Содержание к диссертации
Введение
Глава 1. Теоретические основы адаптивно-рационального моделирования
1.1. Неопределенность как источник проблем в прогнозировании социально-экономических процессов 11
1.2. Современный аппарат социально-экономического прогнозирования в условиях неопределенности 23
1.3. Генезис и основные принципы адаптивно-рационального моделирования будущего состояния социально-экономических объектов 51
Глава 2. Модельное обеспечение адаптивно-рационального прогнозирования
2.1. Адаптивные модели переходных процессов для прогнозирования одномерных временных рядов 68
2.2. Адаптивные модели переходных процессов для прогнозирования многомерных временных рядов 83
2.3. Адаптивно-рациональная модель прогнозирования одномерных процессов 104
2.4. Адаптивно-рациональная модель прогнозирования многомерных процессов 126
Глава 3. Прикладные аспекты адаптивно-рационального прогнозирования на региональном уровне
3.1. Общие положения разработки региональных прогнозов 143
3.2. Сценарные условия функционирования экономики Воронежской области в 2003-2005гг . 155
3.3. Применение адаптивно-рационального моделирования в прогнозных расчетах основных показателей социально-экономического развития Воронежской области на 2003-2005гг. 170
Заключение 190
Литература 192
Приложение
- Современный аппарат социально-экономического прогнозирования в условиях неопределенности
- Генезис и основные принципы адаптивно-рационального моделирования будущего состояния социально-экономических объектов
- Адаптивные модели переходных процессов для прогнозирования многомерных временных рядов
- Сценарные условия функционирования экономики Воронежской области в 2003-2005гг
Введение к работе
Актуальность темы исследования. Особое внимание к проблемам прогнозирования российская экономическая наука проявила после некоторого переосмысления новых условий хозяйствования. Пришло понимание того, что только прогноз как вероятностное представление о перспективах изучаемого объекта в будущем позволяет менеджерам разных уровней увидеть основные ориентиры происходящих перемен. Это дает им возможность принимать обоснованные решения, поскольку любое управленческое решение, в конечном счете, является своеобразной реакцией на прогнозное представление о будущем управляемого объекта. Кроме того, благодаря прогнозам менеджеры получают возможность своевременно оценить опасность рисков и угроз, а, следовательно, принять упреждающие меры для избежания «шока будущего».
В настоящее время круг задач прогнозирования существенно расширился как на макро-, так и микроуровне. На макроуровне прогноз стал средством определения основных характеристик, приоритетов и направлений государственной экономической и социальной политики. Более того, в современных условиях на государственном и региональном уровнях прогнозные разработки стали доминировать над плановыми. Об этом, в частности, свидетельствует Федеральный Закон «О государственном прогнозировании и программах социально-экономического развития Российской Федерации» от 20 июля 1995 года, в котором конституционно закрепляется необходимость в научной разработке прогнозов. Фактически, он ориентирует на усиление прогностической направленности всех аналитических документов, разрабатываемых властными структурами.
Логическим следствием усиления роли прогнозирования в решении задач современного управления явилось повышение требований к обоснованности и надежности прогнозных оценок. Применение традиционных методов прогнозирования не обеспечивает необходимого уровня надежности. Барьером для его достижения является неопределенность и отсутствие стабильно сти в социально-экономическом развитии России. В подобной ситуации адекватность в описании процессов достигается с помощью моделей, построение которых основано на адаптивных принципах. В отличие от традиционных, эти модели при отражении текущего состояния изучаемого объекта способны учитывать медленное, «в темпе дрейфа», изменение его динамических характеристик. Это превращает их в эффективный инструмент для прогнозирования и анализа процессов, характеризующих современную экономику.
Развитие адаптивного подхода происходит по трем направлениям. Первое из них ориентировано, главным образом, на структурные усложнения прогнозных моделей. Наряду с моделями в виде адаптивных полиномов были построены многофакторные адаптивные регрессии, которые стали использоваться в практике перспективного анализа. В последнее время появились работы, посвященные созданию квазиадаптивных моделей, представляющих собой комбинацию обычной регрессии с адаптивной многофакторной моделью.
