ВВЕДЕНИЕ 4
1. ПРОБЛЕМЫ ОЦЕНКИ КАЧЕСТВА ПРОГНОЗИРОВАНИЯ
СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ ВРЕМЕННЫХ РЯДОВ.. 7
1.1. Адекватность моделей прогнозирования и подходы к её оцениванию 7
1.2. Критерии оценки качества прогнозирования временных рядов 8
1.3. Ошибки прогнозирования 12
2. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ПРОГНОЗИРОВАНИИ И
ОЦЕНИВАНИИ ОШИБОК МОДЕЛЕЙ ВРЕМЕННЫХ РЯДОВ 13
2.1. Базовые модели временных рядов 13
2.2. Сравнительный анализ моделей прогнозирования. Достоинства и
недостатки моделей 21
2.3. Информационные технологии и инструментарий оценивания
прогнозирования 25
2.4. Систематизация ошибок моделей прогнозирования и методов их
расчета 28
3. ОЦЕНКИ ОШИБОК ПРОГНОЗИРОВАНИЯ ПО МОДЕЛИ
ПРОГНОЗИРОВАНИЯ ЧИСЛЕННОСТЬ НЕТРУДОУСТРОЕННЫХ ГРАЖДАН 34
3.1. Разработка модели прогнозирования с применением информационных
технологий пакета MS EXCEL 34
3.2. Динамика и прогнозирование временного ряда численность
нетрудоустроенных граждан Алтайского края 37
3.3. Расчеты оценок ошибок прогнозирования 40
3.4. Анализ приведенных в литературе рекомендаций к выбору оценок
прогнозирования качества временных рядов 45
ЗАКЛЮЧЕНИЕ 47
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 48
На сегодняшний день полным ходом идет переход к рыночным отношениям в экономике и научно-технический прогресс чрезвычайно ускорили темпы внедрения во все сферы социально-экономической жизни общества последних научных разработок в области информационных технологий. Достижение Россией высоких результатов в экономике и завоевание места полноправного партнера в мировой экономической системе в значительной степени зависит от того, каковы будут масштабы использования современных информационных технологий во всех аспектах человеческой деятельности, а также от того, какую роль будут играть эти технологии в повышении эффективности экономических взаимоотношений.
Развитие прогностики как науки в последние десятилетия привело к созданию множества методов, процедур, приемов прогнозирования, неравноценных по своему значению. Согласно анализу иностранных и российских систематиков прогностики уже насчитывается более 100 способов прогнозирования, в связи, с чем перед специалистами возникает задача подбора способов, которые давали бы адекватные прогнозы для изучаемых процессов или систем. Строгие статистические теории о свойствах временных рядов ограничивают возможности классических способов прогнозирования.
С целью определения качества прогнозирования используются различные критерии: оценки ошибок прогнозирования, скорость расчета, интерпретируемость и другие. Анализ ошибки прогнозирования или точности прогноза считаются более значимыми при решении практических задач.
Как правило, в исследованиях применяют стандартные оценки ошибки прогнозирования, на основании которых формируется либо суждение о качестве предлагаемого механизма прогнозирования, либо осуществляется подбор оптимального механизма прогнозирования для нескольких объектов. При решении подобных проблем в первую очередь используются «традиционные» критерии, характерные рассматриваемой данной предметной областью, несмотря на существующие на их минусы.
В данной работе приведены результаты анализа существующих и достаточно распространенных оценок ошибок прогнозирования, используемых в исследованиях по прогнозированию. Для каждой оценки приводятся: формулы.
При исследовании временных рядов получить абсолютно точный прогноз почти невозможно, по этой причине значимой задачей считается оценка разных моделей прогнозирования с точки зрения определенных критериев качества. При этом надежность избранной модели прогнозирования оценивается периодическим сопоставлением фактических и прогнозируемых значений ряда.
