Экстраполяционное прогнозирование.

Существует две основные формы детерминации при экстраполяционном прогнозировании: внутренняя и внешняя. Внутренняя детерминация, или самодетерминация, более устойчива, ее проще идентифицировать с использованием экономико-математических моделей. Внешняя детерминация определяется большим числом факторов, поэтому учесть их все практически невозможно. Примерами методов могут служить: для внутренней детерминации - трендовые модели кривых роста, для внешней детерминации - адаптивные модели. Немного информации о каждой из них.

Кривые роста – это математические функции, предназначенные для выравнивания временного ряда. Использование метода экстраполяции на основе кривых роста для прогнозирования базируется на двух предположениях:

- временной ряд экономического показателя действительно имеет тренд, т.е. преобладающую тенденцию;

- общие условия, определявшие развитие показателя в прошлом, останутся без существенных изменений в течение периода упреждения.

В настоящее время насчитывается большое количество типов кривых роста для экономических процессов. Чтобы правильно подобрать наилучшую кривую роста для моделирования и прогнозирования экономического явления, необходимо знать особенности каждого вида кривых. Наиболее часто в экономике используются полиномиальные, экспоненциальные и S- образные кривые роста.

Адаптивные модели прогнозирования – это модели дисконтирования данных, способные быстро приспосабливать свою структуру и параметры к изменению условий. При оценке параметров адаптивных моделей в отличие от моделей “кривых роста” наблюдениям (уровням ряда) присваиваются различные веса в зависимости от того, насколько сильным признается их влияние на текущий уровень. Это позволяет учитывать изменения в тенденции, а также любые колебания, в которых прослеживается закономерность.