Идея второго направления состоит в совершенствовании адаптивного механизма моделей прогнозирования. Сначала появились модели, в которых предусматривалась перманентная перенастройка параметра адаптации в зависимости от величины трекинг-сигнала. Дальнейшее совершенствование адаптивного механизма нашло отражение в появлении «переключателей» режимов его чувствительности к происходящим изменениям внешней среды. Особый интерес для прогнозирования представляют модели с настраиваемой структурой адаптивного механизма. В них не только настраиваются параметры адаптации, но и определяется в некотором смысле оптимальная структура адаптивного механизма, что значительно повышает прогностические возможности таких моделей.
В третьем направлении реализуется подход совместного применения адаптивных принципов и имитационного моделирования. Такая идея комбинирования, на наш взгляд, наиболее продуктивна, значительно расширяет круг задач перспективного анализа и, главное - открыта для дальнейшего своего развития. А развитие этого направления необходимо, поскольку про гнозирование социально-экономических процессов сталкивается не только с проблемой неопределенности.
Теоретическим фундаментом для построения методов адаптивного управления стали исследования ЯЗ. Цыпкина, Р. Калмана, В.Г. Сраговича, Дж. Са-ридиса, В.Н. Фомина, А.Л. Фрадкова, В.А. Якубовича, П.В. Куропаткина и других. Предназначенные в основном для решения технических задач эти методы не могли корректно применяться в социально-экономическом прогнозировании. Создание аппарата адаптивного моделирования социально-экономических процессов было начато Р. Брауном, Р.Майером, И.И. Перельманом и продолжено Н.С. Райбманом, В.М. Чадеевым, В.П. Бородюком, Э.К. Лецким, Ю.П. Лукашиным, Е.М. Левицким, П.А. Иващенко, А.С. Корхиным, И.Б. Гур-ковым, В.В. Давнисом, Г.Б. Шишкиным, В.В. Цыгановым и другими.
Модели, наделенные адаптивными свойствами, решают вопросы надежности лишь в краткосрочных прогнозах. В оценках же долгосрочной перспективы должна присутствовать информация о тех тенденциях, которые динамика моделируемых процессов еще не успела отразить, но проявление этих тенденций ожидается. Информация подобного рода, как правило, качественная, а ее носителем является человек, обладающий способностью генерировать свои рациональные ожидания относительно будущего.
Опыт свидетельствует, что субъективные ожидания достаточно тесно коррелируют с реальностью будущего. Поэтому требуемый уровень надежности можно обеспечить только с помощью тех адаптивных моделей, в которые инкорпорирована информация экспертного характера. Таким образом, основой развиваемого подхода должна стать идея инкорпорирования рациональных ожиданий в расчетные траектории адаптивно-имитационных моделей прогнозирования.
Однако аппарат, реализующий идею построения прогнозных моделей на основе комбинирования адаптивного принципов и рациональных ожиданий, до настоящего времени не разработан. Поэтому разработка модельного обеспечение такого подхода представляется актуальной научной задачей.
Цель и задачи исследования. Целью диссертационного исследования является совершенствование современного аппарата прогнозирования социально-экономических процессов путем разработки комбинированных моделей на основе интерференции адаптивного подхода, имитационного моделирования и рациональных ожиданий.
Цель исследования предопределила необходимость решения следующих основных задач:
? исследование роли прогнозирования социально-экономических процессов в современных условиях;
? изучение проблем моделирования прогнозных оценок будущего состояния экономических объектов в ситуациях нестабильного функционирования хозяйственного механизма России;
? анализ отечественных и зарубежных исследований, посвященных вопросам прогнозирования в условиях неопределенности;
? теоретическое обоснование адаптивно-рационального подхода к моделированию социально-экономических процессов;
? формулировка основополагающих идей построения адаптивно-рациональных моделей для решений различных задач прогнозирования;
? разработка адаптивных моделей переходных процессов для прогнозирования одномерных и многомерных временных рядов;
? построение вычислительных схем адаптивно-рациональных моделей и экспериментальная проверка их практической реализуемости;
? сравнительный анализ современных методов прогнозирования с целью определения степени их применимости на региональном уровне;
? создание и апробация методики проведения многоуровневых прогнозных расчетов показателей социально-экономического развития региона.
Объектом исследования являются социально-экономические процессы, протекающие как на микро-, так и макроуровне в современных условиях нестабильного функционирования экономики России.
