Файл: Методические указания для выполнения лабораторных работ по теме анализ и моделирование деятельности организации с целью принятия управленческих решений.doc
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.04.2024
Просмотров: 32
Скачиваний: 0
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Лабораторная работа № 3
Анализ данных и прогноз для целей управления
Цель: освоить инструменты анализа данных с целью принятия управленческих решений
1. Теоретические сведения
Любые показатели хозяйственной, экономической, финансовой, учебной деятельности могут быть представлены как последовательность соответствующих данных в фиксированные моменты времени, что математически выглядит как временной ряд. Обычно временной ряд данных содержит закономерную, детерминированную(заранее определенную) составляющую, описывающую долговременные тенденции протекания процесса, и случайную составляющую, обусловленную действием не поддающихся непосредственному учету факторов. Можно считать, что эти составляющие суммируются:
xt = dt + ett = 1, 2, … n, (3.1)
где xt, - элемент временного ряда, относящийся к моменту времени t, dt, - детерминированная составляющая; et, - случайная составляющая ряда; n - общее число элементов ряда.
Предложенное выражение (3.1)описывает так называемую аддитивную модель временного ряда. Детерминированная составляющая, в свою очередь, может включать в себя несколько слагаемых, из которых мы рассмотрим три важнейших и наиболее распространенных: тренд trt, (trend (англ.) - общее направление, тенденция); сезонная компонента stи циклическая компонента ct
dt = trt + st + ct ; i = 1, 2, … n (3.2)
Трендом, в соответствии с буквальным смыслом термина, принято называть плавно, монотонно меняющуюся компоненту детерминированной составляющей временного ряда, отражающую влияние долговременных факторов. В экономике к таким факторам обычно относят изменение демографических характеристик (численности населения, возрастного состава и т. п.), изменение показателей технологического и экономического состояния общества (страны), структуры потребления и т. д. Все эти и подобные им факторы действуют постепенно, в связи с чем исследователи-аналитики предпочитают описывать их влияние при помощи простых формул и гладких кривых.
Сезонная компонента отражает присущую природе и человеческой деятельности повторяемость, периодичность процессов во времени и часто присутствует в экономических, метеорологических и других временных рядах. Она служит источником относительно кратковременных колебаний значений ряда и имеет конкретное объяснение (например, изменение спроса на зимнюю или летнюю одежду в преддверии соответствующего времени года, или на шампанское перед Новым годом - отсюда и название этой компоненты). Учет и анализ сезонных компонент требуется, в частности, для сравнения данных за аналогичные периоды времени (спрос на некоторые товары в декабре текущего года по сравнению с декабрем предыдущих лет, выпуск продукции в первом квартале по сравнению с первым кварталом предыдущего года, количество слушателей подкурсов на 8-месячных, 6-ти месячных, 4-х месячных сроках и т. д.).
Циклическая компонента занимает промежуточное положение между трендом и сезонной компонентой. Ее период по длительности соизмерим с общим интервалом наблюдений, с полной длиной временного ряда. Она описывает достаточно длительные процессы подъема и спада. Изучение свойств этой компоненты может быть полезным при прогнозировании.
Если найти характеристики всех компонент детерминированной составляющей и вычесть эту составляющую из ряда, то в соответствии с (3.1) в остатке мы получим «чисто» случайную составляющую, статистические характеристики которой позволят оценить достоверность прогноза.
При изучении временных рядов аналитики ставят перед собой следующие цели:
- краткое описание характерных особенностей ряда и подбор статистической модели, описывающей ряд;
- прогнозирование будущих значений по данным прошлых наблюдений;
- управление процессом, порождающим изучаемый временной ряд.
Для достижения этих целей рекомендуется такой порядок анализа:
графическое представление данных временного ряда;
выделение и исключение из исходного массива детерминированных составляющих: тренда, сезонной и циклической компонент;
исследование случайного «остатка» временного ряда, расчет его статистических характеристик (описательных статистик), подбор статистической модели (функции плотности распределения) и проверка ее состоятельности (адекватности);
построение прогноза и выработка стратегии управления.
1.1. Методы прогнозирования
Временные ряды позволяют анализировать прошлое и настоящее.
Прогнозирование - это способ заглянуть в будущее. Любая направленная деятельность предполагает построение прогноза параметров, определяющих эту деятельность. Существуют два пути прогнозирования.
Первый - построить модель поведения исследуемого параметра (например показателя затрат, спроса и т.д.), основанную на причинно-следственных связях, изучении законов его поведения.
Второй путь - статистическое прогнозирование, позволяет предсказать будущее поведение, анализируя полученную статистику поведения в прошлом. Статистическое прогнозирование - неотъемлемый атрибут экономической деятельности любого предприятия. Подобный прогноз может быть краткосрочным или среднесрочным. В первом случае прогноз базируется на данных за короткий период времени (например, месяц) и строится на один-два момента вперед. Такой прогноз обычно должен быть оперативным и непрерывным. Среднесрочный прогноз определяет поведение в отдаленном будущем, скажем, на год вперед. Он требует больше данных и специальных методов, отличных от методов краткосрочного прогноза.
1.2. Методы краткосрочного прогноза
Применяемые при краткосрочном прогнозе методы основываются на разных моделях поведения показателей (например, спроса). Наиболее часто используются модели:
-
устойчивого (постоянного) спроса; -
линейно изменяющегося спроса (возрастающего или убывающего); -
сезонного спроса; -
комбинации этих моделей.
1.3. Метод экспоненциального сглаживания
В модели устойчивого спроса методы прогноза основаны на скользящем среднем, где вычисляется средневзвешенное значение по результатам предыдущих измерений. Весь вопрос в том, какой временной интервал учитывать и какие веса приписывать данным. Один из простых и лучших методов - экспоненциальное сглаживание, описываемое соотношением:
Pt = α St + (1 – α )Pt-1 (3.3)
где St - фактический спрос в момент времени t, а Pt - его оценка, экстраполируемая на будущее. Формула показывает, что оценка является взвешенной суммой последнего полученного значения спроса и предыдущей оценки. Параметром метода, устанавливаемым эмпирически, является весовой коэффициент α. Чем меньше α, тем большее значение придается прошлым данным. Если же