Прогнозирование макроэкономичных показателей

Шепелев А.А.

соискатель Донецкого государственного

университета управления

Прогнозирование макроэкономичных показателей

При решении задач управления экономическими объектами необходимо выполнять моделирование и прогнозирование макроэкономичных показателей в разных условиях. Для решения задачи прогнозирования ВВП необходимо иметь уточненные оценки факторов формирующих значение этого макропоказателя. Например, объема продукции, который может быть произведен и востребован рынком. В статье обсуждается решение задачи моделирования и прогнозирования на примере указанного фактора. Анализируется ситуация сравнения фактора (объем продукции востребованный рынком), который получен по известной ретроспективной информации (с помощью временных рядов, где прогнозирование будущего основывается на экстраполяции прошлого) и фактора (объем продукции, который может быть произведен) полученного с помощью каузальной модели. Предлагаемая модель позволяет уточнить прогноз при обнаружении характерных изменений в траекториях указанных факторов.

Алгоритм, реализующий решение задачи, приведен на Рис.1, где блок I - содержит необходимую информацию для решения задачи, включая статистические данные для построения временных рядов для факторов формирующих значение макропоказателя; блоки 2, 3 - определяют приоритет предприятия, а затем цеха этого предприятия, для которых в первую очередь формируется проект парка оборудования для изготовления продукции; блок 4 - по признакам детали определяется характер даталеопераций ;блок 5 - по характеру деталеопераций определяются виды оборудования, на которых можно выполнить эту деталеоперацию; блок 6 - формируется множество значений машиноемкости Х_i; блок 7 - выбор модели станка из существующего парка оборудования по текущим значениям режима обработки детали, которые являются аргументами нелинейной функции от Х_i ; блок 8 - определяется оптимальный срок службы выбранной в блоке 7 модели станка ; блок 9 - проверка следующих условий для замены станка - возможность поставки нового взамен старого, наличие средств на приобретение нового, возможность ремонта до уровня нового, величина затрат на ремонт; блок 10 - определяются значения технологических критериев F_j ,где j = 1,4 для уровня цеха S₃ ; блок 11 - выполняется преобразование вида G_j = l_jx

x [F_j(X_i) - F_j^’] / ( F_j^’’ - F_j^’) с целью выполнения требований по коммутативности и ассоциативности к значениям локальных критериев. G_j - нормированное значение "трудности" достижения экстремума цели по критерию оптимальности; F_j(X_i),F_j^’,F_j^”- соответственно текущее, наилучшее, наихудшее значение локального критерия ; блок 12 - по совокупности значений G_j выполняет процедуру свертки вида

где q_j – интегральная "трудность" достижения экстремума цели по всем локальным критериям;

s_j- коэффициент веса, дающий возможность по значениям G_jуправлять стратегией поиска в области компромиссов по Парето;

блок 13 - проверка ограничений на технологические параметры для уровня S₃ ; блок14-определяется парк потребного оборудования для выполнения производственной программы, создания резерва, комплектования объектов капитального строительства; блок 15 - выбор модели станка из каталога поставляемого оборудования. Способ выбора аналогичен блоку 7; блок 16 – определяется количество изношенного оборудования ; блок 17 - вычисляются значения технико - экономических критериев F_j, где j = 5 ,13, для уровня предприятия S₂; блок 18 - проверка ограничений для уровня S₂ ; блок 19 - определяются значения экономических критериев ( в том числе объем продукции) F_j, где j = 14 ,16, для уровня отрасли (министерства) S₁ ; блок 20 - проверка ограничений на экономические критерии для уровня S₁ ; блок 21 - осуществляет поиск текущего значения приращения параметра DX_i .В качестве математического аппарата использован случайный поиск; блок 22 – определяет величину случайного шага X поиска ; блок 23 - перестраивает вероятностные характеристики случайного шага X , учитывая предисторию процесса поиска на предыдущих этапах .

Использование траекторий родственных процессов позволяет строить прогнозы на длительные периоды и является дополнительным инструментом прогнозирования вместе с использованием каузальной модели объекта. Благодаря этому имеется возможность указать не единственное прогнозное значение на конкретный момент времени, а диапазон прогнозных показателей.