Предметом исследования является модельное обеспечение прогнозирования социально-экономических процессов, основанное на комбинировании адаптивных принципов и рациональных ожиданий.
Теоретической и методологической основой исследования являются современные достижения экономической и математической науки (труды отечественных и зарубежных ученых по вопросам математического моделирования, прогнозирования социально-экономических процессов, экономической теории, адаптивного управления социально-экономическими объектами). Была использована статистическая информация, справочная и методическая литература, материалы периодической печати, а также нормативные и законодательные акты.
При выполнении диссертационной работы применялись эконометриче-ские методы адаптивного прогнозирования социально-экономических процессов, математическое моделирование, теория матриц, методы обработки экспертной информации, математический анализ, методы визуализации данных, современное программное обеспечение.
Эмпирическую базу исследования составили официальные данные, полученные от Воронежского областного комитета государственной статистики и Главного управления экономического развития Администрации Воронежской области.
Научная новизна исследования состоит в разработке прогнозных моделей на основе принципиально нового подхода, заключающегося в реализации идеи комбинирования с распределенным во времени доминированием адаптивных принципов и рациональных ожиданий и позволяющего повысить надежность прогнозных расчетов по коротким и нестабильным временным рядам за счет использования максимально возможного объема информации.
Научная новизна подтверждена следующими, наиболее существенными, выносимыми на защиту научными результатами, полученными автором в ходе диссертационного исследования:
? проведена классификация неопределенности в зависимости от факторов, ее порождающих;
? теоретически обоснован адаптивно-рациональный подход к моделированию социально-экономических процессов;
? сформулированы основные принципы построения комбинированных моделей прогнозирования социально-экономических процессов и определены составляющие таких моделей;
? разработаны адаптивные модели прогнозирования переходных одномерных и многомерных процессов социально-экономической динамики;
? построены вычислительные схемы адаптивно-рационального моделирования прогнозных оценок будущего состояния социально-экономических объектов и показаны преимущества подобного моделирования;
? создана методика проведения многоуровневых прогнозных расчетов основных показателей социально-экономического развития региона.
Апробация результатов работы. Основные результаты работы докладывались и обсуждались на: семинарах и научных сессиях в Воронежском государственном университете; 24-й международной школе-семинаре им. С.С. Шаталина «Предпринимательский потенциал российской экономики: актуальные проблемы, концепции, методы управления» (Воронеж, 2001); Третьем всероссийском симпозиуме «Стратегическое планирование и развитие предприятий» (Москва, 2002); XXV юбилейной международной школе-семинаре им. С.С. Шаталина (Королев, 2002); II Международной научно-практической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2002); Международной научно-практической конференции «Проблемы развития предприятий: теория и практика» (Самара, 2002); Международной школе молодых ученых «Методы кибернетики в технологиях, экономике и управлении производством» (Иваново, 2002); III Международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2003), а также на общероссийских и региональных конференциях.
Практическая значимость диссертации выражается в создании на основе разработанных адаптивно-рациональных моделей методики многоуровневого прогнозирования показателей социально-экономического развития региона, характеризующихся «короткой» и нестабильной динамикой. Эта методика была использована Главным управлением экономического развития Администрации Воронежской области при прогнозировании развития области на 2003г., что подтверждается актом о внедрении.
Отдельные результаты диссертационного исследования используются при подготовке экономистов и менеджеров на экономическом факультете Воронежского госуниверситета в курсах: «Прогнозирование экономических процессов» и «Эконометрика», о чем имеется акт о внедрении.
Публикации. По теме диссертационного исследования опубликовано 19 печатных работ, в которых автору в совокупности принадлежит 3,95 п.л. В совместных публикациях автору принадлежат результаты разработки и анализа адаптивно-рациональных моделей прогнозирования социально-экономических процессов.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы и приложений. Основной текст изложен на 188 страницах машинописного текста, содержит 22 таблицы, 8 рисунков.
В первой главе исследуются основные принципы адекватного отражения динамики социально-экономических процессов, протекающих в современных условиях, главной характеристикой которых является неопределенность. Вторая глава посвящена разработке адаптивных моделей переходных процессов, а также вычислительных схем адаптивно-рациональных прогнозных моделей.
В третьей главе рассматриваются возможности практического использования разработанного в диссертации подхода к моделированию прогнозных оценок основных показателей социально-экономического развития региона.
