- политические - определяющие изменения
в расстановке политических сил,
в отношениях социальных групп
к партиям и лидерам, в политических
ориентациях; политические прогнозы
используются для прогнозирования
результатов выборов и других
политических событий;
- научно-технические - определяющие
динамику производительных сил,
открытия и изобретения, смену
поколений и моделей техники,
изменение технологий;
- экологические, позволяющие предвидеть
динамику природных процессов, катастроф,
их последствия, направления деятельности
по охране окружающей среды
и воспроизводству природных
ресурсов и другие.
Прогнозы могут иметь разное время упреждения
- от краткосрочных (например, суточные,
связанные с колебаниями акций) до долгосрочных
(на десятки) и сверхдолгосрочные. Первые
носят более детализированный характер.
Чем дольше горизонт упреждения прогноза,
тем большее значение имеют теоретические
исследования и длительность ретроспективы
(времени основания) прогноза[4].
Неодинаков и характер прогноза. Он может
определять какую-то одну характеристику
объекта (показатель) или носить комплексный
характер для предприятия, города, региона,
страны.
В зависимости от объекта прогнозирования
соотношение между предвидением и управлением
видоизменяется. У прогнозируемых природных
или технических объектов (ураган, сопротивление
материалов), взаимосвязь предвидения
и управления может быть близка к нулевой,
так как никакие управленческие решения
не способны изменить предсказание. В
таких случаях прогноз ограничивается
предвидением и рекомендациями минимизировать
его последствия (наводнение, землетрясение
и т.д.).
У прогнозируемых социальных объектов
интенсивность взаимосвязи предвидения
и управления может быть настолько высокой,
что может изменить предсказанное состояние
путем предпринятых действий на основе
управленческих решений. Иными словами,
управленческие решения приводят к "самоосуществлению"
или к "саморазрушению" прогноза.
В прогностике это называется "эффектом
Эдипа".
По типу циркулирующей в процессе экспертизы
информации можно выделить три класса
интуитивных моделей:
. индивидуальные оценки;
. коллективные оценки;
. комбинированные экспертные модели.
К индивидуальным относятся модели типа
интервью, психоэвристической генерации
идей, к коллективным - модели типа “мозговой
атаки”, сессий выработки коллективного
мнения, коллективной экспертной оценки;
к комбинированным - модели итеративных
опросов типа “Дельфи” и их модификации.
Аналитическими методами прогнозные
модели получаются в тех случаях, когда
известны общие закономерности развития
процесса, его общая структура, важнейшие
аналитически выраженные функциональные
связи, имеется опытная (контрольная) выборка,
позволяющая проверить работоспособность
модели.
Аналитические модели, разделяются на
модели, построенные по типу:
. структуризации целей развития;
. имитационного моделирования;
. морфологического анализа.
К статистическим относят методы, основу
которых составляет формирование стохастических
моделей прогнозирования. Предпосылкой
применения таких методов является наличие
необходимых статистических данных. Характеризующих
период ретроспекции, и сведений, необходимых
для определения модели прогноза. Широкое
применение в прогнозировании статистических
методов объясняется тем, что предметом
статистики служит изучение методов выявления
закономерностей массовых процессов.
Относительно приложений математической
статистики обратим внимание на появляющуюся
у ряда авторов тенденцию рассматривать
соответствующие методы как средство
снятия неопределенности на различных
этапах принятия решений. Подобное отношение
сужает область применения статистических
методов, однако справедливо акцентирует
внимание на наиболее сложных случаях
их использования[7].
1.2 Методы и этапы финансового прогнозирования
В мировой практике используется
более двухсот методов прогнозирования,
в отечественной же науке - не более двадцати.
Во введении указывалось, что будут рассматриваться
методы финансового прогнозирования,
получившие широкое распространение в
развитых зарубежных странах.