Подобранная модель обязана соответствовать требованиям точности прогнозов, так как только в данном случае она может быть востребована. Критерии оценки точности прогнозирующей модели обязаны учитывать как разброс прогнозируемых сведений сравнительно с исходными значениями, так и разброс относительно тренда временного ряда.
Возможности информационных технологий применяются во многих отраслях науки, начиная от медицины и астрономии, завершая информатикой и экономикой. Между тем далеко не все потенциальные возможности методов прогнозирования изучены, но одними из их свойств являются возможности распознавания и классификации образов, работы с большими массивами данных, оценка прогноза, аппроксимация и выявление неочевидных зависимостей в данных временных рядов. На основе этого можно сделать вывод о существенном преимуществе их применения для анализа и прогнозирования динамик временных рядов.
Цель работы - провести сравнительный анализ оценок ошибок прогнозирования временных рядов с применением современных ИКТ и разработать рекомендации к выбору оценки качества прогнозирования на примере данных о численности нетрудоустроенных граждан Алтайского края.
Для достижения цели были поставлены и решены следующие задачи:
1. Осуществить обзор моделей и методов прогнозирования временных рядов, выявить достоинства и недостатки основных методов;
2. провести сравнительный анализ информационных технологий, используемых для прогнозирования временных рядов;
3. построение временного ряда численности нетрудоустроенных граждан Алтайского края, состоящих на учете в государственных учреждениях службы занятости с января 2008 по март 2017 года ;
4. провести расчет оценок ошибок прогнозирования для построения временного ряда нетрудоустроенных граждан;
5. проверить предложенные в литературе рекомендации по выбору оценок прогнозирования.
Объект исследования - временные ряды.
Предмет исследования - оценки ошибок прогнозирования.
Методы исследования: при решении поставленных задач в работе использованы методы математического моделирования, построения и анализа временных рядов, современные ИКТ.
В работе получены следующие основные результаты: проведена апробация предложенных в литературе методов оценивания ошибок прогнозирования, на примере временного ряда нетрудоустроенных граждан Алтайского края.
Для оценки качества прогнозирования используются различные критерии: оценки ошибок прогнозирования, скорость расчета, интерпретируемость и другие. Оценка ошибки прогнозирования или точности прогноза являются наиболее важными при решении практических задач.
В работе проведен анализ данных временного ряда численности нетрудоустроенных граждан, состоящих на учете в государственных учреждениях службы занятости с января 2008 по март 2017 года
Анализируя временный можно утверждать, что:
• имеется тенденция к уменьшению числа нетрудоустроенных граждан (линейный тренд с отрицательным углом наклона), обусловленная положительными изменениями социальной ситуации.
• имеются сезонные колебания с максимумом в зимние периоды и минимумом в летние периоды.
Так же в работе осуществлен расчет основных видов оценок прогнозирования:
• Абсолютные ошибки прогнозирования;
• Процентные ошибки прогнозирования;
• Симметрические ошибки прогнозирования;
• Ошибки, основанные на оценке прогноза базовых моделей;
• Масштабированные ошибки прогнозирования;
• Относительные оценки;
• Другие группы оценок.
На основании этих расчетов и проанализированной литературы получены рекомендации к выбору оценки качества прогнозирования по модели численности нетрудоустроенных граждан Алтайского края состоящих на учете в государственных учреждениях службы занятости.
1. Armstong J.S., Collopy F. Error measures for generalizing about forecasting methods: Empirical comparisons. - 1992. - №8 (1). - P. 69-80.
2. Hyndman R.J., Koehler A.B. Another look at measures of forecast accuracy // International Journal of Forecasting. - 2006. - № 22(4). - P. 679-688.
3. Theodosiou M. Forecasting monthly and quarterly time series using STL decomposition - 2011. - №27(4). - P. 1178-1195.
4. Mahmoud E. Accuracy in forecasting: A survey// Journal of Forecasting. - 1984. - № 3(2). - P. 139-159.
5. Амосов, О.С. Интеллектуальные информационные системы. Нейронные сети и нечеткие системы: Учебное пособие. - Комсомольск-на- Амуре: ГОУВПО «КнАГТУ», 2004. - 104 с.