Современный аппарат социально-экономического прогнозирования в условиях неопределенности
Адаптивные модели временных рядов. Сложность и нестабильность, являются, как отмечалось в предыдущем параграфе, отличительными свойствами протекающих в России социально-экономических процессов, что порождает специфические условия, которые необходимо учитывать при разработке прогнозных моделей. Построение моделей в ситуациях, когда, фактически, отсутствует информация о закономерностях изменения динамики моделируемых процессов, должно основываться на правдоподобных предположениях о возможном характере этих изменений. Скорее всего, самой простой и достаточно естественной для моделирования социально-экономических процессов является гипотеза, в основе которой лежит предположение о том, что в моделях, отражающих эти сложные закономерности, с течением времени происходит сравнительно медленное изменение структурных коэффициентов. Наиболее подходящим инструментом для перемещения подобной идеи в практическую плоскость является метод экспоненциального сглаживания.
Широкое применение в задачах краткосрочного прогнозирования метод экспоненциального сглаживания получил после выхода работ Р. Винтерса [148], Р. Брауна и Р. Майера [109], Р. Брауна [108]. В этих работах было дано его обоснование для случая прогнозных моделей полиномиального типа. Чтобы понять взаимосвязь экспоненциального сглаживания с адаптацией, рассмотрим пример модели, представляющей собой полином нулевого порядка где xt- значение показателя, характеризующего уровень прогнозируемого процесса в момент времени t; at - изменяющийся во времени параметр, характеризующий средний уровень прогнозируемого процесса в момент времени t; st- случайные независимые отклонения фактических значений от текущего среднего, имеющие нулевое математическое ожидание и конечную дисперсию а . В соответствии с этой моделью расчетная величина прогнозного значе ния xt+l считается равной оценке параметра at, т.е. За оценку текущего значения параметра at принимается экспоненциальная средняя St, вычисляемая по рекуррентной формуле где St - значение экспоненциальной средней в момент /; а - параметр сглаживания, 0 а 1.
По сути, расчет прогнозной величины xt+1 задается рекуррентной формулой (1.3), в которой при определении текущей средней применяется процедура «старения» данных по экспоненциальному закону, позволяющая построить прогнозную траекторию с доминированием тенденции последнего периода. Причем, степень этого преобладания регулируется параметром а. Чем ближе а к 1, тем меньше прогнозная оценка отличается от последнего наблюдения.
Для социально-экономических процессов такая процедура хорошо согласуется с интуитивным представлением о характере взаимосвязи будущего их состояния с достигнутыми уровнями предшествующих периодов и, фактически, является адаптивным. Чтобы выяснить идеи, положенные в основу адаптивного механизма рассматриваемой модели, перепишем (1.3) в виде
Если ,_! рассматривать как величину прогнозного значения для момента t, то разность {xt -5, ) в выражении (1.4) представляет собой ошибку прогноза. Эта ошибка учитывается в качестве корректирующего слагаемого при расчете нового прогнозного значения xt+l = St. Становится очевидным, что в вычислительной схеме экспоненциального среднего используется принцип регулятора с обратной связью, что позволяет говорить об адаптивных свойствах модели (1.1).
Естественным развитием простейшей модели (1.1) можно считать полином первого порядка имеющие нулевое математическое ожидание и конечную дисперсию ст .
Структура модели (1.5) в отличие от полинома нулевой степени (1.1) способна адекватно отражать тенденцию линейного роста исследуемого процесса. Одновременно с изменением структуры модели, как правило, изменяется и ее адаптивный механизм. Причем, для одной и той же модели можно строить различные варианты адаптивных механизмов. Примером такой модели как раз и является адаптивный полином первой степени (1.5). Одним из вариантов ее адаптивного механизма был предложен Ч. Хольтом в [122], в котором предусматривается расчет оценок текущих коэффициентов модели по двум рекуррентным соотношениям в котором использован только один параметр адаптации /?, интерпретируемый как коэффициент дисконтирования, показывающий степень «обесценивания» наблюдений по истечению единичного периода времени. Вариант Брауна проще для программной реализации на ПК, так как объем расчетов существенно сокращается. Это получается в силу того, что механизм адаптации по такому варианту требует оптимальной настройки лишь одного параметра и, как отмечено в [49], практически не уступает в точности предсказания многопараметрическим моделям.
