Оценка подходов к прогнозированию макроэкономических показателей национальной экономики

Моделирование как метод научного познания дает возможность изучать показатели, характеристики объектов, действия на их моделях. Прогнозирование является одной из основных задач социальноэкономических моделей. Модели прогнозов позволяют оценить на n количество периодов вперед состояние анализируемой социальноэкономической системы с влиянием на нее управленческих решений, принимаемых в предстоящих и текущих периодах.

Выбор экономико-математического аппарата является необходимой, важной ступенью в процессе создания модели прогнозирования макроэкономических характеристик государственной экономики. От соответствующего выбора зависят возможности и область применения будущей модели. Исследование литературы по проблематике макроэкономического моделирования и прогнозирования позволило выделить основные способы, применяемые для прогнозирования характеристик государственной экономики.

Для построения прогнозных макроэкономических моделей используют эконометрические методы [1], которые представлены двумя группами.

Первая группа – экстраполяционные методы, представленные трендовыми моделями, моделью Бокса-Дженкинса, а также моделью экспоненциального сглаживания и др. Эти модели применимы в краткосрочном периоде при условии стабильно функционирующей социально-экономической системы, что позволяет экстраполировать временные ряды. В среднесрочном и долгосрочном периодах они являются неэффективными.

Вторая группа – факторные методы, представленные регрессионными моделями. В моделировании, помимо исторических данных прогнозируемого показателя, учитываются и внешние факторы, которые оказывают влияние на моделируемый показатель. Поэтому регрессионные модели в долгосрочном периоде являются более достоверными.

В группе нормативно-балансовых методов популярной является модель межотраслевого баланса, или, по наименованию в зарубежной литературе, модель «затраты-выпуск». В данной модели нормативы включаются в матрицу коэффициентов производственных затрат. На математическом уровне нормативно-балансовые методы представляют собой систему линейных уравнений, следовательно, просты для численного разрешения.

При отсутствии статистических данных и при решении качественной задачи возможны экспертные системы. Отдельной тенденцией экспертных систем считаются системы на базе нечеткой логики [2]. Данный аппарат применяется, когда невозможно или сложно построить математическую формализованную модель, в связи с недостатком статистических данных и большим числом параметров моделируемого объекта.

Когнитивное моделирование применяется также при отсутствии достаточной количественной статистической информации. Например, когда требуется описать неповторяющиеся, разовые события или социальные явления. Когнитивное моделирование основывается на привлечении экспертной информации и позволяет качественно описывать взаимосвязи предметной области.

Объединение знаний нескольких экспертов позволяют экспертные системы в целом. Использовать экспертные системы необходимо в ситуациях недостатка статистических данных.

Искусственные нейронные сети являются одним из основных направлений в области исследования искусственного интеллекта. Область использования нейронных сетей значительна, они используются как инструмент моделирования на макроуровне и на микроуровне [3]. Искусственные нейронные сети описывают сложные нелинейные процессы, когда неизвестны ни общий вид функции, ни функции протекающих в системе процессов. Функция подбирается самостоятельно, аппроксимируя моделируемые направления, в процессе обучения нейронной сети.

Эффективным аппаратом исследования стохастических систем является имитационное моделирование. При условии неопределенности, т.е. при наличии неполных и неточных данных, имитационное моделирование способствует получению «усредненных» данных моделируемого процесса. Одним из методов названного моделирования является агентное моделирование, которое применяется для изучения функционирования децентрализованных систем. Динамика функционирования этих систем определяется индивидуальной активностью членов группы, результат которой становится глобальными правилами и законами.

В основе системно-динамического моделирования лежит построение графических диаграмм причинных связей и глобальных влияний во времени параметров одного вида на параметры другого вида. Модель, построенная на основе этих диаграмм, имитируется на компьютере. Данный вид моделирования способствует выявлению причинно-следственных отношений, существующих между объектами и явлениями, оценке чувствительности к внешним параметрам, исследованию свойств системы в целом и уяснению сути происходящего.

Основанием метода Монте-Карло является датчик случайных чисел, который генерирует значения, зависящие от распределения каждой входной переменной модели. Для каждого сгенерированного вектора на выходе входных характеристик получается вектор значений выходной переменной. В итоге вероятность попадания выходной характеристики находится в определенной области, определяются максимальные и минимальные значения.

В условиях информационной неопределенности имитационные модели позволяют получить необходимую информацию об исследуемых процессах и исследуемом объекте. Эти модели пригодны в первичном исследовании свойств объекта, который требуется моделировать, но они не имеют желательную эффективность при наличии сведений и полных статистических характеристик об изучаемых социально-эконометрических процессах.

Комплексно описать социально-экономическую систему возможно с использованием модели общего экономического равновесия. Моделируется экономика, все сектора которой находятся в равновесном положении. Параметры такой экономики определяются способом численного разрешения модели общего экономического равновесия, на математическом уровне сводимой к системе нелинейных уравнений.

Следовательно, для построения комплексных макроэкономических моделей, позволяющих проводить прогнозные расчеты, как показала проведенная оценка подходов к прогнозированию макроэкономических показателей национальной экономики, наиболее подходящими являются нейронные сети, эконометрические методы и модели общего экономического равновесия. В отличие от искусственных нейронных сетей («черного ящика») модели общего экономического равновесия обладают рядом преимуществ, так как все используемые в модели зависимости имеют экономическое обоснование. Такая модель является бесспорно прозрачной. Модели общего экономического равновесия в сравнении с эконометрическим аппаратом позволяют учитывать структурные модификации в экономике и не являются так чувствительны к глубине ретроспективных данных.