Основные применяемые методы прогнозирования в экономике

В экономике применятся огромное количество методов и способов прогнозирование, которые построены на двух подходах:
1) эвристических подход использует явления и процессы, которые поддаются формализации;
2) математический подход использует подбор и обоснование математической модели процесса, соответственно задача прогнозирования как правило сводиться к решению уравнений, которые описывают модель для заданного момента времени.
Прогнозирование экономики достаточно сложный и многоступенчатый процесс. По различным оценка, в настоящее время, в мире насчитывается более 150 методов прогнозирования, но в качестве основных применяется не более 20-25 методов.
В соответствии со степенью формализации методы прогнозирования экономики подразделяются на интуитивные и формализованные методы. Интуитивные методы предполагают, что подходы, используемые для формирования прогноза, не изложены в явной форме и неотделимы от лица, делающего прогноз, при разработке которого доминируют его интуиция, опыт работы, творчество и воображение. Наиболее широко используемыми в практике являются экспертные методы, которые базируются на информации специалистов–экспертов. Формализованные методы основаны на фактически имеющейся информации об объекте прогнозирования, и ее прошлом развитии. В эту группу входят две подгруппы: логические и математические методы. К логическим методам чаще всего относят комплексный метод, основанный на сценарном подходе, и метод исторических аналогий.
В естественных науках основная масса данных, генерируемых путём экспериментов в лаборатории в контролируемой среде. Поэтому качество данных очень часто контролируется исследователями. В экономике, исследователи не могут создавать свои собственные данные путем экспериментов в лаборатории. Они должны полагаться на данные, собранные официальными статистическими органами или агентства. Данные, собранные другой стороной, называются вторичными данными. Если данные не отвечают желаемому стандарту качества, исследователи не могут позволить себе их не учитывать. Вместо этого они должны терпеливо и тщательно обрабатывать или корректировать эти данные с помощью различных методов эконометрики и статистических методов. Большинство экономических данных собираются в течение дискретного промежутка времени. Длина дискретный интервал классифицирует измерения в годовые, полугодовые, ежеквартальные, ежемесячные, еженедельные или ежедневные данные. Данные, полученные за более длительные промежутки времени, выпускаются реже, этот тип данных называется низкочастотными данными. Данные в режиме реального времени — это данные, отражающие события в моменты, все другие называются историческими данными.
Линейные преобразования особенно полезны при применении регрессионного анализа к проблемам прогнозирования. В частности, регрессионный анализ начинается с предположения, что соотношение между переменными является линейным. Преимущество такого типа преобразования заключается в том, что мы смогли принять отношения, которые не удовлетворяют требованиям линейность и преобразование данных. Как правило применяется два общих метода: логарифмическое преобразование и преобразование квадратного корня.
Важной отправной точкой в ​​процессе прогнозирования является переоценка экономического климата в отдельных странах и мировой экономике в по секторам экономики. Здесь комбинация анализов на основе моделей статистических индикаторов играет важную роль в «настройке прогноза»

. В краткосрочной оценке также учитываются прогнозы из набора статистических моделей с использованием высокочастотных показателей для оценки краткосрочного роста ВВП за квартал, как правило, за текущий и следующий квартал, использование краткосрочных экономических показателей для прогнозирования квартальных колебаний ВВП путем эффективного использования всей доступной ежемесячной и ежеквартальной информации. Эти модели обычно объединяют информацию как из «мягких» показателей, таких как бизнес-настроения и опросов потребителей, так и «жесткие» показатели, такие как производство сельскохозяйственной продукции, розничные продажи, цены и т.д., И используются разные частоты данных и разнообразие методов оценки. Процедуры относительно автоматизированы и могут выполняться всякий раз, когда выпускаются крупные ежемесячные данные, что позволяет договариваться и выбирать модель в соответствии с имеющейся информацией.
Наиболее важные выгоды от использования подхода индикатора обнаруживаются для прогнозов текущего квартала, сделанных сразу же после начала квартала или после него, где оценочные модели индикаторов, как представляется, превосходят модели авторегрессионных временных рядов, как с точки зрения размера ошибки и направленной точности. Основные выгоды от использования ежемесячного подхода возникают, как только один месяц данных доступен для прогнозируемого квартала, обычно за два-три месяца до публикации первой официальной оценки оборота для ВВП. Для прогнозов на одну четверть производительность оценочных моделей индикаторов заметнее, чем более простые модели временных рядов.
Модели статистических показателей, тем не менее, ограничены в своей способности прогнозировать квартальный рост ВВП. Даже с полным набором ежемесячных показателей за квартал 70-процентные доверительные интервалы вокруг любой точки оценки роста ВВП в этом квартале лежат в диапазоне от 0,4 до 0,8 процентных пункта в зависимости от страны или региона и степени неопределенности как расширяется прогнозный горизонт. Ошибки прогнозирования могут также возникать по целому ряду причин, включая изменения исходных опубликованных данных и неточности в прогнозах поступающих ежемесячных данных. Регулярные оценочные оценки ВВП, основанные на показателях, теперь подпитываются «упражнениями» по оценке экономической перспективы, так и промежуточным анализом, и прогнозами на регулярной основе.
Хотя прогноз мировой торговли построен как совокупность прогнозов импорта и экспорта отдельных стран, для оценки краткосрочной эволюции мировой торговли сельскохозяйственной продукции и ее соответствия прогнозу роста ВВП используются дополнительные инструменты. Во-первых, модели индикаторов для прогнозирования мировой торговли в краткосрочной перспективе были разработаны на основе методов, используемых для краткосрочного прогнозирования роста ВВП, с тем чтобы включить самую последнюю информацию из ключевых показателей месячной торговли. Этот подход включает модель мостового уравнения, основанную на ограниченном наборе переменных. Эти модели обычно используются во время прогнозирования, а также для промежуточных анализов.
В естественных науках основная масса данных, генерируемых путём экспериментов в лаборатории в контролируемой среде. Поэтому качество данных очень часто контролируется исследователями