6. Бассовский Л. Е. Прогнозирование и планирование в условиях рынка: Учебное пособие. - М.: ИНФРА, 2009. - 259 с.
7. Басовский Л. Е. Прогнозирование и планирование в условиях рынка. Учеб. пособие.- М. : ИНФРА-М, 2011
8. Белов А.А., Проскуряков А.Ю. Сглаживание временных рядов на основе вейвлет- преобразования в системах автоматизированного экологического мониторинга // Методы и устройства передачи и обработки информации. 2010. №12. С 21-24.
9. Белов А.А., Кропотов Ю.А., Проскуряков А.Ю. Автоматизированный анализ и обработка временных рядов данных о загрязняющих выбросах в системе экологического контроля // Информационные системы и технологии, 2010. - №6(62). - С. 28- 35.
10. Белов А.А., Проскуряков А.Ю. Вопросы обработки экспериментальных временных рядов в электронной системе автоматизированного контроля
11. Владимирова Л. П., Прогнозирование и планирование в условиях рынка: Учебное пособие. 2-е изд., перераб. и доп. - М.: Дашков и К, 2008. - 307 с.
12. Зайдель А.Н. Элементарные оценки ошибок измерений. - 2-е изд. испр. и доп. - Л.: «Наука», Ленинградское отд., 1967. - 88с.
13. Кацко, И.А. Практикум по анализу данных на компьютере. Под ред. Г.В.Гореловой. - М.: КолосС, 2009. - 278с.
14. Каллан Р., Основные концепции нейронных сетей: Учебное
пособие - М.: Вильямс, 2001. - 288 с.
15. Каллан Р., Основные концепции нейронных сетей: Учебное
пособие - М.: Вильямс, 2001. - 288 с.
16. Козьева А., Вертакова Ю. В., Бабич Т. Н. Прогнозирование и планирование в условиях рынка. Учеб. пособие для вузов. - М. : ИНФРА-М, 2012.
17. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи: Учебное пособие. - М.: 2002. - 94 с.
18. Короткий С.А., Нейронные сети Хопфилда: Учебное пособие. - М.: ЮНИТИ-ДАНА, 2005. - 315 с. 8. Роберт Каллан. Основные концепции нейронных сетей = The Essence of Neural Networks First Edition. - 1-е. - «Вильямс», 2001. - 288с.
19. Меламед М.А. Современные методы анализа и прогнози-рования режимов электропотребления в электроэнергетических системах // Итоги науки и техники. - Сер. Энергетические системы и их автоматизация. - 1988. - Т.4. - С. 4-11.
20. Тихонов Э.Е. Прогнозирование в условиях рынка. Невинномысск, 2006. 221 с.
21. Томпсон А.А., Дж. Стрикленд Ш. А. Стратегический менеджмент: Концепции и ситуации: Учебное пособие для вузов. - М.: ИНФРА-М, 2010. - 411 с.
22. Тренев Н. Н., Стратегическое управление: Учебное пособие. М
23. Саркисян С. А. Теория прогнозирования и принятия решений / С.А. Саркисян, В.И. Каспин, В.А. Лисичкин, Э.С. Минаев, Г.С. Пасечник. - М.: Высшая школа, 1977. - 351 с.
24. Щербаков М. В., Щербакова Н. Л., Козлов И. П., Камаев В. А. Коннективистские модели идентификации динамики систем на коротких интервалах наблюдения с заданным множеством классов поведения // Известия ЮФУ. Технические науки. - 2012. - №1. - С. 83-91.
25. Е.М. Четыркин. Статистические методы прогнозирования. - М.: Статистика, 1977. - 199 с.
26. В. Черняк. Модель экономики: выбор Украины. // Экономика Украины, 1995, №9.
27. А.А.Френкель. Прогнозирование производительности труда: методы и модели. - М.: Экономика, 1989. - 214 с.