономики, составлении прогнозов и программ следует исходить из совокупности экономических интересов всех субъектов хозяйствования и в то же время по некоторым направлениям прогнозирования необходимо, в первую очередь, учитывать общегосударственные вопросы (устойчивость финансовой системы, обеспечение целостности страны, ее обороноспособности и т.д.).

Принцип научной обоснованности означает, что в экономическом прогнозировании всех уровней необходим всесторонний учет требований объективных экономических и других законов развития общества, использование научного инструментария, достижений отечественного и зарубежного опыта формирования прогнозов.

Принцип адекватности (соответствия) прогноза объективным закономерностям характеризует не только процесс выявления, но и оценку устойчивых тенденций и взаимосвязей в развитии народного хозяйства и создания теоретического аналога реальных экономических процессов с их полной и точной имитацией.

Принцип вариантности прогнозирования связан с возможностью развития народного хозяйства и его отдельных звеньев по разным траекториям, при разных взаимосвязях и структурных соотношениях. Источниками возникновения различных вариантов развития народного хозяйства служат возможные качественные сдвиги в условиях воспроизводства при переходе от экстенсивных методов его расширения к интенсиным, при создании новых условий хозяйствования.

Принцип целенаправленности предполагает активный характер прогнозирования, поскольку содержание прогноза не сводится только к предвидению, а включает и цели, которые предстоит достигнуть в экономике путем активных действий органов государственной власти и управления.

Билет 8.Верификация. Методы верификации

В различных сферах деятельности человека под верифика́цией (от лат. verus — «истинный» иfacere — «делать») могут подразумеваться разные понятия. Например:

• Верификация — проверка, проверяемость, способ подтверждения, проверка с помощью доказательств каких-либо теоретических положений, алгоритмов, программ и процедур путем их сопоставления с опытными (эталонными или эмпирическими) данными, алгоритмами и программами. Принцип верификации был выдвинут Венским кружком^[1].

• Верификация — это подтверждение соответствия конечного продукта предопределённым эталонным требованиям.

• Верификация — методика распознавания лжи (укрывательства, искажения).

В значении доказуемости, проверяемости объяснений (моделей) объектов/явлений, в зависимости от степени подтверждаемости реальностью (эмпирически, фактами), образуетпонятия:

• Гипотеза — недоказанное фальсифицируемое правдоподобное утверждение на основе рядаподтверждающих её наблюдений или суждений, понятий, постулатов (в науке). Гипотезы, основанные на ложных суждениях, неправильных понятиях, постулатах, составляютпсевдонауку^[2]

• Концепция — модель с подтверждающими её истинность фактами и/или без них (см.Философия).

• Теория — объяснение с предоставлением доказательств максимальной степени (см. Наука).

Корень различного понимания понятия верификация кроется в спектре возможностей сличения соответствия конечного продукта предопределённым требованиям. Верифицировать соответствие конечного продукта предопределённым требованиям возможно, в зависимости от ситуации, по прямым и косвенным характеристикам этого конечного продукта. А также существует процессный подход, который отслеживает продвижение продукта к предопределённым требованиям.

Формальная верификация[править | править исходный текст]

Формальная верификация — доказательство с помощью формальных методов правильности или неправильности программы (системы) в соответствии с формальным описанием свойств программы (системы).

Методы верификации:

• Метод аксиоматической семантики Хоара

• Метод индуктивных утверждений Флойда

• Доказательное программирование (proofing programming)

• Автоматическое доказательство теорем (Theorem proving)

• Проверка моделей (Model checking)

• Символьное выполнение (Symbolic execution)

• Абстрактная интерпретация (Abstract Interpretation)

Верификация или эмпирическое подтверждение является основным критерием научности знания.

Верификация в системе качества

В российском государственном стандарте ГОСТ Р ИСО 9000-2008 (который является аутентичным переводом международного стандарта ISO 9000:2000) «верификация» определена следующим образом:

3.8.4 верификация (en verification; fr verification): Подтверждение на основе представления объективных свидетельств (3.8.1) того, что установленные требования (3.1.2) были выполнены.