Однако слишком простая структура этой модели не гарантирует адекватного отражения всего многообразия закономерностей развития социально-экономических процессов. Гибкость ее адаптивного механизма не компенсирует полностью рассогласованность между моделью и реально протекающим процессом. Очевидно, что в тех случаях, когда в структуре модели не отражаются закономерности моделируемого процесса, имеющее место запаздывание в корректирующих воздействиях адаптивного механизма приводит только к локальному улучшению аппроксимационных свойств модели, что не гарантирует соответствующего повышения точности прогнозных расчетов. Эти недостатки, безусловно, сужают область возможного практического использования таких простейших моделей.
Основой обобщения моделей полиномиального типа является фундаментальная теорема экспоненциального сглаживания, доказанная Р. Брауном и Р. Май ером [109]. С ее помощью удается расширить класс адаптивных модеме
Генезис и основные принципы адаптивно-рационального моделирования будущего состояния социально-экономических объектов
Как известно, моделирование прогнозных оценок будущего состояния социально-экономических объектов является наиболее успешным только в тех случаях, когда модель в полной мере отражает как природу процесса управления, так и специфику деловой среды, т.е. речь идет, фактически, об адекватности используемой модели. Формально, адекватность оценивается по результатам постпрогнозных расчетов. Понятно, что прогнозная модель считается адекватной, когда постпрогнозные расчеты мало отличаются от фактически наблюдаемых значений. В силу этого адекватность - это та характеристика модели, на которую принято ориентировать все усилия при ее построении. Однако проблема заключается не только в поиске способов достижения адекватности, но и в том, чтобы наделить модель свойствами, обеспечивающими поддержание адекватности в течение требуемого времени при расчетах на достаточно большую глубину упреждающего периода. Полагаем, что решение этой проблемы следует искать в построении моделей, компилирующих на абстрактном уровне природу реальных процессов управления с учетом характеристик деловой среды.
Сама же природа управления находится в прямой зависимости от характеристик деловой среды. На наш взгляд, для выяснения предполагаемой природы достаточно рассмотреть только два полярных состояния среды: неопределенность и определенность. Неопределенность уже была рассмотрена в первом параграфе. Там же был сделан вывод о целесообразности использования идей адаптации как в реальных процессах управления, так и в их модельном представлении. Однако возникает закономерный вопрос о возможности использования только адаптивного подхода к построению систем управления.
Ответ находится в прямой зависимости от специфики объектов управления. Действующая естественным образом в биологии адаптация была воспроизведена в управлении техническими системами, но, на наш взгляд, в полном объеме не может использоваться в управлении экономическими объектами. Проблема носит принципиальный характер, поскольку в социально-экономических системах активным элементом является человек - существо мыслящее и в силу этого вряд ли желающее уступить право принятия решений автоматизированной системе, какой бы она ни была совершенной. Это, можно сказать, субъективный аспект этой проблемы, а есть и объективный.
Объективный аспект связан с двумя моментами. Прежде всего, заметим, что эволюционные изменения, являющиеся «вялотекущими», не всегда устраивают руководство организации. Период адаптации может превосходить время, необходимое для достижения целей управления, что приводит к невыполнению основных требований, предъявляемых к эффективным управленческим решениям, таким как своевременность и реальность. Сократить же этот период можно только рациональными действиям.
Второй момент связан с наличием богатой теории и практики использования рационального подхода к реальному управлению экономическими объектами в условиях определенности и риска. К настоящему моменту опубликовано большое количество различных работ, затрагивающих вопросы общего и функционального управления современными организациями [7, 17, 36, 99, 102]. В каждой из них в той либо иной мере затрагивается основной вопрос управления - разработка и принятие рациональных (экономически целесообразных) решений. И менеджеры всех уровней стремятся использовать для этого весь арсенал предлагаемых методов и моделей. Такой подход оправдан, однако существуют естественные границы его применения в виде относительности уровня знаний на конкретный момент времени. Даже решения, рационально обоснованные с позиций текущего момента, содержат в себе элементы неопределенности, связанные с их реализацией в будущем. Несмотря на привлекательность рационального подхода и приверженность к нему менеджеров-практиков, в его рамках невозможно справиться с всегда существующей неопределенностью будущего.
