Файл: Исследование цель исследования изучить направления дальнейшего развития.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 10.11.2023
Просмотров: 132
Скачиваний: 3
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
1.3 Методы прогнозирования торгового баланса
При изучении и прогнозировании рядов динамики важной задачей является определение основной тенденции развития, для определения которой используются различные приемы и методы.
Одним из приемов выявления тенденции является метод скользящей средней. Суть метода состоит в замене абсолютных данных средними арифметическими за отдельные периоды. Расчет средних ведется способом скольжения, то есть постепенным исключением из принятого периода скольжения первого уровня и включением следующего.
Интервал скольжения можно брать четный (четыре, шесть и т.д.). Нахождение скользящей средней по четному числу членов осложняется тем, что средняя может быть отнесена только к середине между двумя датами. Чтобы ликвидировать этот сдвиг, применяется центрирование, то есть нахождение средней из средних за два периода для отнесения полученного уровня к определенной дате. При центрировании также необходимо находить скользящие суммы.
Наиболее эффективным способом выявления основной тенденции развития является аналитическое выравнивание.
При этом уровни ряда динамики выражаются в виде функции времени
.При таком подходе изменение исследуемого показателя связывают лишь с течением времени; считается, что влияние других факторов несущественно или косвенно сказывается через фактор времени.
Правильно выбранная модель кривой роста должна соответствовать характеру изменения тенденции исследуемого явления. Кривая роста позволяет получить выровненные или теоретические значения уровней динамическогоряда. Это те уровни, которые наблюдались бы в случае полного совпадения динамики явления с кривой.
Прогнозирование на основе модели кривой роста базируется на экстраполяции, т.е. на продлении в будущее тенденции, наблюдавшейся в прошлом.
В настоящее время в литературе описано несколько десятков кривых роста, многие из которых широко применяются для выравнивания экономических временных рядов: линейная модель, полиномиальная модель второй, третьей степени, логарифмическая, экспоненциальная модели и др.
Существует несколько практических подходов, облегчающих процесс выбора формы кривой роста.
Наиболее простой путь — визуальный анализ, опирающийся на изучение графического изображения временного ряда. Подбирают такую кривую роста, форма которой соответствует фактическому развитию процесса
8.
Основная тенденция (тренд) показывает, как воздействуют систематические факторы на уровень ряда динамики, а колеблемость уровней около тренда служит мерой воздействия остаточных факторов.
Оценка качества модели сводится к оценке ее точности и адекватности.
Проверка адекватности выбранных моделей реальному процессу строится на анализе остаточной компоненты. Остаточная компонента получается после выделения из исследуемого ряда систематической составляющей (тренда и периодической составляющей, если она присутствует во временном ряду).
Теоретические значения за каждый период рассчитываются путем подстановки в полученную функцию последовательных значений t.
Принято считать, что модель адекватна описываемому процессу, если остаточная последовательность (ряд остатков) представляет собой случайную компоненту ряда.
Поэтому при оценке «качества» модели проверяют, удовлетворяет ли остаточная последовательность следующим свойствам:
1) случайности колебаний уровней ряда;
2) соответствию распределения остаточной компоненты нормальному закону с нулевым математическим ожиданием;
3) независимости значений уровней ряда остатков между собой.
При проверке первого свойства исследователю полезно провести графический анализ остаточной последовательности.
В современных эконометрических пакетах имеется набор графических средств, позволяющих судить о том, насколько распределение остатков согласуется с нормальным распределением.
Кроме графических средств, в современных пакетах прикладных программ представлены и статистические критерии, позволяющие проводить проверку гипотезы о нормальности распределения остатков, например, критерий Пирсона и др. Однако на практике использование этих средств зачастую затруднено из-за небольшой длины временных рядов экономических показателей (n < 50).
Важнейшими характеристиками качества модели, выбранной для прогнозирования, являются показатели ее точности. Они описывают величины случайных ошибок, полученных при использовании модели. Таким образом, чтобы судить о качестве выбранной модели, необходимо проанализировать систему показателей, характеризующих как адекватность модели, так и ее точность.
О точности прогноза можно судить по величине ошибки (погрешности) прогноза. Ошибка прогноза - величина, характеризующая расхождение между фактическим и прогнозным значением показателя.
Абсолютная ошибка прогноза определяется по формуле:
, (18)где
- прогнозное значение показателя,
- фактическое значение.Эта характеристика имеет ту же размерность, что и прогнозируемый показатель, и зависит от масштаба измерения уровней временного ряда.
