работу -

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
На правах рукописи
УДК 53.338.984
Щирякова
Виктория Сергеевна
Применение информационных технологий для прогнозирования социально-экономических показателей
Выпускная работа по
«Основам информационных технологий»
Магистранта кафедры менеджмента
Специальность: 08.00.05 – экономика и
управление народным хозяйством
Научные руководители:
доктор экономических наук Карпенко Е.М.,
старший преподаватель Кожич П.П.
Минск, 2012
ОГЛАВЛЕНИЕ
Оглавление ................................................................................................................... 2
Перечень условных обозначений............................................................................... 3
Введение ....................................................................................................................... 4
Глава 1 ОБЗОР ЛИТЕРАТУРЫ ................................................................................. 6
Глава 2 МЕТОДИКА ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ С ПОМОЩЬЮ
ПАКЕТА MS EXCEL .................................................................................................. 8
2.1 Основные положения прогнозирования данных ............................................ 8
2.2 Прогнозирование с использованием метода скользящего среднего ......... 11
2.3 Прогнозы с использованием регрессии ......................................................... 11
2.4 Прогнозирование с использованием метода экспоненциального
сглаживания ............................................................................................................ 13
Глава 3 ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИНФОРМАТИЗАЦИИ
ПРОГНОЗИРОВАНИЯ И АНАЛИЗА ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ . 15
Глава 4 ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ
ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ ......................... 19
Заключение ................................................................................................................. 26
Библиографический список ...................................................................................... 27
Приложения................................................................................................................ 28
Приложение А ............................................................................................................ 28
Предметный указатель к реферату .......................................................................... 28
Приложение Б ............................................................................................................ 29
Интернет-ресурсы в предметной области исследования ...................................... 29
Приложение В ............................................................................................................ 32
Действующий в WWW личный сайт (гиперссылка) и printScreen главной
страницы ..................................................................................................................... 32
Приложение Г ............................................................................................................ 33
Граф научных интересов .......................................................................................... 33
Приложение Д ............................................................................................................ 35
XML-формат тестовых вопросов по Основам информационных технологий ... 35
Приложение E ............................................................................................................ 36
Презентация магистерской диссертации ................................................................ 36
2
ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ
ИТ – информационные технологии
КРА – корреляционно-регрессионный анализ
СИТО - система интегрированной табличной обработки
ЭВМ – электронно-вычислительная машина
ЭМ – эконометрическое моделирование
3
ВВЕДЕНИЕ
Эффективное управление любым объектом хозяйствования невозможно
без прогноза, предвидения развития экономической ситуации. Использование
прогнозирования существенным образом оптимизирует процессы управленческого планирования и контроля, повышает их эффективность, позволяет повысить качество принимаемых решений.
Для субъектов рынка является необходимым использование обоснованных и взвешенных подходов при принятии как стратегических, так и тактических решений на основе широкого использования экономических методов.
Основной задачей, решаемой при проведении любого статистического
исследования, является определение объективных закономерностей развития
социально-экономических явлений и процессов на основе анализа информации
во времени.
Прогнозирование показателей развития финансово-хозяйственной деятельности для субъектов экономики является необходимым и важным элементом управления. Прогнозные показатели отражают количественные и качественные изменения показателей деятельности и их динамику. Наиболее распространена практика прогноза объемов производства, финансовых результатов, а также тенденции возможного изменения спроса, предложения, структуры
доходов и расходов населения, производительности труда, индекса инфляции и
других натуральных и стоимостных показателей.
Прогнозные показатели рассматриваются как альтернативные варианты
развития явления в будущем, возможных при определенных условиях. Они
позволяют субъектам хозяйствования планировать свою будущую хозяйственную деятельности, иметь качественное представление возможной перспективы,
своевременно выявить и предотвратить финансовые и хозяйственные риски и
угрозы. Прогнозируя и определяя тенденцию развития факторов, можно судить
о росте либо спаде анализируемых экономических показателей, и тем самым
определить основные направления и целесообразность реализации управленческих решений.
Основная цель данной выпускной работы продемонстрировать эффективность использования ИТ для прогнозирования экономических показателей и
принятия управленческих решений, направленных на повышение эффективности изучаемого явления, на основе проведенного статистического анализа и
использования приемов статистического метода управления.
Достижение основной цели будет способствовать выполнение следующих задач:
4
1. Описание методики прогнозирования показателей с помощью пакета
MS Excel – основного программного продукта специалистов экономических
служб.
2. Проведение прогноза значения экономических показателей деятельности субъектов хозяйствования и наиболее значимых факторов, влияющих на
них, и принятие управленческого решение на основании этого.
Таким образом, объектом нашего исследования являются экономические
показатели эффективности производства продукции субъектами хозяйствования, а предметом – использование ИТ в их анализе.
В ходе написания данной работы были использованы монографии, материалы журналов по эконометрическому анализу и интернет-ресурсы.
5
ГЛАВА 1
ОБЗОР ЛИТЕРАТУРЫ
Одним из обязательных этапов любого научного исследования является
статистический анализ данных. С появлением и совершенствованием современных программ обработки данных статистическая обработка поднялась на
новый уровень.
Из всей массы учебной и научной литературы в области информационных технологий статистического анализа данных следует выделить первый
отечественный компьютерный практикум по эконометрике «Эконометрическое
моделирование» (Ю. С. Харин, В. И. Малюгин, А. Ю. Харин), в котором приводится описание обширного архива экономико-статистических данных для компьютерных расчетов.
Самой часто упоминаемой (и используемой) в отечественных статьях является приложение MS Excel из пакета офисных программ компании Microsoft
Office.
Задачи математического моделирования экономических процессов на базе компьютерных технологий подготовки и принятия решений. Экономикоматематические методы и модели рассмотрены в книге «Компьютерное моделирование» (Половников В. А., Орлова И. В.). В качестве инструментального
средства моделирования используется стандартная офисная программа Excel.
Изложены основные математические понятия и методы, используемые в экономике: матричная алгебра, методы оптимизации и решение оптимизационных
задач, основы корреляционно-регрессионного анализа, математическое моделирование и анализ экономических процессов, представленных временными
рядами. Для специалистов в области прикладной математики и информатики,
экономики, финансов и менеджмента, занимающихся разработкой и использованием компьютерных систем управления и принятия решений, а также для аспирантов, магистрантов и студентов, специализирующихся в указанных
направлениях ориентирована монография Харина Ю. С. «Оптимальность и робастность в статистическом прогнозировании». Монография посвящена задачам робастного (устойчивого к искажениям модельных предположений) статистического прогнозирования. Методом асимптотических разложений риска построены оценки робастности классических прогнозирующих статистик. Описываются алгоритмы робастного прогнозирования одномерных и многомерных
временных рядов, приводятся результаты компьютерных экспериментов на модельных и реальных данных.
6
Монография Александрова В. В., Горский Н. Д. «Алгоритмы и программы структурного метода обработки данных» представляет собой систематизированное изложение современных машинных методов анализа экспериментальных данных. Книга отличается большой степенью подробности, необходимой при практическом использовании, описаны конкретные системы взаимосвязанных программ, для использования которой не требуется знания языков
программирования (система SITO). Рассматриваются алгоритмы корреляционного, факторного анализа, метода главных компонент, алгоритмы автоматической классификации и распознавания образов.
Среди литературы о профессиональных программах статической обработки данных стоит выделить монографию «Анализ данных на ЭВМ (на примере системы СИТО)» (Александров В. В., Алексеев А. И., Горский Н. Д.), в
которой обобщается опыт разработки и эксплуатации систем анализа данных,
взаимодействия с широким кругом пользователей системы СИТО (Система Интегрированной Табличной обработки). Методология анализа данных излагается
на основе решения конкретных задач с помощью системы СИТО, разработанной авторами и эксплуатируемой на ЭВМ различных типов.
Эксперты также обращают внимание практиков на книгу Боровикова В.
«Statistica. Искусство анализа данных на компьютере. Для профессионалов».
В настоящее время в Интернете доступны многие ресурсы, посвященные
статистической обработке данных. Один из них – это статистический портал,
созданный при содействии В. П. Боровикова, автора книг по программному пакету STATISTICA – http://www.statsoft.ru/home/portal. Российское представительство StatSoft Inc. предлагает на своем сайте бесплатный электронный учебник по статистике, который призван помочь разобраться с основными понятиями статистики и более полно представить диапазон применения статистических
методов http://www.statsoft.ru/home/download/textbook/default.htm.
7
ГЛАВА 2
МЕТОДИКА ПРОГНОЗИРОВАНИЯ ПОКАЗАТЕЛЕЙ С ПОМОЩЬЮ ПАКЕТА MS EXCEL
2.1 Основные положения прогнозирования данных
Любая попытка предвидеть будущее без исследования динамических
рядов прошлого является малообоснованной и ошибочной. Поэтому для получения точных и надежных показателей прогноза, необходимо подробно
изучить настоящее состояние явления или процесса.
Статистическое прогнозирование, наряду с другими видами прогнозирования социально-экономических явлений и процессов, является инструментом социально-экономического управления и развития.
Прогнозирование – это научное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятностных путей развития явлений и процессов [5].
Прогнозирование предопределяет оценку показателей и дает характеристику явлений и процессов в будущем.
В зависимости от степени конкретности и характера воздействия на
ход исследуемых процессов и явлений можно выделить три основные понятия
прогнозирования: гипотеза, предсказание, прогноз.
Данные понятия тесно взаимосвязаны в своих проявлениях друг с другом
и с исследуемым объектом и представляют собой последовательные ступени познания поведения явления и объекта в будущем.
Прогноз – это количественное, вероятностное утверждение в будущем
о состоянии объекта или явления с относительно высокой степенью достоверности, на основе анализа тенденций и закономерностей прошлого и настоящего.
Прогнозы подразделяют в зависимости от целей, задач, объектов,
времени упреждения, источников информации и так далее.
По сложности прогнозы различают:

сверхпростые – прогноз на основе одномерных временных рядов,
когда отсутствуют связи между признаками;

простые – прогнозы, предполагающие учет оценки связей между
факторными признаками;

сложные – прогнозы, оценка связей между признаками в которых определяется на основе системы уравнений или многофакторного динамического прогнозирования.
8
По времени упреждения выделяются следующие прогнозы социальноэкономических явлений и процессов:

текущие – до 1 года;

краткосрочные – 1 – 3 года;

среднесрочные – 3 – 5 лет;

долгосрочные – 5 – 10 лет;

дальнесрочные – 10 и более лет.
Одним из наиболее распространенных методов прогнозирования социально-экономических явлений и процессов является экстраполяция, то есть
продление тенденции и закономерностей, связей и соотношений прошлого и
настоящего на будущее.
Основой прогнозирования является анализ данных временных рядов.
Модели, построенные на основе временных рядов показателей, позволяют применять математико-статистические методы для описания закономерностей развития объектов экономики как в прошлом, так и в будущем. Используемые для целей и задач прогнозирования временные ряды экономических показателей обладают целым рядом особенностей.
Временной ряд – набор чисел, представляющих собой числовое выражение результатов наблюдений, проводимых на протяжении длительного периода
времени. Числа, составляющие ряд, называются элементами ряда. Промежуток
времени между наблюдениями – шагом квантования по времени или шагом по
времени.
Помимо терминов «временной ряд» и «элементы ряда» в литературе
можно встретить термины базовая линия прогноза и элементы базовой линии
прогноза, или ряд динамики и уровни ряда динамики соответственно.
Элементы ряда нумеруются в соответствии с номером наблюдения или
момента времени, к которому этот элемент относится:
y1, y2,, … , yN или yN(t)
Прогноз – это количественное вероятностное утверждение о состоянии
объекта в будущем на основе анализа тенденций и закономерностей прошлого
и настоящего.
Тенденция – это основное направление, закономерность в развитии явления или объекта. Для выявления тенденции очень удобно использовать графический метод. Даже визуальный анализ графика временного ряда позволяет
сделать некоторые выводы:

