А.Н. Бобрышев старший преподаватель кафедры "Бухгалтерский управленческий учет", кандидат экономических наук, А.Ю. Гунько, кафедра "Экономический анализ хозяйственной деятельности" Ставропольский государственный аграрный университет

Создание конкурентной стратегии предполагает оценку привлекательности выбранных сегментов и прогнозирование основных экономических показателей в целом по организации.

Экономический прогноз позволяет научно обосновывать предвидение возможных направлений и результатов развития предприятия и его структурных подразделений. Основная функция экономического прогнозирования - предвидеть наиболее вероятные проблемы экономического развития в ближайшей и отдаленной перспективе, поиск наиболее лучшего пути для экономического роста предприятия и выборка наиболее перспективной стратегии для укрепления позиций на рынке.

Результаты прогнозирования деятельности предприятий и фирм учитываются в программах предприятий по маркетингу, при определении возможных масштабов реализации продукции, ожидаемых изменений условий сбыта и продвижения товаров.

К краткосрочному прогнозированию относят оперативные, текущие и краткосрочные прогнозы, они основываются на прогнозировании малых промежутков времени, на учете и прогнозировании действия случайных факторов, и период упреждения в основном равен одному шагу. Здесь на первое место выходят показатели, характеризующие финансовую ситуацию на рынке в целом и по отдельным группам субъектов.

Для целей выбора метода краткосрочного прогнозирования необходимо определить характер динамики анализируемых процессов: простые стационарные процессы, динамические стационарные процессы, эволюционные и хаотические процессы.

Под краткосрочным прогнозированием в методе Брауна подразумевается исключительно прогнозирование показателя на один шаг наблюдения. Различных модификаций метода Брауна достаточно много. Это вызвано многообразием практических ситуаций при применении методов краткосрочного прогнозирования, а при нестандартных ситуациях стандартный набор известных методов не всегда эффективен, что приводит к разработке новых модификаций уже существующих методов. Частично эта проблема решается расширением границ изменения постоянной сглаживания а от 0 до 2, при выходе в запредельные границы задействуются новые свойства метода и расширяется область применения простой экспоненциальной средней для случаев, когда при значении постоянной сглаживания от 0 до 1, не самым лучшим образом осуществляется краткосрочное прогнозирование. Практика использования запредельных случаев подтверждает это.

Проблема выбора ограниченной части методов для краткосрочного прогнозирования эволюционных составляющих экономической динамики заключается в следующем. Нет достаточно обоснованных методов определения конкретной величины постоянной сглаживания ос, а в связи с тем, что в течение времени эволюционные процессы экономической динамики, развиваясь, меняют период своей инерционности и характер развития, любые константы становятся неуместны. Эволюционные процессы имеют лишь отдельные периоды относительной стабильности динамики, которые перемежаются периодами нестабильности. Поэтому становится необоснованным предположение о том, что найденное на некотором прошлом множестве наблюдений динамики показателей оптимальное значение параметра а будет также оптимальным и на другом, более широком множестве значений данного показателя. Из этого следует, что оптимальность постоянной сглаживания - явление временное.

Постоянная сглаживания, играющая ключевую роль в методе Брауна, определяя степень адаптации модели к текущим изменениям в соответствии с существующими воззрениями, лежит именно в этих пределах.

Если постоянная сглаживания принимает значение 0, это означает, что модель не адаптивна, поскольку полностью игнорирует текущую информацию, умножая ее на нулевое значение веса. Если постоянная сглаживания принимает другое крайнее значение - 1, то модель становится абсолютно адаптивной, поскольку при расчетах использует только текущую информацию, полностью игнорируя прошлую. Эти же пределы используются при автоматизированной процедуре поиска наилучшего значения постоянной сглаживания, данные алгоритмы встроены в пакеты прикладных программ для расчета краткосрочного прогнозирования по модели Брауна и в ее модификациях. На самом деле модель Брауна имеет более обширный диапазон допустимых значений постоянной сглаживания, она изменяется в пределах от 0 до 2, именно это обстоятельство и сузило область допустимых значений в 2 раза, а великолепный инструмент краткосрочного прогнозирования, каковым является метод Брауна, использует только половину своих возможностей. С открытием новых границ изменения постоянной сглаживания - "запредельного множества" чрезвычайно важным обстоятельством является то, что в этом запредельном множестве модель Брауна меняет свои свойства, она становится несколько иной, иначе реагируя на характеристики прогнозируемого ряда.

Запредельные случае метода Брауна определены границами:

В теории адаптивных систем процесс приспособления модели не только к текущим изменениям в окружении, но и к ошибкам аппроксимации самой модели называется самообучением. Таким образом, в запредельных случаях метода Брауна модель приобретает свойство самообучаться. Из этого следует, что в случаях метода Брауна, определенных границами постоянной сглаживания от 0 до 1, модель является адаптивной, а в запредельных случаях модель является самообучающейся.

В статье обоснована целесообразность использования в этих целях метода Брауна и его модификаций. Указанный метод позволяет рассчитать прогноз основных экономических показателей с интервалом в один шаг (0,1). Постоянная сглаживания, играющая ключевую роль в методе Брауна, определяя степень адаптации модели к текущим изменениям, лежит в пределах от 0 до 1.

По нашему мнению, данная методика не обеспечивает необходимой точности в расчетах. Мы считаем целесообразным использовать постоянную сглаживания, лежащую в пределах от 1 до 2, предложенную профессором С.Г. Светуньковым и в настоящее время ограниченно применяемую в практических расчетах.

Для апробации данного подхода выбрано ООО "КавМком", являющееся крупной оптовой базой, целью деятельности которой является продажа продукции ЗАО "Микояновский мясокомбинат" - одного из крупнейших производителей мясной продукции на рынке РФ.

Прогнозные значения рассчитаны для показателя "объем продаж". Имеется следующий ряд данных.

Фактические и расчетно-прогнозные показатели деятельности ООО "КавМком" при использовании рекомендуемой методики приведены в табл. 5.

На рисунке показаны результаты расчетов лучших прогнозных показателей с помощью модели Брауна. Установлено, что наилучший показатель достигается при использовании множества С.Г. Светунькова, так как дисперсия ретропрогноза в этих случаях является наименьшей. Таким образом, рассмотренная методика обеспечивает более точный прогноз, а значит, и обоснованность предпринимательских решений.

Полученные результаты используются для определения комплекса маркетинговых мероприятий, обеспечивающих достижение наилучших результатов, и поддержания конкурентоспособности предпринимательской структуры на исследуемом рынке.