Примечания

1. Термин «верифицировано» используется для обозначения соответствующего статуса.

2. Деятельность по подтверждению может включать:

• осуществление альтернативных расчетов

• сравнение научной и технической документации (3.7.3) по новому проекту с аналогичной документацией по апробированному проекту

• проведение испытаний (3.8.3) и демонстраций

• анализ документов до их выпуска.

Верификацию некоторые люди путают с валидацией. Верификация всегда опирается на сравнение реальных опытных образцов с эталонными, создаваемыми на фазе проектирования.

Билет 9.Виды обеспечения прогнозирования

МЕТОДЫ ПРОГНОЗИРОВАНИЯ Методы прогнозирования в самом общем случае бывают трех видов: Экспертные методы прогнозирования. «Модельные» методы прогнозирования. Статистические методы прогнозирования. Сразу стоит отметить, что под «модельными» методами прогнозирования мы подразумеваем любые прогнозные методы, в основу которых ложатся какие-либо идеализированные представления о характере взаимосвязей в некоторой предметной области. Иными словами, в сам прогнозный метод «зашита» некоторым образом смоделированная реальность. Насколько нам известно, термин «модельные методы прогнозирования» не является нормативным, но нам приходится его вводить и употреблять, чтобы как-то обозначить данную совокупность методов, имеющую исключительно важное значение для прогнозирования, хотя и до сих пор пока никак  неназванную. По-видимому, это происходит из-за того, что многие «разработчики» методов прогнозированияпретендуют на некую универсальность своих разработок и им не выгодно показывать естественные границы их детищ: например, что они (детища) являются не методологией, а всего лишь методом, да ещё к тому же и помещенным в определенную группу. Экспертные методы прогнозирования, а также технология, в которой они используются (технология экспертного прогнозирования), наиболее полно и системно отражены в работе [1]. Коротко говоря, они представляют собой методы получения новой информации о будущем от экспертов, причем эти методы не используют внутри себя каких-либо «предуставновленных» предположений о характере взаимосвязей в некоторой предметной области. То есть, они в этом смысле являются «предметнонезависимыми» и, следовательно, каждый из таких методов может быть применен к прогнозированию любой тематики – к космосу, информационным технологиям, социально-экономическим системам и так далее. По сути, экспертный метод прогнозирования должен воспроизводимо «запускать», инициировать некий познавательный (когнитивный) процесс, направленный на определение некого параметра объекта или процесса в будущем, то есть, прогнозирование. Еще раз подчеркнем, что механизм, собственно запускающий этот когнитивный процесс не должен быть связан с какими бы то ни было реалиями предметной области. Из наиболее известных прогнозных экспертных методов стоит отметить следующие: Метод комиссий. Метод «лицом к лицу». Процедура дельфи. Морфологический анализ. «Мозговая атака». Метод фокальных объектов. Метод контрольных вопросов. Наконец, статистические методы прогнозирования есть, на наш взгляд, частный, но при этом особый случай «модельных» методов прогнозирования, когда детализированность модели доходит до такой степени, что становится возможной полностью математическая обработка описываемых моделью реалий. Часто в статистических методах прогнозированиясама модель как бы «отходит на второй план», иногда даже не осознается вовсе, а сам познавательный акцент смещается на детали и тонкости соответствующей математической обработки. Важно отметить, что существует определенная логика применения этих указанных в наиболее общем виде групп методов прогнозирования, она связана, на наш взгляд, с естественным развитием (генезисом) системы представлений научного сообщества о каком-либо объекте или процессе. Здесь и далее предполагаем, что эти представления развиваются через последовательные смены парадигм (в том смысле, который в это понятие вкладывал Т. Кун [2]). Итак: Появились новые парадигмальные основания, нарождается новая парадигма. В это время целесообразно применять экспертные методы прогнозирования, предназначенные для решения прогнозных задач невысокого уровня сложности (I, II или III) [3], так как для «модельных» прогнозных методов, а уж тем более для статистических попросту нет пока у научного сообщества нужной информации. Парадигма какое-то время развивалась и стала самодостаточной, сформированной; представления экспертов об объекте прогнозирования, видимом через призму, задаваемую текущей парадигмой, «отлились» в некие устойчивые, застывшие формы, хорошо зарекомендовавшие себя на практике. В это время уместно применять«модельные» методы прогнозирования и иногда, возможно, экспертные. Парадигма продолжает развиваться и становится зрелой, идеализированные представления о реальности становятся предельно детализированными и формализованными. Эти формализованные представления накапливают годами. Появляются предпосылки для уместного и эффекивного использования статистических методов прогнозирования. Парадигма движется к своему естественному концу, появляется все больше и больше аномалий (явлений, не выводимых из текущей парадигмы). Исследовательская мысль фокусируется на новых, ранее неизучавшихся сторонах объектов и процессов. Относительно именно этих «сторон» формулируются наиболее социально значимые прогнозные задачи и именно в решении этих задач «модельные» и статистические методы начинают давать наибольшее количество «сбоев». Тогда приходит время для активного применения экспертных прогнозных методов, предназначенных для решения прогнозных задач IV и V уровней сложности [3]. Настойчивое и длительное применение этих методов прогнозирования приводит к осознанию текущих парадигмальных оснований и открывает возможности для перехода к новым парадигмальным основаниям. После некоторой поисковой работы эти основания новой парадигмы оказываются найдены и все начинается сначала. Круг замкнулся. В заключение заметим, что часто в том нечто, что называют на практике методом прогнозирования, можно выделить составляющие, относящиеся и к экспертным, и к «модельным», и к статистическим методам. В этом случае мы это нечто относим не к методам прогнозирования, а к упрощенным технологиям прогнозирования.