о характере развития явления;

о присутствии сезонных или циклических компонент;

о степени плавности или прерывистости изменений значений ряда.
9
Тенденция может быть описана с помощью тренда. Тренд – это аналитическая функция, которая описывает тенденцию изменения явления и связывает
единым законом развития все последующие уровни ряда динамики.
Задача прогнозирования формально сводится к получению прогнозных
значений базовой линии на некотором периоде будущего, т.е. к получению значений yП(t), для t=N+1, N+2, …
MS Excel предлагает три основных подхода получения прогнозных оценок:

применение метода скользящего среднего;

использование регрессии или аналитического выравнивания в виде
линии тренда;

применение метода экспоненциального сглаживания.
Прогнозные оценки с помощью методов экстраполяции рассчитываются
в несколько этапов: проверка базовой линии прогноза; выявление закономерностей прошлого развития явления; оценка степени достоверности выявленной
закономерности развития явления в прошлом (подбор трендовой функции);
экстраполяция (перенос) выявленных закономерностей на некоторый период
будущего; корректировка полученного прогноза с учетом результатов содержательного анализа текущего состояния.
Проверка базовой линии прогноза. Для получения объективного прогноза
развития изучаемого явления данные базовой линии должны соответствовать
следующим требованиям:
Шаг по времени для всей базовой линии должен быть одинаков.
Наблюдения фиксируются в один и тот же момент каждого временного
отрезка.
Базовая линия должна быть полной, т.е. пропуск данных не допускается.
Если в наблюдениях отсутствуют результаты за незначительный отрезок времени, необходимо их хотя бы восполнить приблизительными данными. Для
этих целей используют среднее значение соседних данных.
Корректировка полученного прогноза выполняется для уточнения полученных долгосрочных прогнозов с учетом влияния сезонности или скачкообразности развития изучаемого явления. Для получения долгосрочных прогнозов
используются функции регрессии, а краткосрочные прогнозы лучше всего получать с помощью скользящего среднего или экспоненциального сглаживания.
10
2.2 Прогнозирование с использованием метода скользящего
среднего
Метод скользящего среднего основан на вычислении прогнозного значения любого периода в виде среднего значения анализируемого показателя за
некоторое число его предшествующих наблюдений.
Для автоматизации использования скользящего среднего используют
надстройку Анализ данных (Data Analysis). Она используется довольно редко.
Чтобы установить эту надстройку необходимо установить флажок Пакет анализа (Analysis ToolPak) в окне Надстройки, которое активизируется с помощью
команды Сервис – Надстройки.
Использование надстройки Анализ данных (Data Analysis) позволяет
строить совмещенный график исходных данных и прогнозных значений и получать значения стандартной ошибки для прогнозных значений. Для активизации этих функций необходимо установить флажки Вывод графика (Chart Output)
и Стандартные ошибки (Standart Errors) соответственно. Построение графика
очень удобно использовать как для выявления тенденции развития изучаемого
явления, так и для сравнения нескольких вариантов расчета показателя скользящего среднего.
Достоинства метода скользящего среднего:

метод несложен и быстр в применении;

позволяет выявить тенденцию в базовой линии прогноза;

дает достаточно точный краткосрочный прогноз на ближайший период времени.

Недостатки метода скользящего среднего:

простое скользящее среднее не является точным способом выявления общих тенденций временного ряда;

анализ на основе скользящего среднего не дает прогноза, выходящего за пределы, в которых данные уже известны, т.е. может быть использован
только для получения краткосрочных прогнозов.
2.3 Прогнозы с использованием регрессии
Прогнозирование с использованием функций регрессии основано на аналитическом выравнивании данных базовой линии прогноза в виде линии тренда.
11
Процесс подбора линии тренда, наиболее точно описывающей тенденцию
развития анализируемого явления, предполагает:

на базе данных временного ряда получить линию тренда с использованием всех возможных типов зависимостей;

выбрать функцию, которая наиболее точно описывает развитие
изучаемого явления.
В MS Excel используются следующие типы линий тренда:
Таблица 1 – Типы линий тренда
Тип зависимости
Уравнение
Линейная
y=a0 + a1x
Полиномиальная
y=a0 + a1x + a2x2 + … + a6x6
Логарифмическая
y=aLn(x) +b
Экспоненциальная
y=aebx
Степенная
y=axb
В MS Excel линию тренда можно построить несколькими способами:

графический способ;

механизм Автозаполнение;

команда Прогрессия;

функции анализа временных рядов.
Во всех случаях подбор линии тренда осуществляется методом наименьших квадратов, при котором минимизируется сумма квадратов отклонений
между эмпирическими значениями (значениями элементов анализируемого
временного ряда) и соответствующими значениями функции. Однако использование только графического способа позволяет получать трендовую модель на
базе любого типа зависимости. В остальных случаях модель будет или линейной или экспоненциальной.
Выбор конкретной функции регрессии, с помощью которой будут рассчитываться прогнозные оценки, может быть осуществлен с помощью:

коэффициента детерминации. Считается, что трендовая модель
адекватна изучаемому процессу и отражает тенденции его развития, если значение коэффициента детерминации близко к единице;