На практике широко используется относительная ошибка прогноза, выраженная в процентах относительно фактического значения показателя:
. (19)При проведении сравнительной оценки моделей могут использоваться такие характеристики качества как дисперсия (S2) или среднеквадратическая ошибка (S):
; 
. (20)Чем меньше значения этих характеристик, тем выше точность модели. Всегда в оценке результатов и прогнозировании необходимо опираться на социально-экономическую интерпретацию исследуемого явления.
Прогнозирование и планирование экономики представляет собой сложный многоступенчатый и итеративный процесс, в ходе которого должен решаться обширный круг различных социально-экономических и научно-технических проблем, для чего необходимо использовать в сочетании самые разнообразные методы. В теории и практике плановой деятельности за прошедшие годы накоплен значительный набор различных методов разработки прогнозов и планов. По оценкам ученых, насчитывается свыше 150 различных методов прогнозирования; на практике же в качестве основных используется лишь 15—20. Развитие информатики и средств вычислительной техники создает возможность расширения круга используемых методов прогнозирования и планирования и их совершенствования.
По степени формализации методы экономического прогнозирования можно подразделить на интуитивные и формализованные.
Интуитивные методы базируются на интуитивно-логическом мышлении. Они используются в тех случаях, когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования или объект слишком прост и не требует проведения трудоемких расчетов. Такие методы целесообразно использовать и в других случаях в сочетании с формализованными методами для повышения точности прогнозов.
Среди интуитивных методов широкое распространение получили методы экспертных оценок. Они используются как в нашей стране, так и за рубежом для получения прогнозных оценок развития производства, научно-технического прогресса, эффективности использования ресурсов и т.п.
Применяются также методы исторических аналогий и прогнозирования по образцу. Здесь имеет место своеобразная экстраполяция. Техника прогнозирования состоит в анализе высокоразвитой системы (страны, региона, отрасли) одного и того же приближенного уровня, который теперь имеется в менее развитой аналогичной системе, и на основании истории развития изучаемого процесса в высокоразвитой системе строится прогноз для менее развитой системы. Практика свидетельствует, что такие аналогии можно использовать при определении путей развития новых отраслей и видов техники (производство ЭВМ, телевизоров и т.п.), структуры производства, потребления и т.д. Естественно, что полученный таким образом «образец» - лишь начальный пункт прогнозирования. К окончательному выводу можно прийти, лишь исследуя внутренние условия и закономерности развития. К формализованным методам относятся методы экстраполяции и методы моделирования. Они базируются на математической теории.
Среди методов экстраполяции широкое распространение получил метод подбора функций, основанный на методе наименьших квадратов (МНК). В современных условиях все большее значение стали придавать модификациям МНК: методу экспоненциального сглаживания с регулируемым трендом и методу адаптивного сглаживания.
Методы моделирования предполагают использование в процессе прогнозирования и планирования различного рода экономико-математических моделей, представляющих собой формализованное описание исследуемого экономического процесса (объекта) в виде математических зависимостей и отношений. Различают следующие модели: матричные, оптимального планирования, экономико-статистические (трендовые, факторные, эконометрические), имитационные, принятия решений. Для реализации экономико-математических моделей применяются экономико-математические методы. В практике прогнозирования и планирования широко используются также метод экономического (системного) анализа, нормативный и балансовый методы. Для разработки целевых комплексных программ используется программно-целевой метод (ПЦМ) в сочетании с другими методами. Следует отметить, что представленный перечень методов и их групп не является исчерпывающим.
2 АНАЛИЗ СОСТОЯНИЯ ВНЕШНЕЙ ТОРГОВЛИ РОССИИ НА СОВРЕМЕННОМ ЭТАПЕ
2.1 Анализ показателей внешней торговли России
Внешняя торговля страны – это деятельность государства, государственных и частных предприятий по поставкам в зарубежные страны отечественных товаров и услуг для продажи, а также деятельность по поставкам в страну зарубежных товаров и услуг для продажи на внутреннем рынке с целью получения прибыли.
Федеральная таможенная служба России представила по итогам внешней торговли за прошлый год. Результаты оказались предсказуемо высокими, что обусловлено низкой базой 2020 г. и значительным ростом цен на сырьё и материалы в 2021 г. Показатели внешней торговли России рассмотрены в таблице 1.
Таблица 1 – Показатели внешней торговли РФ
в млн. долл.
| Показатель | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 |
| Экспорт | 343542,8 | 285491 | 357083 | 450039 | 423242 | 336394 | 491580 |
| Импорт | 182718,7 | 182262 | 226966 | 238110 | 244142 | 231430 | 293420 |
| Внешнеторговый оборот | 526261,5 | 467753 | 584049 | 688149 | 667384 | 567824 | 785000 |
| Сальдо внешней торговли | 160824,1 | 103229 | 130117 | 211929 | 179100 | 104964 | 198160 |