Данная ситуация, на наш взгляд, может быть рассмотрена с позиций принципа внешнего дополнения, впервые сформулированного С. Биром и сводящегося к тому, что «... любой язык управления в конечном счете недостаточен для выполнения поставленных перед ним задач, но этот недостаток может быть устранен благодаря включению «черного ящика» в цепь управления» [9, с. 109]. Абстрактно, назначение «черного ящика» С. Бир видит в том, чтобы формулировать решения на языке более высокого порядка, которые не могут быть выражены в терминах действующей системы управления. Причем указанные решения призваны устранять недостатки этой системы управления.
Практическое использование этого принципа приводит к разному пониманию сущности «черного ящика». Например, в [54] под ним понимаются некие резервы, с помощью которых компенсируются неучтенные воздействия внешней и внутренней среды. Мы полагаем, что «черный ящик» как дополнительный элемент системы управления имеет универсальное назначение, прежде всего, состоящее в том, чтобы сконцентрировать внимание руководства организации на условиях неопределенности, в которых оно вынуждено принимать решения. Как частный случай, «черный ящик», действительно, можно рассматривать как необходимость в создании неких резервов, но, в общем случае он обуславливает необходимость дополнения функционирующей системы специфическими механизмами, обладающими способностью повышать эффективность управления в условиях неопределенности.
Проблема «черного ящика» может решаться различными способами. Однако если инкорпорировать существующую систему управления механизмом, природа которого рациональна, например, исследовательской деятельностью, направленной на «просветление черного ящика» (снижение уровня неопределенности), то, несмотря на постоянное пополнение знаний за счет исследовательской деятельности, трудности в управлении, вызванные неопределенностью, нельзя полностью преодолеть. Этот вывод находится в полном соответствии с обсуждаемым принципом кибернетики, который применительно к системам управления экономическими объектами можно понимать как невозможность рационального решения проблем рационального управления.
Выход следует искать в инкорпорировании механизмов другой природы, к которым, в первую очередь, относятся адаптивные, обеспечивающие «мягкую» корректировку решений, принимаемых в рамках системы рационального управления. Поэтому комбинирование адаптивного и рационального подходов в управлении, особенно российскими предприятиями, в настоящее время является весьма актуальным. Более того, возвращаясь к субъективному аспекту этой проблемы, отметим, что человек, действуя рационально, не может отказаться от разумного использования принципов адаптации - тех принципов, с помощью которых удается эффективно управлять даже в условиях неопределенности. Системы управления реальными экономическими объектами, построенные на основе комбинирования двух подходов - адаптивного и рационального - мы называем адаптивно-рациональными [28, 29, 87,88].
Адаптивные модели переходных процессов для прогнозирования многомерных временных рядов
Несмотря на достаточно высокую универсальность рассмотренных в предыдущем пункте моделей, круг прогнозных задач, решаемых с их помощью, явно ограничен возможностью применения таких моделей только для прогнозирования одномерных временных рядов. В практике же принятия прогнозных решений, как правило, приходится иметь дело с многомерными временными рядами. Более того, стандартной является ситуация, когда число наблюдений столь мало, что идея построения эконометрических моделей многомерных временных рядов в виде систем одновременных уравнений или векторной авторегрессии теряет всякий смысл. Поэтому возникает необходимость построения моделей, основанных на несколько иных принципах, чем эконометрические.
Взамен предположений о характере динамики мы выдвигаем гипотезу о характере структурного взаимодействия экономических показателей, которое можно описывать косвенными темпами приростов, представляющими собой отношения приростов каждого из рассматриваемых показателей ко всем остальным. Основная идея этой гипотезы в том, что на протяжении достаточно длительного периода времени структура косвенных темпов приростов прогнозируемых показателей остается почти неизменной. Неизменность - это как раз то свойство структуры, которое переносится из настоящего в будущее. Методы, обеспечивающие такой перенос в различных условиях принятия решений, описаны ниже. В них реализован подход, в котором на основе матрицы косвенных темпов приростов всех прогнозируемых показателей строится матричный мультипликатор, используемый в прогнозных расчетах. Описание этих методов начнем с наиболее простой ситуации, когда матричный мультипликатор детерминирован.