значения среднего отклонения значений каждого элемента базовой
линии прогноза от соответствующего ему расчетного значения, полученного с
помощью функции тренда. Для прогноза используется трендовая модель, имеющая наименьшие отклонения от базовой линии прогноза.
12
Рассмотрим предоставляемые MS Excel возможности построения линии
тренда.
2.4 Прогнозирование с использованием метода
экспоненциального сглаживания
Сглаживание – это способ, обеспечивающий быстрое реагирование прогноза на все события, происходящие в течение периода протяженности базовой
линии.
Основная идея метода: значение прогноза на очередной временной момент получается посредством перемещения предыдущего прогноза в направлении, которое дало бы лучшие результаты по сравнению со старым прогнозом.
Базовое уравнение имеет следующий вид:
F[t+1] = F[t] + a*e[t],
где t– временной период;
F[t] – прогноз, сделанный в момент времени t;
F[t+1] – прогноз во временной период, следующий непосредственно за
моментом времени t;
А – константа сглаживания;
e[t] – погрешность, т.е. различие между прогнозом, сделанным в момент
времени t, и фактическими результатами наблюдений в момент времени t.
Таким образом, константа сглаживания является самокорректирующейся
величиной. Можно сказать и так: каждый новый прогноз представляет собой
сумму предыдущего прогноза и поправочного коэффициента, который и передвигает новый прогноз в направлении, делающем предыдущий результат более
точным.
В Excel средство экспоненциальное сглаживание находится в надстройке
Пакет анализа (Analysis ToolPak). Для вычисления каждого прогноза используется отдельная алгебраически эквивалентная формула.
Коэффициент или константа сглаживания а связана с фактором затухания.
Его значение рассчитывается как разность между 1 и величины коэффициента
сглаживания:
Фактор затухания = 1 – константа сглаживания
Чем меньше фактор затухания, тем точнее отражает прогноз последние
данные наблюдений. Соответственно увеличение значения фактора затухания
13
приводит к увеличению отставания прогноза от этих данных. Поэтому следует
избегать использования в качестве значения параметра Фактор затухания число,
которое меньше 0,7.
Достоинства метода экспоненциального сглаживания:

метод несложен и быстр в применении;

позволяет выявить тенденцию в базовой линии прогноза;

дает достаточно точный краткосрочный прогноз на ближайший период времени с учетом скачкообразного или циклического развития явления.
Недостаток метода экспоненциального сглаживания: анализ на основе
этого метода не дает прогноза, выходящего за пределы, в которых данные уже
известны, т.е. может быть использован только для получения краткосрочных
прогнозов или корректировки долгосрочных прогнозов, полученных другими
методами.
14
ГЛАВА 3
ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИНФОРМАТИЗАЦИИ ПРОГНОЗИРОВАНИЯ И АНАЛИЗА ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
Все программы статистической обработки данных в литературе разделяют на профессиональные, полупрофессиональные (популярные) и специализированные. Статистические программы относятся к наукоемкому программному
обеспечению, цена их часто недоступна индивидуальному пользователю. Профессиональные пакеты имеют большое количество методов анализа, популярные пакеты - количество функций, достаточное для универсального применения. Специализированные же пакеты ориентированы на какую-либо узкую область анализа данных.
Анализ информации о присутствующих на рынке основных полупрофессиональных программных пакетах пригодных для статистической обработки
экономических данных привел к выводу о широком выбор программ с учетом
специфики и целей экономического анализа.
Задачи обработки данных встречаются практически во всех областях исследований (в частности, в экономике, физике, химии, биологии, медицине). К
таким задачам относятся как описательные статистики и регрессионный анализ,
так и различные преобразования данных (гистограммы, частотный анализ и
анализ временных рядов), а также задачи извлечения признаков. К основным
программным пакетам обработки данных с указанием фирм-разработчиков
можно отнести:

Excel (компонент Microsoft Office Professional);

Statistica;

MathCad;

MATLAB;

Mathematica;

Orgrin;

Maple.
Приведем небольшую характеристику некоторых из них.
Самой часто упоминаемой (и используемой) в отечественных статьях является приложение MS Excel из пакета офисных программ компании Microsoft
– MS Office. Причины этого кроются в широком распространении этого программного обеспечения, наличии русскоязычной версии, тесной интеграцией с
MS Word и PowerPoint. Однако, MS Excel - это электронная таблица с достаточно мощными математическими возможностями, где некоторые статистические функции являются просто дополнительными встроенными формулами.
15
Также в MS Excel невозможно построить качественные научные графики. Безусловно, MS Excel хорошо подходит для накопления данных, промежуточного
преобразования, предварительных статистических прикидок, для построения
некоторых видов диаграмм.
STATISTICA. Производителем программы является фирма StatSoft Inc.
(США) (http://www.statsoft.com/), которая выпускает статистические приложения, начиная с 1985 года. STATISTICA включает большое количество методов
статистического анализа (более 250 встроенных функций) объединенных следующими специализированными статистическими модулями.
Stata – мощный пакет для статистического и эконометрического анализа
данных. Содержит широкий спектр статистических команд, в том числе регрессию, ранговую корреляцию и др. Ориентирован, в первую очередь, на эконометристов.
На фоне возрастающего интереса пользователей к свободному программному обеспечению имеет смысл рассмотреть свободные проекты, связанные с
обработкой данных и научными расчетами.
Свободное программное обеспечение – программное обеспечение, в отношении которого права пользователя («свободы») на неограниченную установку, запуск, а также свободное использование, изучение, распространение и
изменение (совершенствование) защищены юридически авторскими правами
при помощи свободных лицензий.
Приведем краткий обзор нескольких прикладных пакетов.
OpenOffice.org Calc. Электронная таблица из пакета OpenOffice.org. Содержит набор функций для описательной статистики, позволяет вычислять F- и
T-тесты, а кроме того, в категории функций «Подключаемый модуль» имеются
функции комплексного переменного, а также функции Бесселя. Пакет
OpenOffice.org интересен по двум причинам: по умолчанию поддерживает
форматы документов ISO/IEC 26300 (OpenDocument Format); работает практически на всех операционных системах. Недостатком является бедность встроенных возможностей по построению трехмерных графиков.
Gnumeric. Электронная таблица из проекта GNOME Office. В дополнение
к набору функций, аналогичных OpenOffice.org Calc, здесь имеются усиленные
возможности по анализу данных, и в частности, дополнительный набор статистических инструментов:

однофакторный и двухфакторный дисперсионный анализ;

вычисление корреляции и ковариации;

прогнозирование методами скользящего среднего и экспоненциального сглаживания;

построение гистограмм;

