|
хозяйствующего субъекта (хотя это в первую очередь зависит от уровней надежности используемых моделей). Поскольку при этом обычно нарушается принцип эмерджентности, который заключается в том, что все признаки системы взаимосвязаны, а их искусственное разделение нарушает целостность системы и вызывает рост погрешности прогноза. Из этого следует вывод, что необходимо в решении данной задачи применять методы многомерного прогнозирования коммерческо-предпринимательской деятельности. Одним из таких методов является метод многомерного прогнозирования цепями Маркова, который подробно описан в [104]. В этом случае считается, что эволюция объекта исследования представляет собой Марковский процесс. Марковский процесс случайный процесс, состояние которого после любого заданного момента времени to не зависит от его эволюции за предшествующий период, а зависит от состояния в момент времени to. Суть метода прогнозирования цепями Маркова заключается в том, что эволюция развития объекта за два последних периода ретроспективы переносится на перспективу. В период динамично развивающих экономических процессов использование в прогнозировании эволюции за продолжительный период времени, что используется в трендовых, регрессионных и других моделях вряд ли целесообразно. Для одного временного шага прогноз показателей коммерческо-предпринимательской деятельности осуществляется по формуле: X (t) = B -X (t0), (3.7) где t0 ~ начало периода прогноза (оно же является концом ретроспективного периода); X(tc) значения показателей, описывающих объект исследования, в начале периода прогноза; X (t) искомые прогнозные значения признаков через один временной шаг (в данном случае через один год); В матрица перехода признаков, описывающих исследуемый объект. Основной задачей в многомерном прогнозировании цепями Маркова является расчет матрицы перехода В. Используя методику, предложенную в [104], приведем расчеты матрицы поэлементно, предварительно состояния исследуемой 125 |
136 опыта практической разработки и исследования прогнозов в управлении. В этом смысле современная прогностика стоит на этапе перехода от трендовых исследований будущего, определяющих динамику развития объекта на основе тенденций прошлого, к системному, комплексному поиску и изучению проблемы перспективного развития и путей их решения. В рамках системного подхода и комплексного прогнозирования развития хозяйствующего субъекта как системы утрачивают свою актуальность такие методы прогнозирования, как построение трендов, регрессионных моделей, прогнозирование на основе темпов роста и т. д. Индивидуальный прогноз каждого показателя системы искажает общую тенденцию в прогнозе развития хозяйствующего субъекта, хотя это в первую очередь зависит от уровней надежности используемых моделей. Здесь нарушается принцип эмерджентности. Суть его заключается в том, что все признаки системы взаимосвязаны, а их искусственное разделение нарушает целостность системы и вызывает рост погрешности прогноза. Из этого следует вывод, что необходимо в решении данной задачи применять методы многомерного прогнозирования. Одним из таких методов является метод многомерного прогнозирования цепями Маркова, который подробно описан в [83]. В этом случае считается, что эволюция объекта исследования представляет собой Марковский процесс. Марковский процесс — случайный процесс, состояние которого после любого заданного момента времени to не зависит от его эволюции за предшествующий период, а зависит от состояния в момент времени to. Суть метода прогнозирования цепями Маркова заключается в том, что эволюция развития объекта за два последних периода ретроспективы переносится на перспективу. В период динамично развивающих экономических процессов использование в прогнозировании эволюции за продолжительный период времени, что используется в трендовых, регрессионных и других 137 моделях вряд ли целесообразно. Для одного временного шага прогноз показателей осуществляется по формуле: X{t)^B-X{to), (3.6) где to начало периода прогноза (оно же является концом ретроспективного периода); X(to) значения показателей, описывающих объект исследования, в начале периода прогноза; X(t) искомые прогнозные значения признаков через один временной шаг (в данном случае через один год); В матрица перехода признаков, описывающих исследуемый объект. Основной задачей в многомерном прогнозировании цепями Маркова является расчет матрицы перехода В. Используя методику, предложенную в [83], приведем расчеты матрицы поэлементно, предварительно состояния исследуемой торговой организации за последние два года сведем в таблицу. Таблица 3.1 Состояния ЗАО «Витязь» в 2000 2001 гг. и прогноз на 2002 г. Показатели Вьфучка, тыс. руб Чистая прибыль, тыс. руб Инвестиции в активную часть основных фондов, тыс. руб Годы 2000 11481 1041 1542 2001 14184 1322 1961 2002 17931 1724 2613 Однако здесь следует отметить, что для расчетов используются инвестиции лишь в активную часть основных фондов и оборотные средства, и исключены инвестиции в пассивную часть основных фондов. Этот подход |