Детерминированный матричный мультипликатор имеет смысл строить в тех ситуациях, когда возможность применения статистических методов моделирования полностью исключена, когда, например, в распоряжении исследователя всего два наблюдения. Чтобы перейти к формальному описанию модели с таким мультипликатором, введем обозначения: хй - величина / -го показателя в момент времени t; xt_u - величина і -го показателя в момент времени t — 1; Axti- величина изменения (прироста) / -го показателя.
Далее, естественно предположить, что любое изменение произвольного і -го показателя зависит от величины остальных показателей. Это может быть функциональная или регрессионная зависимость Axti = F(x;1, xt2,..., xtn ). Будем рассматривать случай, когда малый объем ретроспективных данных не позволяет реализовать известные методы идентификации этой зависимости. Единственно доступной альтернативой идентификации в подобной ситуации является подход, основанный на значительном упрощении этой зависимости. В качестве такой упрощенной формы удобно использовать линейное представление приростов. Сразу заметим, что модель, построенная по двум наблюдениям, не может претендовать на применение для расчетов, распространяемых за рамки, очерченные краткосрочными прогнозами. Поэтому при рассмотрении краткосрочных периодов такое упрощение не приводит к значительному росту ошибки прогнозирования даже в том случае, когда истинная зависимость явно нелинейная.
Модель этой простейшей (линейной) зависимости будем строить в предположении, что прирост любого из показателей формируется под воздействием всех остальных, являясь как бы суммарной величиной, причем каждый показатель в отдельности оказывает незначительное влияние, и среди них нет доминирующих. Для реализации этого предположения введем в рассмотрение характеристику, устанавливающую степень влияния j -го показателя на изменения, происходящие в /-ом. В качестве такой характеристики, как отмечалось выше, удобно использовать косвенный темп прироста
Если условиться, что на формирование прироста все показатели оказывают равномерное воздействие, то, разделив v. на (п-1), мы получим ту долю в приросте і -го показателя, которая сформирована под воздействием j -го. Использование введенной меры степени влияния 7-го показателя на г-ый, Обратную матрицу (I —V)" будем называть матричным мультипликатором. Этот мультипликатор определяет переход из состояния, описываемого вектором значений предшествующего момента времени, в состояние, пред ставленное вектором значений текущего момента времени. Внедиагональные элементы обратной матрицы интерпретируются как косвенные темпы роста равномерно распределенных частей прогнозируемых показателей, а диагональные - как прямые темпы роста оставшейся части.
В предположении, что матричный мультипликатор перспективного периода почти не отличается от матричного мультипликатора текущего периода, выражение (2.36) позволяет рассчитывать прогнозные оценки. Основное преимущество данного подхода заключается в том, что с его помощью можно проводить расчеты для многомерных рядов динамики даже в том случае, когда исследователь располагает наблюдениями лишь за два периода. Правда, статистическая надежность таких прогнозных расчетов, в силу информационной ограниченности, не проверяется и, в основном, опирается на то обстоятельство, что даже при изменении характера динамики прогнозируемых процессов, структура самого мультипликатора, как правило, изменяется незначительно. Как показывает практика прогнозных расчетов, применение этой модели предпочтительней обычных расчетов с использованием темпов роста, в которых совсем не учитывается взаимодействие между моделируемыми показателями.
Рассмотренная модель является базовой, и ее прикладные возможности весьма ограничены. Главным образом, она предназначена для того, чтобы продемонстрировать принципы построения матричного мультипликатора, которые далее будут использоваться для разработки более сложных модификаций модели. Проиллюстрируем эти принципы условным числовым примером, исходные данные для которого представлены в табл. 2.6.
Сценарные условия функционирования экономики Воронежской области в 2003-2005гг
Термин «сценарий» впервые был употреблен в 1960г. футурологом X. Каном при разработке картин будущего, необходимых для решения стратегических вопросов в военной области. В прогностике сценарием принято называть описание (картину) будущего, составленное с учетом правдоподобных предположений.
В настоящее время в связи с совершенствованием методики поискового прогнозирования и развитием в ее рамках новаторского прогнозирования разработка сценариев, как уже отмечалось в предыдущем параграфе, стала обязательным этапом прогнозных расчетов на региональном уровне. Хотя формирование различных вариантов сценариев предусматривалось и в традиционном поисковом прогнозе, однако их суть в новаторском подходе значительно изменилась. В них стали отражаться степень и характер влияния управляющих органов на параметры развития региона.