фурье-анализ;
16

вычисление F-, T- и Z-тестов.
Gnumeric также является кросс-платформенным приложением, информацию о наличии сборки под конкретную операционную систему и версиях пакета можно получить на сайте проекта http://www.gnome.org/projects/gnumeric/.
Имеется небольшая статья в Wikipedia. Gnumeric также не отличается богатством и разнообразием вариантов графиков.
Grace (xmgrace). Пакет двумерной научной графики. Предназначен для
обработки данных и подготовки результатов к публикации. На «входе» пакета,
как правило, должен быть текстовый файл со столбцами данных, а на «выходе»
получается графический файл заданного типа с высококачественным графиком.
Основные возможности пакета в области обработки данных следующие:
математические операции (арифметика и применение функций) с рядами
данных; построение гистограмм; прямое и обратное преобразование Фурье с
возможностью использования цифровой фильтрации; интерполяция методом
скользящего среднего и сплайн-интерполяция; численное дифференцирование
и интегрирование; анализ временных рядов путем исключения периодической
компоненты (seasonal differences); линейная и нелинейная регрессия, нелинейная подгонка и др.
Maxima. Пакет символьной математики, позволяющий проводить символьные преобразования: упрощения выражений, раскрытие скобок, возведение
в степень. Кроме того, можно находить корни квадратных (и не только) уравнений, работать с тригонометрическими функциями и комплексными числами,
строить двумерные и трехмерные графики. Большое количество встроенных
функций, возможность создавать пользовательские функции и писать пользовательские программы делают пакет серьезным инструментом для профессионального применения. Сам по себе пакет работает в текстовом режиме, однако
для Maxima существует несколько интерфейсов (оболочек), среди которых
наиболее интересен TeXmacs – WYSIWYG-редактор для документов TeX. Сессия Maxima в TeXmacs представляет собой документ с расчетами и формулами
типографского качества, который может быть преобразован как в PDF, так и в
HTML и в TeX, а наличие в TeXmacs презентационного режима позволяет работать в программе прямо в ходе лекции или семинара.
SciLab. Пакет числовой обработки данных. Основной режим работы –
командный, однако имеется система визуального моделирования технических
систем (Scicos). К основным функциям пакета можно отнести работу с матрицами (в том числе разреженными), решение обыкновенных дифференциальных
уравнений, численное дифференцирование и интегрирование, построение двумерных и трехмерных графиков по формулам и по результатам расчетов, решение задач линейного программирования, а также возможность создания пользовательских программ.
17
GRETL (GNU Regression, Econometrics and Time-series Library).
Профессиональный кроссплатформенный пакет для решения задач эконометрики и анализа временных рядов.
Описанные выше несколько программ, конечно, не исчерпывают всего
разнообразия свободных программных средств для научных расчетов и обработки данных, однако они могут составить некий базовый набор, с помощью
которого можно обеспечить существенную экономию средств при решении
научных и исследовательских задач. Из всех перечисленных программ только
Grace не является кросс-платформенной, но работает в Windows через опятьтаки бесплатный эмулятор Cygwin. Таким образом, возможно организовать
мощную станцию для научных расчетов с использованием любой операционной системы. Для пользователей, занимающихся научными расчетами, но не
знающих иностранных языков, появляется все больше литературы на русском
языке.
18
ГЛАВА 4
ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ДЛЯ
ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ
В условиях рыночной экономики благополучие предприятия напрямую
зависит от величины получаемой прибыли. Требуются обоснованные и взвешенные подходы при принятии как стратегических, так и тактических решений
на основе широкого использования экономических методов, базирующихся на
системе показателей, отражающих взаимосвязь существующих отношений в
реальной экономической системе.
Одним из приоритетных направлений повышения эффективности управления формированием прибыли является увеличение объемов производства с
одновременным увеличением продаж. При этом увеличение объемов производства должно быть обосновано и соответствовать тенденциям рынка.
Прогнозирование объемов сбыта играет важную роль во всех основных
сферах предпринимательства и управления, является решающим фактором для
определения других направлений деятельности предприятия. При планировании данного показателя особое внимание стоит уделить тенденции развития
основных сегментов рынка изделий предприятия. На сегментах индивидуальных потребителей влияют такие факторы, как доходы населения, численность
населения, индекс потребительских цен, а на сегментах товарных посредников
помимо численности населения в большей степени – интенсивность конкуренции на рынке, при учете, что рост рынка продукции постоянно возрастает в РБ.
Прогнозируя и определяя тенденцию развития данных факторов, можно
судить о росте либо спаде спроса при производстве продукции, и тем самым
определить основные направления и целесообразность увеличения объемов
продаж органической продукции.
Методом планирования показателей деятельности предприятия использование пакета MS Excel – основного программного продукта специалистов экономических служб.
Для примера используются данные промышленного предприятия, анализ
на основе которых продемонстрирует методику работы по прогнозированию
показателей.
При анализе временного ряда с данными изучаемого экономического показателя необходимо учитывать условия описанные в п..
Для анализа временных рядов и прогнозирования результативного показателя и факторов были использованы статистические данные по двум показателям, в наибольшей степени оказывающим влияние на результативный по
19
результатам корреляционно-регрессионного анализа за период четырех лет
(2006-2009гг.) поквартально (16 наблюдений). Исходные данные представлены
