В статье дается анализ методик прогнозирования по временным рядам, объясняются причины сложности этого процесса. На примере ключевых ресурсных и результативных показателей сельского хозяйства Курской области показано, как превратить регрессионную модель временного ряда в адаптивную модель. Изучена целесообразность агрегированных прогнозов с периодом упреждения один год. Для целей исследования не использовались стоимостные показатели. Длина временного ряда ограничена периодом 2000-2014 гг. Выполнен прогноз ресурсного и результативного состояния сельского хозяйства Курской области на 2015 г. Прогнозные значения сопоставлены с фактически достигнутыми. Выбор регрессионных моделей проведен с учетом анализа временных рядов. Регрессионные модели проверены на адекватность, дана оценка достоверности разработанного прогноза. Показаны возможности применения точечного и интервального прогнозов. Показаны отличия формальной и прогнозной экстраполяции. Проанализированы наиболее часто встречающиеся ошибки прогнозирования по временным рядам на конкретных примерах. Для показателей с высокой колеблемостью выполнен анализ структуры рядов динамики, вычислены коэффициенты автокорреляции. Показаны возможности прогнозирования по стационарным рядам динамики. Описана возможность прогнозирования комплексных показателей через функциональную зависимость от факторов первого порядка. Обоснована целесообразность перехода от прогнозирования по длинным временным рядам к прогнозированию по коротким временным рядам в случае их разворота. Показаны возможности адаптивного моделирования по рядам динамики без ярко выраженного тренда. В частности, применен метод экспоненциального сглаживания. Обоснована возможность применения агрегированных прогнозов с целью повышения их достоверности. Сделан вывод о целесообразности комплексного использования количественных и качественных методов исследования в процессе прогнозирования по временным рядам. Обоснована народнохозяйствен-ная ценность разработанной методики повышения адаптивности одномерных методов прогнозирования.
This article shows temporary ranks forecasting techniques analysis and process complexity reasons. It is done on the example of key resource and productive indicators of Kursk region agricultural industry. This example shows how to turn regression temporary row model into adaptive model. Aggregated forecasts feasibility with one year anticipation period is studied. For research purposes cost indicators are not used. Temporary row length is limited to 2000-2014 periods. Resource and productive condition forecast of Kursk region agricultural industry for 2015 is executed. Forecast values are compared with actually reached. The choice of regression models is carried out taking into account time series analysis. Regression models are checked for adequacy. Reliability assessment of the developed forecast is given. Application possibilities of dot and interval forecasts are shown. Formal and forecast extrapolation differences are described. The most often found forecasting errors on temporary ranks through specific examples are analyzed. Structure dynamic ranks analysis for indicators with high oscillation is made, autocorrelation coefficients are calculated. Stationary dynamic series forecasting possibilities are shown. Forecasting possibility of complex indicators through functional dependence on first order factors is described. Transition feasibility from forecasting on long temporary lines to forecasting on short temporary ranks in case of their turn is proved. Adaptive modeling possibilities on dynamic ranks without pronounced trend are shown. In particular, exponential smoothing method is applied. Application of aggregated forecast possibility for increase purpose in their reliability is proved. Conclusion about quantitative complex feasibility use and research high-quality methods in the course of forecasting on temporary ranks is done. Developed economic technique value of one-dimensional forecasting method adaptability increase is proved.
The authors declare that there are no conflicts of interest present.