Можно выделить следующие виды прогнозов:

– поисковый;

– нормативный;

– прогноз на основе анализа тенденций. Создание моделей прогнозов инноваций часто базируется на связи темпов появления новшества в какой-либо области с такими факторами, как объем потока информации, уровень финансирования исследовательских работ, численность персонала, занимающегося исследованием и т. д.

Поисковый прогноз представляет собой прогноз, отвечающий на вопросы типа: «Что было бы, если...», – которые можно объединить между собой и назвать цепью предположений, так как они носят условно-предположительный характер. Примером такого прогноза может служить тенденция – это направление, в котором совершается развитие какого-либо явления.

Прогнозирование эффективности инноваций базируется на анализе соотношения предполагаемых затрат и ожидаемой выгоды от использования новшества.

Нормативный прогноз – целевое предсказание. Сущность заключается в том, что такой прогноз целенаправленно вызывает какие-либо действия. Например, реклама.

При расчете такого прогноза необходимо учитывать и очень тщательно просчитывать такие условия, как затраты, рынки сбыта, совместимость с общими целями непосредственного инвестора, а также вопросы имиджа и престижа.

Прогнозирование инноваций является попыткой определить ход событий в будущем исходя из того, что уже произошло в прошлом. Этот факт свидетельствует о том, что все методы прогнозирований основываются на анализе тенденций.

Рассмотрим иерархию видов тенденций:

1) предположение – наличие возможной корреляционной зависимости какой-либо инновации от наблюдаемых тенденций;

2) метафора, или аналогия, – означает выявление общих черт сходства у двух объектов или процессов;

3) квазимодель (т. е. ненастоящая модель). Она находится между метафорой и эмпирической моделью (настоящей моделью). С помощью данной модели можно проверить качественные прогнозы или прогнозы хода какого-либо процесса;

4) эмпирическая модель – модель на опыте, предсказывает будущее с помощью математической зависимости, согласующейся с эмпирически найденными параметрами;

5) аналитическая модель означает предсказание и объяснение последовательности события с помощью фундаментальных законов, имеющих широкую область применения. Точность любого прогноза зависит в первую очередь от полноты поступающей информации. Поэтому необходимо усиливать информационные потоки, чтобы вовремя предусмотреть возникающие изменения во внешней среде и тем самым построить более точный прогноз.

Билет 10.Информационное обеспечение: классификация информации, источники информации, требования к информации, информационные фильтры

Процесс прогнозирования по своей сути — процесс переработки информации. На входе исследователь имеет информацию о состоянии системы в прошлом, на выходе — о вероятном состоянии системы В будущем.