на рис. 4.1.
Рисунок 4.1 – Динамика объема реализации продукции и показателей
оказывающих влияние на нее
Анализируя временной ряд с данными об объеме реализованной продукции и факторах влияющих на нее были учтены следующие моменты: шаг по
времени для всей базовой линии 1 квартал, наблюдения зафиксированы на первое число каждого третьего месяца; базовая величина является полной – отсутствуют пропуски данных.
Используя различные методы прогнозирования объема реализованной
продукции, были построены линии тренда на графиках зависимостей и выведены уравнения к каждому из них. Графики представлены на рис. 4.2.
Рисунок 4.2 – Графики функциональной зависимости показателя У
20
Как видно резкие отклонения наблюдаются на графиках полиномиальной
зависимости 4,5,6 й степеней, их не рассматриваем при дальнейшем анализе.
Анализ полученных приближенных значений объема реализованной продукции (У) на рис.4.3 позволяет сделать вывод, что выявленные при графическом анализе зависимости остаются для выбора одной из них для построения
долгосрочного прогноза, так как все значения положительны, тем самым не выходят за рамки допустимых.
Рисунок 4.3 – Прогнозные значения функциональных зависимостей
Для обоснования выбора одной из зависимостей были рассчитаны отклонения от фактических значений объема реализованной продукции (рис.4.4).
Функциональная зависимость с минимальным средним значением отклонений
берется за основу построения наиболее достоверного прогноза. В нашем случае
такой зависимостью является –логарифмическая. Отклонение по данной зависимости от базовой линии составило 714,018. В результате использования данной зависимости прогнозные значения себестоимости в 2010 году по кварталам
составили: 1 квартал – 6636,85; 2й- 6678,74; 3й- 6718,37; 4й – 6755,97.
Рисунок 4.4 – Отклонение функциональных зависимостей от базовой
линии
21
Для уточнения данных на ближайший период – квартал, был проведен
краткосрочный прогноз с помощью метода скользящей средней и экспоненциального сглаживания (рис. 4.5)
Рисунок 4.5 – Краткосрочный прогноз объема реализации продукции
Анализ данных позволяет - аналогично методике анализа по долгосрочному прогнозу - по минимальной величине среднего абсолютного отклонения
от базовой линии сделать вывод, что прогноз необходимо осуществлять по методу скользящей средней для получения наиболее достоверных прогнозных
данных. Среднее отклонение по данному методу составило – 219,727. Таким
образом, уточненные краткосрочные значения объема реализованной продукции на 1й квартал 2010 года составят – 6544,012.
На основе полученных результатов можно сказать, что намечается тенденция к увеличению объема реализованной продукции в долгосрочном периоде, но при этом краткосрочный прогноз позволяет сделать вывод о снижении
этого показателя в первом квартале прогнозируемого периода, что нельзя оценивать положительно.
Формирование и прогноз объема реализованной продукции следует проводить с параллельным анализом прогнозных значений факторов, влияющих на
его величину.
Прогнозные данные для фактора – численность населения (Х2) были получены на основе полинома 4й степени. Из графиков зависимостей видно резкое отклонение линии тренда полинома 5й и 6й степеней, поэтому данные зависимости были сразу исключены для дальнейшего анализа (П.1.1). Минимальное абсолютное отклонение от базовой линии по полиному 4й степени составило - 249,896 (рис. 4.6). Прогнозные значения на 2010 год по кварталам составили: 1й квартал – 2412,78 ч., 2й – 2241,54; 3й- 1938,06; 4й – 1462 чел.
22
Краткосрочный уточненный прогноз данного фактора на 1й квартал 2010
года производился с помощью метода скользящей средней (рис.4.7). Значение
численности населения на 1й квартал 2011 года было определено – 2483,49 чел.
Долгосрочный прогноз для фактора Х3 – размера затрат на реализацию
осуществлялся на основе – полинома 2й степени.
Рисунок 4.6 – Отклонение функциональных зависимостей от базовой
линии Х2
Среднее отклонение по абсолютной величине от базовой линии по данной
зависимости составило – 3,386 (рис. 4.8).
Рисунок 4.7 – Краткосрочный прогноз численности населения
Прогнозные значения уровня автоматизации на 2011 год по кварталам
составили: 1й квартал – 43,239., 2й – 45,078; 3й- 47,019; 4й – 49,061 млн.руб.
Краткосрочный уточненный прогноз данного фактора на 1й квартал 2010 года
23
производился на основе метода скользящей средней (рис. 4.9). Значение затрат
на реализацию, в т.ч. на рекламу, на 1й квартал 2010 года было определено в
размере – 39, 9 млн. руб.
Таким образом, наблюдается тенденция роста уровня затрат на реализацию, что оценивается положительно, так как соответствует возрастанию объемов реализации и соответственно потребностей в средствах на стимулирование
их реализации, повышению качества и объема производства. И самое главное –
соответствует целям и приоритетам политики предприятия.
Рисунок 4.8 – Отклонение функциональных зависимостей от базовой
линии Х3
Рисунок 4.9 – Краткосрочный прогноз затрат на реализацию
Таким образом, наблюдается тенденция снижения численности населения,
что оценивается отрицательно с точки зрения продаж продукции на рынке фи24
зических лиц. Но следует при этом учитывать, что данный показатель сложно
спрогнозировать, так он является внешним и как результата – сложно предсказуемым. Поэтому предприятие должно быть подготовлено максимально к колебаниям данного показателя как в краткосрочном так и долгосрочном периоде,
что приведет к большей стабильности финансового положения, относительному постоянству объемов реализации и тем самым привлекательности продукции на рынке. Предложением в данном случае послужит ориентация своей деятельности на внешние рынки, рынки юридических лиц, что может компенсировать потери на рынке физических лиц, при этом учитывая то, что данный рынок
не является основным для предприятия.
На основе проведенного анализа временных рядов и прогноза данных
следует сделать обобщающий вывод. Наблюдается тенденция роста изучаемых
показателей, как результативного, так и факторного – затрат на реализацию.
