|
тренда, циклическая и случайная составляющей остаются за рамками модели. Проблемы «белого шума» как таковые вообще не рассматриваются, либо в модели появляется составляющая, которая берет на себя все многообразие понятия «белый шум» и, как следствие, имеет чисто формальный характер. Особо следует остановиться на циклической составляющей, которая хорошо просматривается на рисунках динамики R-процессов регионов. В традиционной интерпретации циклическая составляющая описывает длительные периоды относительного подъема и спада. Подобное упрощение понятия, конечно же, позволяет описать процесс простейшей моделью, но она не будет иметь ничего общего с действительностью. В моделях, претендующих на описание экономических процессов, цикличность должна учитываться в самом тренде, составлять его формальную основу. В этом случае понятие цикличности наполняется иным содержанием, которое отражается в содержании модели, а не в форме, под которую подгоняется исходная информация для обработки некоторой элементарной моделью. Другой серьезной проблемой, связанной с моделированием экономических процессов является то, что априори предполагается стационарность процесса, что не всегда соответствует действительности. Процесс, описываемый циклической составляющей, у которой в свою очередь циклически изменяется фаза и амплитуда, не может по своей сути быть стационарным. Это направление достаточно хорошо известно, но применяется в большинстве случаев для анализа финансовых рынков, и пока практически не используется экономистами для прогнозирования развития экономических процессов. Общей проблемой перечисленных стандартных подходов к прогнозному моделированию является неявное сведение реального процесса к стационарному. Подтверждением этому может служить и то, что в основе наиболее часто используемых моделей лежит аддитивная составляющая в интерпретации временного ряда. Проведенные нами исследования показали, что использование модели мультипликативного вида позволит увеличить адекватность модели реальной экономической ситуации, что подтверждается проведенны136 |
щим описывать цикличность процессов. Особое положение в ряду таких моделей занимает семейство, основанное на применении рядов Фурье. Как ни парадоксально, использование этих моделей для анализа экономических процессов до сих пор не получило широкого распространения, хотя для аппроксимации коэффициентов ряда Фурье существует достаточно много хорошо разработанных численных методов. На наш взгляд, причина такого положения заключается в высокой степени консерватизма исследователей от экономики. Краткий обзор подходов к моделированию экономических процессов на основе анализа временных рядов позволяет заключить следующее. В большинстве исследований процесс моделирования сводится к нахождению аренда, циклическая и случайная составляющие остаются за рамками модели. Проблемы «белого шума» как таковые вообще не рассматриваются, либо в модели появляется составляющая, которая берет на себя все многообразие понятия «белый шум» и, как следствие, имеет чисто формальный характер. Особо следует остановиться на циклической составляющей, которая хорошо просматривается на рисунках динамики /?-процессов регионов в приложении 4. В традиционной интерпретации (по Н.Д. Кондратьеву) циклическая составляющая описывает длительные периоды относительного подъема и спада. Подобное упрощение понятия, конечно же, позволяет описать процесс простейшей моделью, но она не будет иметь ничего общего с действительностью. В моделях, претендующих на описание экономических процессов, цикличность должна учитываться в самом тренде, составлять его формальную основу. В этом случае понятие цикличности наполняется иным содержанием, которое отражается в содержании модели, а не в форме, под которую подгоняется исходная информация для обработки некоторой элементарной моделью. Другой серьезной проблемой, связанной с моделированием экономических процессов, является то, что априори предполагается стационарность процесса. Это глубокое заблуждение. Процесс, описываемый циклической составляющей, у которой в свою очередь циклически изменяется фаза и амплитуда, не может по своей сути быть стационарным. Это подтверждается результа тами многолетних исследований, проведенных автором и его аспирантами при анализе социально-экономического положения Кузбасса за последнее десятилетие, и нашло отражение в десятках публикаций. К сожалению, это направление достаточно хорошо известно, но применяется в большинстве случаев для анализа финансовых рынков, и пока практически не используется экономистами для прогнозирования развития экономических процессов. Общей проблемой перечисленных стандартных подходов к прогнозному моделированию является неявное сведение реального процесса к стационарному. Подтверждением этому может служить и то, что в основе наиболее часто используемых моделей лежит аддитивная составляющая в интерпретации временного ряда. Проведенные нами исследования показали, что использование модели мультипликативного вида позволит увеличить адекватность модели реальной экономической ситуации, что подтверждается проведенными экспериментами. Предлагается следующая, разработанная нами мультипликативная модель для прогноза развития экономических процессов: F(t) =aQ+а{ -П(со8(Ьш b 2N -0-sin(c1/v c 2N ■t)) (5Л) N Для проведения расчетов автором использовались процедуры нелинейного оценивания (метод Ньютона), входящие в широко известный программный пакет Statistica 5 .0 for Windows. В качестве исходной информации выступает среднее значение ускорения составляющих 7?-процесса региона по исследуемому периоду, рассчитываемых по методике, изложенной в параграфе 3.4 и приведенных к виду, определяемым табл. 5.1. Таблица 5.1 Исходные данные для построения прогноза развития экономического пространства региона 276 ^-процесс т, Т2 Тз ....... Тк Основные процессы и„ и ,2 U13 U,к Вспомогагел. процессы и2, и 22 и2з U2k Процессы ж/обеспечения Us, и32 U33 Usk Проц., прспят. развитию и4, и 42 U43 и4К |