Приступая к этапу прогнозной ретроспекции, т.е. сбору информации о состоянии объекта прогнозирования и прогнозного фона в прошлом, исследователь должен определить: ?

перечень характеристик объекта прогнозирования и прогнозного фона, которые необходимо проанализировать для построения прогноза; ?

совокупность показателей, адекватно отражающих значение исследуемых характеристик; ?

источники, содержащие необходимую информацию; ?

способы сбора информации; ?

форму представления информации.

По назначению в процессе управления экономикой всю информацию можно разделить на управляющую и осведомляющую.

Управляющая информация состоит из доводимых до сведения исполнителей решений либо в форме прямых приказов, плановых заданий, либо в форме экономических и моральных стимулов, мотивирующих поведение исполнителей.

Осведомляющая информация выполняет в экономической системе функцию обратной связи и связи с внешней средой (это учетно- статистическая информация, результаты маркетинговых исследований, мониторинга внешней среды и т.п.).

Для разработки прогноза больший интерес представляет осведомляющая информация.

В зависимости от возможности использования и ценности информации для принятия решения можно выделить три группы информации: полезная, избыточная и ложная.

Полезная информация характеризуется достоверностью, полнотой, своевременностью, достушюстыо для обработки. Именно она позволяет выявить закономерности в развитии объекта прогнозирования и прогнозного фона в прошлом.

Избыточная информация — это информация, не нужная для целей прогнозирования, либо информация, не имеющая отношения к содержанию разрабатываемого прогноза, либо сведения, поступающие и объеме, недоступном для своевременной обработки исследователем.

Ложная информация возникает при ошибках в сборе, обработке и передаче данных, поэтому сбор данных предполагает не только получение корректных данных, но и проверку их достоверности.

Возвращаясь к технологической схеме прогнозирования, отметим, что процесс обработки данных можно представить как передачу сигналов от источника к потребителю и восприятие информации потребителем.

На этапе прогнозной ретроспекции информация проходит физический или статистический фильтр, обусловленный чисто количественными ограничениями по пропускной способности канала, и семантический фильтр — отбор тех данных, которые могут быть поняты получателем, т.е. соответствуют тезаурусу его знаний. На этапе прогнозного диагноза информация проходит прагматический фильтр — отбор среди понятых сведений тех, которые полезны для решения данной задачи.

Некоторые авторы предлагают даже выделить в информационной схеме прогнозирования этап редукции или уплотнения данных8, задача которого заключается в отборе значимой для прогнозного исследования информации.

По степени обработки и месту в информационном процессе информация делится на первичную и производную (или вторичную).

Первичная информация добывается путем непосредственного наблюдения, регистрации, т.е. прямого сбора и восприятия данных. К первичным источникам относятся специальные выборочные обследования, опросы, переписи, направленные на получение тех данных и в такой форме, которые необходимы именно для запланированных прогнозных расчетов. Получение исходных статистических данных из первичных источников связано со специально спланированной работой и, соответственно, с выделением для этого специальных средств. Планируется состав показателей, способ организации выборки, иногда фиксированные значения отдельных показателей, при которых производится регистрация остальных параметров. Основными респонден- тами (объектами выборочных исследований) являются все или определенные категории потенциальных клиентов фирмы, ее поставщики, служащие, общество в целом. При организации специальных статистических обследований прогнозист обязан иметь четкие сведения о таких параметрах: ?

к кому именно обращены вопросы и с какой целью (определить «единицу» статистического обследования); ?

как должны быть сформулированы вопросы (определить конкретную форму анкеты или опросного листа); ?

сколько респондентов должно быть включено в обследование (определить объем выборки, необходимый для достижения заданной точности выводов); ?

как именно следует отбирать респондентов для включения их в исследуемую выборку.

Производная (вторичная) информация — продукт переработки первичной информации.

Вторичные источники информации — это опубликованные в том или ином виде исходные данные, уже собранные кем-то вне прямой связи с конкретной задачей прогнозиста, но доставляющие информацию, в той или иной мере полезную именно для решения этой конкретной задачи.

Источники вторичной информации: ?