При этом следует заметить, при малой достоверности прогноза внешнего показателя численности населения можно ожидать и снижения данного фактора,
что, несомненно, повлияет на формирование объемов реализованной продукции, а также на результаты деятельности предприятия в целом но не в значительной степени. Прогнозные значения помогут предприятию наметить определенный план действий, направленных на поддержание прогнозные показателей по такому фактору, как затраты на реализацию и принятию всевозможным
управленческих решений по реализации прогноза, направленного на рост объема реализации продукции.
25
ЗАКЛЮЧЕНИЕ
Рассмотрена методология комплексной оценки и анализа реальных социально-экономических явлений и процессов, представленных одномерными
и многомерными временными рядами, в разрезе выявления, характеристики и
моделирования тенденции и методов ее прогнозирования с учетом особенностей и специфики применяемых методов и изучаемого объекта исследования.
Статистическая методология анализа временных рядов и прогнозирования
находит широкое применение во многих областях знаний как на макро- так и
на микроуровнях экономического развития, оценке эффективности, финансового состояния и финансовой устойчивости, деловой активности сегментов
различных рынков и организационно-правовых структур.
MS Excel включает в себя весьма удобное и простое в обращении средство проведения регрессионного анализа. Недостатком этого пакета является
невысокая точность моделей, однако в большинстве случаев она и не требуется.
Описанная методология анализа временных рядов и прогнозирования экономических показателей была применена на практике и изложена подробно в четвертой главе данной выпускной работы.
В современных условиях развития информационных технологий, объемов
информации и необходимости ее анализа наиболее эффективным и целесообразным является широкое использование прикладного программного обеспечения при решении задач исследования конкретных социально-экономических
явлений и процессов, что существенно ускоряет проведение расчетов. Помимо
широко использования пакета MS Excel распространены в использовании экономическими службами такие программные продукты, как стандартные пакеты
прикладных программ STATISTIKA, ОЛИМП, SPSS, STATGRAPHICS и другие.
26
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1.
Айвазян, С.А. Программное обеспечение персональных ЭВМ по
статистическому анализу данных / С.А. Айвазян // Компьютер и экономика:
экономические проблемы компьютеризации общества. – М.: Наука, 1991. С.
91–107.
2.
Бараз, В.Р. Корреляционно-регрессионный анализ связи коммерческой деятельности с использованием программы Excel: учебное пособие / В.Р.
Бараз. – Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2005. – 102 с.
3.
Бойс, Дж. Использование Microsoft Office 97, профессиональный
выпуск. Пер. с англ./ Дж. Бойс, С. Фаллер, Р. Гилген и др. – К.; М.; СПб.: Издат
дом «Вильямс», 1998. –с. 1120.
4.
Борисевич, В. И. Прогнозирование и планирование экономики: учеб.
пособие / под ред. В.И. Борисевича, Г.А. Кандауровой и др. – Минск: Экоперспектива 2005, 430с.
5.
Гарнаев, А.Ю. Использование MS EXCEL и VBA в экономике и
финансах/ А. Ю. Гарнаев –СПб.: БХВ –Санкт-Петербург, 1999. – с. 336.
6.
Ильина, О.П. Статистический анализ и прогнозирование экономической информации в электронной таблице Excel: учебное пособие / О. П. Ильина, Н. В. Макарова. – СПб. : СПбУЭФ, 1996.
7.
Карлсберг, К. Бизнес-анализ с помощью Excel.: Пер. с англ. / К.
Калсберг – К.:Диалектика, 1997. - с. 448.
8.
Овчаренко, Е.К. Финансово-экономические расчеты в EXCEL./ под
ред. Е. К. Овчаренко, О. П Ильина, Е. В. Балыбердин – М.: ИИД «Филинъ»,
1999. – с. 328.
9.
Орлова, И.В. экономико-математические методы и модели. Выполнение расчетов в среде Excel / Практикум: Учебное пособие для вузов / И. В.
Орлова – М.:ЗАО «Финстатинформ», 2000. – с.136
12. Харин, Ю. С. Эконометрическое моделирование: Учеб. пособие / Ю.
С. Харин, В. И. Малюгин, А. Ю. Харин. - Мн.: БГУ, 2003. - 313 с.: ил.
13. Ходас, А.К. Прогнозирование и планирование экономики: учебнометодическое пособие / БГАТУ, кафедра МиПЭ АПК; сост. А.К. Ходас. –
Минск, 2007. – 116 с.
27
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ А
Предметный указатель к реферату
Прогнозирование, 1, 2, 4, 5, 6, 8, 9,
10, 19, 20, 26, 36
Р
Регрессия, 2, 10, 11, 12
С
Скользящее среднее, 11
Статистический анализ, 6
Э
Эконометрический анализ, 5
Экспоненциальное сглаживание, 2,
10, 13, 14, 17, 21
S
STATISTICA, 7, 16, 28
В
Временной ряд, 9
Д
Долгосрочный прогноз, 10, 14
И
Информационные технологии, 1, 2,
6, 26, 34, 36
К
Краткосрочный прогноз, 11, 14
П
28
ПРИЛОЖЕНИЕ Б
Интернет-ресурсы в предметной области исследования
1.
http://www.nlb.by – интернет-портал Национальной библиотеки Беларуси – предоставляет в пользование обществу универсальный фонд документов, отражающих знания человечества и имеющих, прежде всего, отношение к
Беларуси и ее национальным интересам.
2.
http://www.belstat.gov.by/ – сайт Национального статистического
комитета Республики Беларусь. Структура портала следующая: Новости, О
Белстате, Методология, Единый банк данных, Беларусь в цифрах, Стандарты,
Публикации, Полезные ссылки. Сайт предоставляет анонс новых публикаций,
каталог публикаций, а также статистические данные об основных макроэкономических показателях Беларуси.
3.
http://www.stathelp.ru – сообщество профессионалов в области обработки данных.
4.
http://www.pravo.by – национальный правовой интернет-портал Республики Беларусь.
5.
http://www.un.org – сайт ООН. ООН регулярно публикует на своем
сайте различные исследования в области развития как регионального, так и мирового. Кроме того, сайт содержит макроэкономические данные по разным государствам.
6.
http://www.nbrb.by – сайт Национального банка РБ. Сайт содержит
огромный массив данных по различным макроэкономическим показателям
Республики Беларусь, новейшие тенденции макроэкономической кредитноденежной политики государства.
7.
