Прогно́з (от «предвидение, предсказание») — это научно обоснованное суждение о возможных состояниях объекта в будущем и (или) об альтернативных путях и сроках их осуществления. В узком смысле, это вероятностное суждение о будущем состоянии объекта исследования.
Прогнозирование Прогнози́рование — это разработка прогноза; в узком значении — специальное научное исследование конкретных перспектив дальнейшего развития какого-либо процесса.
Необходимость прогноза обусловлена желанием знать события будущего, что достоверно — невозможно в принципе, исходя из статистических (ошибки текущих оценок), вероятностных (многовариантность следствий), эмпирических (методологические ошибки моделей), философских (ограниченность текущих знаний) принципов.
Точность любого прогноза обусловлена: объёмом «истинных» (верифицированных с известной погрешностью) исходных данных и периодом их сбора; объёмом неверифицированных исходных данных и периодом их сбора; свойствами объекта прогнозирования и системы его взаимодействия с субъектом прогноза; методиками и моделями прогнозирования. При возрастании совокупности факторов, влияющих на точность прогноза, он практически замещается рутинным расчётом с некоторой установившейся погрешностью.
Прогнозы делятся (условно): по срокам: краткосрочные, среднесрочные, долгосрочные, дальнесрочные; по масштабу: частные, местные, региональные, отраслевые, страновые, мировые (глобальные). по ответственности (авторству): личные, на уровне предприятия (организации), на уровне государственных органов.
К основным методам прогнозирования относят: статистические методы; экспертные оценки (например, метод Дельфи); методы моделирования, в том числе имитационного ; интуитивные (то есть выполненные без применения технических средств, экспромтом, «в уме» специалистом, имеющим опыт ранее применяемых научных методов в данном типе прогнозов).
К настоящему времени широкое применение, особенно в Европе, приобрел комплексный метод прогнозирования, называемый - Foresight (futures studies). Форсайт представляет собой систему методов экспертной оценки стратегических направлений социально-экономического и инновационного развития, выявления технологических прорывов, способных оказать воздействие на экономику и общество в средне- и долгосрочной перспективе. С использованием этого метода создаются различные возможные картины будущего мира, в том числе его отдельных, наиболее важных или интересующих критических аспектов, формирующихся в результате различных вариантов развития ситуации и планируемых при этом сценариев собственных действий. В России одним из основных центров прогнозирования с применением форсайта является Высшая школа экономики.
Прогнозирование входит в подготовительные этапы различного вида (экономико-социального, научно-технического, территориального и т.д.) и уровня (текущего, среднесрочного, долгосрочного, стратегического) планирования, при этом форсайт применяется при подготовке стратегических планов (технологического, научного, научно-технического и других) развития стран, систем общегосударственного уровня( здравоохранения, образования и т.п.) и организаций (корпораций, предприятий и т.п.).
Основные понятия прогностики Прогностика — научная дисциплина, изучающая общие принципы и методы прогнозирования развития объектов любой природы, закономерности процесса разработки прогнозов. Как наука прогностика сформировалась в 1970—1980-е годы. Кроме понятия «прогностика», в литературе используют термин футурология. Как любая наука прогностика имеет набор своих терминов, употребляемых для обозначения определённых понятий. Определения понятий прогностики были зафиксированы в 1978 году.
Прогноз — обоснованное суждение о возможном состоянии объекта в будущем или альтернативных путях и сроках достижения этих состояний.
Прогнозирование — процесс разработки (формирования) прогноза. Этап прогнозирования — часть процесса разработки прогнозов, характеризующаяся своими задачами, методами и результатами. Деление на этапы связано со спецификой построения систематизированного описания объекта прогнозирования, сбора данных, с построением модели, верификацией прогноза.
Приём прогнозирования — одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза. В качестве приёма могут выступать сглаживание динамического ряда, определение компетентности эксперта, вычисление средневзвешенного значения оценок экспертов и так далее.
Модель прогнозирования — модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объекта прогнозирования в будущем и (или) путях и сроках их осуществления.
Метод прогнозирования — способ исследования объекта прогнозирования, направленный на разработку прогноза. Методы прогнозирования являются основанием для методик прогнозирования.
Методика прогнозирования — совокупность специальных правил и приёмов (одного или нескольких методов) разработки прогнозов.
Прогнозирующая система — система методов и средств их реализации, функционирующая в соответствии с основными принципами прогнозирования. Средствами реализации являются экспертная группа, совокупность программ и так далее. Прогнозирующие системы могут быть автоматизированными и неавтоматизированными.
Прогнозный вариант — один из прогнозов, составляющих группу возможных прогнозов.
Объект прогнозирования — процесс, система, или явление, о состоянии которого даётся прогноз.
Характеристика объекта прогнозирования — качественное или количественное отражение какого-либо свойства объекта прогнозирования.
Переменная объекта прогнозирования — количественная характеристика объекта прогнозирования, которая является или принимается за изменяемую в течение периода основания и (или) периода упреждения прогноза.
Сложность объекта прогнозирования — характеристика объекта прогнозирования, определяющая разнообразие его элементов, свойств и отношений.
Период основания прогноза — промежуток времени, за который используют информацию для разработки прогноза. Этот промежуток времени называют также периодом предыстории.
Период упреждения прогноза — промежуток времени, на который разрабатывается прогноз.
Прогнозный горизонт — максимально возможный период упреждения прогноза заданной точности.
Точность прогноза — оценка доверительного интервала прогноза для заданной вероятности его осуществления.
Достоверность прогноза — оценка вероятности осуществления прогноза для заданного доверительного интервала.
Ошибка прогноза — апостериорная величина отклонения прогноза от действительного состояния объекта.
Источник ошибки прогноза — фактор, способный привести к появлению ошибки прогноза. Различают источники регулярных и нерегулярных ошибок.
Верификация прогноза — оценка достоверности и точности или обоснованности прогноза.
Эксперт — квалифицированный специалист по конкретной проблеме, привлекаемый для вынесения оценки по поставленной задаче прогноза.
При разработке социальных прогнозов в ряде случаев производится выявление мнения представителей различных групп населения, условно приравниваемых к экспертам.
Компетентность эксперта — способность эксперта выносить на базе профессиональных знаний, интуиции и опыта достоверные суждения об объекте прогнозирования. Количественная мера компетентности эксперта называется коэффициентом компетентности.
Экспертная группа — коллектив экспертов, сформированный по определённым правилам для решения поставленной задачи прогноза. Частным случаем экспертной группы выступает экспертная комиссия.
Компетентность группы экспертов — способность экспертной группы выносить суждения об объекте прогнозирования, адекватные мнению генеральной совокупности экспертов. Компетентность экспертной группы определяется различными методиками.
Экспертная оценка — суждение эксперта или экспертной группы относительно поставленной задачи прогноза. В первом случае используется термин «индивидуальная экспертная оценка», во втором — «коллективная экспертная оценка».
Статистические методы прогнозирования Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.
Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т. е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объём денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи — интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794—1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.
Оценивание точности прогноза (в частности, с помощью доверительных интервалов) — необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приёмы, не основанные на вероятностно-статистической теории, например, метод скользящих средних.
Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения — основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости . Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.
Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока ещё окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение [1, 3]. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.