Процедура составления сценариев многоэтапна и предусматривает: 1) структурирование и формулировка целей. На данном этапе оценивается текущее состояние экономики региона и выделяются наиболее важные ориентиры ее развития. 2) определение и группировка проблемных точек роста. Здесь необходимо определить возможности отраслей и отдельных крупных предприятий и организаций региона, способных в перспективном периоде оказать заметное влияние на развитие региона. 3) установление ограничений и факторов развития экономики региона. С помощью них описывается будущее состояние окружающей среды региональных социально-экономических объектов и дается оценка их ресурсного потенциала. 4) описание событий алармического характера. Наступление таких событий маловероятно, но при разработке сценариев их необходимо учитывать, чтобы предусмотреть возможность минимизации их разрушительных последствий. 5) формирование согласованных наборов предположения. На данном этапе, как правило, при помощи компьютерных программ различные альтер нативные предположения о будущем состоянии наиболее важных компонентов среды комбинируются в согласованные наборы предположений.
Поэтапная разработка сценариев осуществляется последовательно: сначала на общероссийском уровне, а потом - на региональном. Разработка сценарных условий и на верхнем, и на нижнем уровнях осуществляется, как правило, в двух вариантах: основном или целевом и пессимистическом. В последние годы стало использоваться деление на основной (1 вариант) и оптимистический (2 вариант) сценарии.
Сценарные условия функционирования экономики России разрабатываются на основе анализа социально-экономического развития страны за предшествующий период, Основных направлений социально-экономической политики Правительства Российской Федерации на долгосрочную перспективу, Программ социально-экономического развития Российской Федерации на среднесрочную перспективу и обобщения прогнозов социально-экономического развития на среднесрочную перспективу.
При формировании сценария функционирования российской экономики в 2003г. и на период до 2005г. доминирующую роль начинает играть тенденция исчерпания действия факторов посткризисного роста, связанных прежде всего с ликвидацией ряда накопившихся в докризисный период диспропорций и способствующих ускоренному посткризисному (после 1998г.) восстановлению экономики. Отличительной положительной чертой современной экономической ситуации является то, что российская экономика развивается в условиях замещения внешнеэкономических источников роста внутренними. Логично предположить, что в сложившихся условиях рост экономики в 2003-2005гг. может быть получен только за счет принципиальных изменений в структуре инвестиций в пользу отраслей экономики, ориентированных на внутренний рынок, и за счет фактора роста производительности труда.
Одновременно усиливается воздействие ряда негативных тенденций. В условиях сильной зависимости отечественной экономики от внешних изменений неблагоприятное воздействие на ее развитие оказывает рецессия в ведущих странах мировой экономики (особенно после событий 11 сентября 2002г.) и ухудшение внешнеэкономической конъюнктуры. Прежде всего это касается цен на нефть и нефтепродукты, металлы и некоторые другие товары. Существенный отрицательный эффект дает увеличение издержек предприятий реального сектора экономики, обусловленное опережающей по сравнению с инфляцией динамикой цен и тарифов на продукцию и услуги естественных монополий, а также ростом реальной заработной платы, превышающим по своим темпам рост производительности труда.
Кроме того, современный этап развития экономики характеризуется циклическим замедлением, объясняющимся корректировкой и реструктуризацией производственных программ предприятия, что связано с их выходом на принципиально новые сегменты рынка и освоением ранее неизвестных компонентов спроса.
Негативную роль в настоящее время играет продолжающееся реальное укрепление рубля относительно иностранной валюты. Так, благодаря этому наблюдаемый рост доходов в долларовом выражении способствует ускорению динамики импорта в целом и, прежде всего, импорта продукции перерабатывающей промышленности.
Анализ указанных выше позитивных и негативных тенденций социально-экономического развития российской экономики, сложившихся в 2001 2002гг., позволяет определить наиболее важные ориентиры для разработки сценарных условий на последующие периоды, В первую очередь это: снижение темпов роста экономики; рост издержек производства и ухудшение финансового состояния предприятий; увеличение объемов импорта, ухудшение его структуры, вытеснение отечественного производителя на внутреннем рынке; замедление роста инвестиционной активности; повышение социальной и дотационной нагрузки на бюджеты всех уровней.