http://www.economy.gov.by/ – сайт Министерства экономики Республики Беларусь. Данный сайт содержит информацию о ходе реализации правительственных программ, итогах реализации тех программ, которые были рассчитаны на истекший период, а также характеристику основных тенденций социально-экономического развития страны.
8.
http://mshp.minsk.by/ - сайт Министерства сельского хозяйства
и продовольствия Республики Беларусь.
9.
http://greenbelarus.info – «Белорусский Зеленый портал». Цель «Белорусского зеленого портала» – информационная поддержка развития широкого экологического движения Беларуси. Интернет-ресурс отвечает потребностям
белорусского общества, СМИ, экологических активистов и НГО в получении
информации об экологических событиях в Беларуси и во всем мире, о состоянии окружающей среды, нарушениях природоохранного законодательства.
10. http://agronews.by/ - портал о сельском хозяйстве.
29
11. http://ecoidea.by/about - сайт центра экологических решений - некоммерческого неправительственного учреждения, созданное в Беларуси 2009
году с целью популяризации экологически дружественного образа жизни и
принципов устойчивого развития, развития международного сотрудничества с
целью сохранения окружающей среды.
12. prabook.org/web – проект для Белорусской Википедии, создаваемой
в Парке Высоких Технологий (В. Цепкало,С. Северин, М. Ковалев).
13. http://ru.wikipedia.org/wiki/Трудовые_ресурсы – отредактированная
страница в Википедии по теме исследования.
14. http://www.vak.org.by – сайт Высшей аттестационной комиссии
Республики Беларусь. Размещены материалы, касающиеся подготовки научных
кадров, присуждения ученых степеней и званий, краткие паспорта специальностей и программы-минимумы кандидатских экзаменов по специальности; в разделе «Каталог файлов» представлены доступные для скачивания файлы нормативных документов с приложениями и шаблоны регистрационных документов.
Организован поиск по сайту и в сети Интернет.
Рисунок Б.1 – PrintScreen отредактированной страницы в Википедии
30
Рисунок Б.2 – PrintScreen страницы с профилями белорусских ученых
экономистов в Prabook
31
ПРИЛОЖЕНИЕ В
Действующий в WWW личный сайт (гиперссылка) и printScreen
главной страницы
http://vikamagi.narod.ru/
32
ПРИЛОЖЕНИЕ Г
Граф научных интересов
магистранта Щиряковой Виктории Сергеевны
Экономический факультет
Специальность "Экономика и управление народным хозяйством"
Смежные специальности
Основная специальность
08.00.01 –
Экономическая теория
- Инновационные факторы социально-экономической трансформации
- Экономическая безопасность
и факторы её обеспечения.
- Теоретические проблемы
функционирования
домашних
хозяйств.
- История развития народного
хозяйства
и
сфер
хозяйственной деятельности.
08.00.05 –
Экономика и управление
народным хозяйством
- Экономика, организация и
управление
предприятиями,
отраслями, комплексами (промышленность, АПК и сельское
хозяйство, сфера услуг)
- Управление инновациями
- Региональная экономика
- Экономика труда
- Экономика природопользования
- Экономика предпринимательства
- Маркетинг
- Менеджмент
- Стандартизация и управление качеством продукции
- Рекреация и туризм
08.00.10 –
Финансы, денежное
обращение и кредит
- Финансовый менеджмент
- Финансы субъектов хозяйствования и отраслей национальной экономики (промышленности, агропромышленного
комплекса и других отраслей и
комплексов)
08.00.12 –
Бухгалтерский учет,
статистика
Теория,
методология,
организация
и
методики
калькулирования себестоимости продукции, работ и услуг
коммерческих, некоммерческих
и
финансово-кредитных
организаций.
Теория,
методология,
методики и организация учета,
контроля, аудита, анализа
хозяйственной деятельности и
статистики
на
основе
использования
современной
вычислительной техники и
информационных технологий.
Гармонизация
международных
и
национальных
стандартов
бухгалтерского
учета
и
финансовой отчетности.
- Прикладные статистические
исследования
сфер
33
Сопутствующие
специальности
Упразднено ВАК
общественной, экономической,
финансовой жизни общества,
направленные на выявление,
измерение,
анализ,
прогнозирование.
Моделирование
складывающейся конъюнктуры
и разработки перспективных
вариантов
развития
предприятий, организаций и
отраслей экономики Республики
Беларусь и других стран.
08.00.13 –
Математические и
инструментальные методы
экономики
- Теория и методология экономико-математического моделирования, исследование его
возможностей и диапазонов
применения: теоретические и
методологические
основы
отображения
социальноэкономических процессов и систем в виде математических,
информационных и компьютерных моделей
- Построение и прикладной
экономический
анализ
экономических и компьютерных
моделей
национальной
экономики и ее секторов.
Разработка
систем
поддержки принятия решений
для
обоснования
общегосударственных
программ
в
областях:
социальной;
финансовой;
экологической политики.
08.00.14 –
Мировая экономика
- Глобальные проблемы
экономики.
- Международная конкуренция,
конкурентоспособность
компаний, стран.
Экспортный
потенциал
Республики
Беларусь
по
отраслям.
34
ПРИЛОЖЕНИЕ Д
XML-формат тестовых вопросов по Основам информационных
технологий
<question type="close" id="249">
<text> Атрибут тега <a> HTML , определяющий адрес, на который ведет
гиперссылка</text>
<answers type="request">
<answer id="answer 1" right="0">< target ></answer>
<answer id="answer 2" right="0">< name ></answer>
<answer id="answer 3" right="1">< href ></answer>
<answer id="answer 4" right="0">< accesskey ></answer>
</answers>
</question>
<question type="close" id="749">
<text> Метод прогнозирования показателей с помощью MS Excel </text>
<answers type="request">
<answer id="answer 1" right="1"><метод скользящей средней ></answer>
<answer id="answer 2" right="0"><метод подстановки ></answer>
<answer
id="answer
3"
right="0"><метод
регрессионной
статистики></answer>
<answer id="answer 4" right="0"><метод экспоненциального разглаживания></answer>
</answers>
</question>
35
ПРИЛОЖЕНИЕ E
Презентация магистерской диссертации
http://vikamagi.narod.ru/presentation.html
36
37