Правильный выбор метода определяет качество прогноза. Развитие информатики и средств вычислительной техники значительно расширяет возможность использования методов прогнозирования. В то же время ввиду особенностей, присущих сельскохозяйственному производству, в основе эффективного прогнозирования лежит применение комплекса методов прогнозирования.
Наиболее часто используются методы экстраполяции, которые основываются на изучении количественных и качественных показателей исследуемой проблемы за ряд лет с последующим логическим продолжением тенденции на прогнозируемый период. С позиции математики данный метод – это распространение закона изменения функции из области ее наблюдения на область, лежащую вне отрезка наблюдения [4, 5, 6].
В данном исследовании осуществлено прогнозирование развития сельского хозяйства Республики Дагестан до 2016 года по данным о валовой продукции сельского хозяйства всех категорий хозяйств РеспубликиДагестан за 2000-2010 гг. [7].
Сначала построим прогноз по уравнениям трендов с помощью встроенной функции ТЕНДЕНЦИЯ MS Excel (1-й способ).
Важной задачей, возникающей при анализе рядов динамики, является определение основной тенденции в развитии исследуемого явления.Распространенным приемом при выявлении тенденции развития является сглаживание временного ряда.
Метод экспоненциального сглаживания является эффективным и надежным методом среднесрочного прогнозирования. Сущность метода заключается в сглаживании исходного динамического ряда взвешенной скользящей средней, веса которой подчиняются экспоненциальному закону. Этот метод позволяет построить такое описание процесса, при котором более поздним наблюдениям придаются большие веса по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте. При построении прогноза по данному методу практически большее значение имеет информация, описывающая процесс в моменты времени, стоящие ближе к постоянному (нулевому) моменту времени. Чем дальше мы углубляемся в ретроспекцию, тем менее ценной для прогноза становится информация [4]. В связи с этим прогноз по методу экспоненциального сглаживания построим для двух периодов: с 2007 по 2010 гг. (2-й способ), с 2000 по 2010 гг. (3-й способ).
Рассмотрим применение метода экспоненциального сглаживания для случая, когда тренд описывается линейной функцией yt=b0+b1t. Начальные приближения для случая линейного тренда равны:
S01y=b0-1-ααb1; S02y=b0-2(1-α)αb1.
Зная начальные условия S0[1]и S0[2] и значение параметра α=2/(n+1), вычисляют экспоненциальные средние 1-го и 2-го порядка:
St1y=αyt+(1-α)St-11(y); St2y=αSt[1]+(1-α)St-12(y).
Оценки коэффициентов линейного тренда:
b0=2St1y-St2y; b1=α1-αSt1y-St2(y).
Прогноз на l шагов равен: yt=b0+b1t [3].
При применении метода экспоненциального сглаживания для периода с 2007 по 2010 гг. (2-й способ) получена следующая модель прогноза:
y=52060,9+6412,2*l.
Придавая l значения 1, 2, 3 и 4, что соответствует t=5,6,7,8, можно найти прогнозы соответственно на 2011 – 2014 гг.
Прогноз по методу экспоненциального сглаживания можно построить с помощью надстройки EXCEL «Анализ данных».
Прогноз на 2011 – 2014 гг. по методу экспоненциального сглаживания для периода 2000 – 2010 гг.(3-й способ)определяется по следующей модели:
y=3460,4+3844,9*l.
Сглаживание уровней временных рядов можно проводить также по скользящим средним. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными уровнями, которые в меньшей степени подвержены колебаниям.
Алгоритм сглаживания по простой скользящей средней может быть представлен в виде следующей последовательности шагов.
1. Сначала необходимо определить длину интервала сглаживания l, включающего в себя l последовательных уровней ряда (l