Використання моделей одного часового ряду для прогнозування економічних показників у сучасних умовах

Abstract

У роботі досліджено основні статистичні методи прогнозування, які базуються на даних одного часового ряду. Розглянуто особливості використання для прогнозування трендових моделей. Відмічено, що в сучасних умовах використання комп’ютерних програм вибір форми тренда для прогнозування суттєво спрощується: можна для одного й того ж ряду динаміки побудувати різні форми тренда і вибрати з них ту, яка за математичними критеріями найкращим чином описує вихідний ряд. Однак такий підхід іноді може призвести до простої формалізації достатньо складного питання прогнозування. Встановлено, що в кожному конкретному випадку вибір тієї чи іншої форми моделі для прогнозування залежить від сутності досліджуваного показника, наявної інформації та поставлених завдань прогнозування, однак за можливістю краще відмовитися від розробки докладної математичної моделі на користь моделі з невеликою кількістю внутрішніх елементів. Показано переваги та недоліки прогнозування на основі авторегресійних моделей. Проведено аналіз динаміки та здійснено прогнозування валового внутрішнього продукту України у розрахунку на 1 особу на основі трендової та авторегресійної моделей. Запропоновано систему принципів, дотримання яких може сприяти уникненню помилок під час вибору інструментарію прогнозування. Відмічено, що в сучасних нестабільних умовах розвитку економіки складність здійснення прогнозування економічних показників зростає. Тому доцільним є використання не стандартних, а адаптивних методів прогнозування одновимірних часових даних, основною властивістю яких є зміна коефіцієнтів побудованої моделі під час надходження нової інформації. При цьому прогнози, що здійснюються за допомогою математичних методів моделювання, слід доповнювати експертними оцінками. Удосконалено методику адаптивного прогнозування економічних показників з використанням аналізу індикаторів. У якості індикаторів пропонується використовувати як фактори, які тісно пов’язані з досліджуваним показником, так і показники, які «попереджають» про майбутні зміни у зовнішньому або внутрішньому середовищі підприємства.

The main statistical methods of forecasting based on the data of a one-time series are investigated in the paper. Peculiarities of trend models use for prediction are considered. It is noted that in modern conditions of using computer programs, the choice of the trend form for forecasting is considerably simplified: it is possible to build different forms of the trend for one time series and to choose from them the one which best describes the output series according to mathematical criteria. However, such an approach can sometimes lead to a simple formalization of a rather complicated issue of forecasting. It has been established that in each special case, the choice of a particular model form for forecasting depends on the nature of the investigated indicator, the available information and the predicted tasks, but it is better to refuse to develop a detailed mathematical model in favor of a model with a small number of internal elements. The advantages and disadvantages of forecasting on the basis of autoregressive models are shown. A system of principles the observance of which can contribute to avoiding errors in the choice of forecasting tools is proposed. The analysis of dynamics and forecasting Ukraine’s gross domestic product per capita is calculated on the basis of trend and autoregression models. It is noted that in today's unstable conditions of economic development the complexity of carrying out the forecasting of economic indicators is increasing. Therefore, it is advisable to use not standard but adaptive methods for forecasting one-dimensional time data, the main property of which is to change the coefficients of the model when new information is received. At the same time, predictions that are made with the using of mathematical methods of modeling should be supplemented by expert assessments. The method of adaptive forecasting of economic indicators with the use of indicator analysis is improved. It is proposed to use both factors that are closely related to the investigated indicator and indicators that "warn" about future changes in the external or internal environment of the enterprise as indicators.