данные международных организаций (Международный валютный фонд, Европейская организация по сотрудничеству и развитию, Статистическая комиссия Секретариата ООН и др.); ?

законодательные и нормативные акты государственных органов; ?

различные издания Федеральной службы государственной статистики; ?

специализированные коммерческие базы данных по организациям, регионам; ?

специализированные деловые периодические издания; ?

внутренняя отчетность организации; ?

результаты научных исследований и т.п.

В связи с развитием компьютерных сетей появилась возможность использования ресурсов всемирной сети Интернет для сбора аналитической информации. В приложении дана краткая характеристика web- материалов, функционирование которых связано с экономическими исследованиями, представлением и агрегированием информационных ресурсов, которые могут быть использованы при разработке прогнозов.

Первичные источники предоставляют в распоряжение прогнозиста исходные статистические данные более высокого порядка по предъявляемым к ним критериям, но они и стоят существенно дороже. По характеру содержащейся информации источники ее могут быть разделены на параметрические и непараметрические.

Параметрические источники информации содержат размерные (количественные) показатели объекта прогнозирования и планирования. К параметрическим источникам относятся каталоги машин, приборов, оборудования, рекламные проспекты, технические паспорта, финансовые отчеты, бухгалтерская документация.

В непараметрических источниках информации отсутствуют какие-либо количественные величины, а существо вопроса изложено па уровне принципов или качественных характеристик. Такая информация может быть либо непосредственно использована, либо использована после предварительной обработки и приведения ее в формализованный вид.

Этап сбора информации о развитии объекта прогнозирования и прогнозного фона в прошлом — один из самых сложных и ответственных. Сложности могут возникнуть в связи с недоступностью информации, характеризующей прогнозный фон (коммерческая тайна информации о конкурентах, отсутствие систематизированной информации о покупателях и т.п.), и с трудоемкостью сбора. Особая значимость этапа связана с определяющим воздействием его на качество прогноза. Нельзя ожидать получения объективного описания будущего от прогноза, полученного на основе недостоверной, неполной информации.

Требования к информации: ?

релевантность — используемая ретроспективная информация должна отражать именно анализируемые стороны деловой деятельности исследуемых объектов в соответствующие моменты времени; ?

надежность и точность — используемая информация должна обеспечивать объективное описание изучаемых характеристик с заданной степенью точности. Достигается с помощью различных методов проверки надежности используемых источников, соблюдения принятой методологии измерений, достоверности ответов респондентов, устранения сбоев и опечаток в записи данных;

33

Л.

Вутакона М. М. ?

сопоставимость — данные должны сопровождаться такими комментариями и пояснениями, касающимися смысла анализируемых показателей и методологии их измерения, которые позволили бы сохранить возможность их сопоставления (во времени и пространстве) и «приведения к общему знаменателю» в ситуациях, характеризующихся изменениями в методологии измерений и корректировкой состава анализируемых переменных;

? представительность (репрезентативность) — выборка должна быть организована таким образом, при котором она полностью и адекватно представляет изучаемые свойства всей анализируемой совокупности.

Использование при разработке прогноза информации, не отвечающей этим требованиям, может привести к искаженному представлению о развитии объекта в прошлом и соответственно к ошибкам в описании будущего.

В теории измерений для оценки достоверности данных, полученных измерением, употребляют термин «точность измерения», под которым понимают степень приближения результатов измерений к истинному значению измеряемой величины.

Качество исходной информации оценивается также показателем полноты информации, который следует рассматривать во временном и содержательном аспектах. Во временном аспекте этот показатель отражает корректность использования ретроспективной информации для разработки прогноза. Например, при применении формализованных методов прогнозирования (экстраполяция, корреляционный и регрессивный анализ) необходимо иметь информацию об объекте за период, в 3 раза превышающий прогнозный, и, кроме того, в период ретроспекции для объекта должно быть характерно эволюционное, стабильное развитие.

В содержательном аспекте полнота информации означает ее достаточность для содержательного описания сущности прогнозируемого события, ее наличие за каждый выделенный временной промежуток ретроспективного периода или на каждую рассматриваемую дату.