Финансовое прогнозирование
планирование предполагает использование
следующих специальных методов:
1) Методы экспертных оценок, которые предусматривают
многоступенчатый опрос экспертов по
специальным схемам и обработку полученных
результатов с помощью инструментария
экономической статистики. Это наиболее
простые и достаточно популярные методы,
история которых насчитывает не одно тысячелетие1. Применение
этих методов на практике, обычно, заключается
в использовании опыта и знаний торговых,
финансовых, производственных руководителей
предприятия или госучреждения. Как правило,
это обеспечивает принятие решения наиболее
простым и быстрым образом. Недостатком
является снижение или полное отсутствие
персональной ответственности за сделанный
прогноз. Экспертные оценки применяются
не только для прогнозирования значений
показателей, но и в аналитической работе,
например, для разработки весовых коэффициентов,
пороговых значений контролируемых показателей
и т. п.
2) Стохастические методы, предполагающие
вероятностный характер как прогноза,
так и самой связи между исследуемыми
показателями. Вероятность получения
точного прогноза растет с ростом числа
эмпирических данных1. Эти методы
занимают ведущее место с позиции формализованного
прогнозирования и существенно варьируют
по сложности используемых алгоритмов.
Наиболее простой пример - исследование
тенденций изменения объема продаж с помощью
анализа темпов роста показателей реализации.
Результаты прогнозирования, полученные
методами статистики, подвержены влиянию
случайных колебаний данных, что может
иногда приводить к серьезным просчетам[10].
Стохастические методы можно
разделить на три типовые группы, которые
будут названы ниже. Выбор для прогнозирования
метода той или иной группы зависит от
множества факторов, в том числе и от имеющихся
в наличии исходных данных.
Первая ситуация - наличие временного ряда -
встречается на практике наиболее часто:
финансовый менеджер или аналитик имеет
в своем распоряжении данные о динамике
показателя, на основании которых требуется
построить приемлемый прогноз. Иными словами,
речь идет о выделении тренда. Это можно
сделать различными способами, основными
из которых являются простой динамический
анализ и анализ с помощью авторегрессионых
зависимостей. Вторая ситуация -
наличие пространственной совокупности
- имеет место в том случае, если по некоторым
причинам статистические данные о показателе
отсутствуют либо есть основание полагать,
что его значение определяется влиянием
некоторых факторов. В этом случае может
применяться многофакторный регрессионный
анализ, представляющий собой распространение
простого динамического анализа на многомерный
случай.
Третья ситуация - наличие пространственно-временной
совокупности - имеет место в том случае,
когда: а) ряды динамики недостаточны по
своей длине для построения статистически
значимых прогнозов; б) аналитик имеет
намерение учесть в прогнозе влияние факторов,
различающиеся по экономической природе
и их динамике. Исходными данными служат
матрицы показателей, каждая из которых
представляет собой значения тех же самых
показателей за различные периоды или
на разные последовательные даты.
3) Детерминированные методы, предполагающие
наличие функциональных или жестко детерминированных
связей, когда каждому значению факторного
признака соответствует вполне определенное
неслучайное значение результативного
признака. В качестве примера можно привести
зависимости, реализованные в рамках известной
модели факторного анализа фирмы Дюпон.
Используя эту модель и подставляя в нее
прогнозные значения различных факторов,
например выручки от реализации, оборачиваемости
активов, степени финансовой зависимости
и других, можно рассчитать прогнозное
значение одного из основных показателей
эффективности - коэффициента рентабельности
собственного капитала[13].
Другим весьма наглядным примером
служит форма отчета о прибылях и убытках,
представляющая собой табличную реализацию
жестко детерминированной факторной модели,
связывающей результативный признак (прибыль)
с факторами (доход от реализации, уровень
затрат, уровень налоговых ставок и др.).
А на уровне государственного финансового
прогнозирования факторной моделью выступает
взаимосвязь объема государственных доходов
и налоговой базы или ставок процента.
Здесь нельзя не упомянуть об
еще одной группе методов для финансового
прогнозирование на микро уровне, основанных
на построении динамических имитационных
моделей предприятия. В такие модели включаются
данные о планируемых закупках материалов
и комплектующих, объемах производства
и сбыта, структуре издержек, инвестиционной
активности предприятия, налоговом окружении
и т.д. Обработка этой информации в рамках
единой финансовой модели позволяет оценить
прогнозное финансовое состояние компании
с очень высокой степенью точности. Реально
такого рода модели можно строить только
с использованием персональных компьютеров,
позволяющих быстро производить огромный
объем необходимых вычислений.
Финансовое прогнозирование
представляет собой трехэтапный процесс,
включающий анализ выполнение финансового
прогноза, определение прогнозных показателей,
формирование финансового прогноз.
На этапе выполнения финансового
прогноза определяется степень исполнения
запланированных параметров за истекший
период по сравнению с фактическими результатами,
выявляются резервы роста доходов и привлечения
других финансовых ресурсов, определяются
направления и пути повышения эффективности
их использования, а также осуществляется
мониторинг ожидаемого исполнения прогноза.
При этом используются следующие аналитические
методы: горизонтольно-вертикальный анализ,
трендовый анализ, факторный анализ. Этап
определения плановых показателей связан
с расчетом конкретных значений этих показателей,
характеризующих процессы формирования
и использования финансовых ресурсов
(доходов).
На этапе формирования финансового
прогноза происходит его непосредственное
составление по доходам, расходам и другим
показателям, после чего утверждается
уполномоченными лицами.Именно в этом
этапе осуществляется оптимизация показателей
и финансового прогноза в целом как документа,
подлежащего исполнению и мониторингу.
При составлении прогнозов
чаще всего используется балансовый метод,
основанный на увязке финансовых ресурсов
с финансовыми потребностями органов
власти и субъектов хозяйствования[6].
1.3 Классификация методов прогнозирования
В группу поисковых методов
входят две подгруппы: экстраполяции и
моделирования. К первой подгруппе относятся
методы: наименьших квадратов, экспоненциального
сглаживания, скользящих средних. Ко второй
– структурное, сетевое и матричное моделирование.
При формировании прогнозов
с помощью экстраполяции обычно исходят
из статистически складывающихся тенденций
изменения тех или иных количественных
характеристик объекта. Экстраполируются
оценочные функциональные системные и
структурные характеристики.
Тренд – это длительная тенденция
изменения социальных 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.
Для нахождения параметров
приближенных зависимостей между двумя
или несколькими прогнозируемыми величинами
по их эмпирическим значениям применяется
метод наименьших квадратов. Его сущность
состоит в минимизации суммы квадратических
отклонений между наблюдаемыми величинами
и соответствующими оценками (расчетными
величинами), вычисленными по подобранному
уравнению связи[11].
В самом простом случае при
предположении о том, что средний уровень
ряда не имеет тенденции к изменению или
если это изменение незначительно, можно
принять
Yi + L = Y,
т.е. прогнозируемый уровень
равен среднему значению уровней в прошлом.
Прогноз на основании среднего
абсолютного прироста:
у = a + bt,
где а - начальный уровень тренда
в момент, принятый за начало отсчета времени
t;
b - среднегодовой абсолютный
прирост, константа тренда.
Прогноз на основе среднего
темпа роста:
У = akt, где
а - начальный уровень тренда
в момент, принятый за начало отсчета времени
t,
к - средний темп роста.
Линейная модель прогнозируемого
явления:
y = a + bt
Коэффициенты a и b вычисляются
из следующей системы уравнений:
еу = na + bеt
еyt = aеt + bеt2
Показательная модель:
У = акt
Коэффициенты а и к вычисляются
из следующей системы уравнений:
nlna + lnkеti = еlnyi
lna еti + lnkеti2 = еlnyiti
Распространенной методикой
описания тех или иных процессов и явлений
служит моделирование. Моделирование
считается достаточно эффективным средством
прогнозирования возможного явления новых
или будущих технических средств и решений.
Регрессионный анализ используется
для исследования форм связи, устанавливающих
количественные соотношения между случайными
величинами изучаемого случайного процессам.
Корреляционный анализ изучает
корреляционные связи между случайными
величинами. Он позволяет количественно
оценивать связи между большим числом
взаимодействующих явлений. Его изменение
делает возможным проверку различных
гипотез о наличии и силе связи между двумя
явлениями и группой явлений.
Прогнозирование по аналогии
представляет собой сравнение прогнозируемой
технологии с такой же технологией, которая
была в прошлом. В применении этого метода
имеется ряд проблем: употребление случайных
аналогий; историческая уникальность
каждой ситуации; проблема исторически
обусловленного сознания людей.