WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаБухгалтерський облік, Податки → Управління складним податковим об’єктом (Дипломна) - Реферат

Управління складним податковим об’єктом (Дипломна) - Реферат

інфраструктури держави.[34, с.192]
Отже, зупинимось детальніше на методах прогнозування взагалі і, зокрема, на методах прогнозування податкових надходжень.
Взагалі, прогнозування за своїм характером нерозривно пов'язано з часом - за допомогою прогнозів ми намагаємося розглядіти майбутнє в теперішній момент часу. Способи такого "зазирання" в майбутнє досить різноманітні. Тому необхідність прогнозу розвитку тієї чи іншої ситуації, майбутніх змін тих чи інших обставин ставить нас перед вибором конкретного методу прогнозування.
Цей вибір залежить від великої кількості різних факторів, наприклад від наявності даних, точності прогнозу, часу, який знадобиться на складання прогнозу, його вартості.
Чим менший проміжок часу, що відділяє теперішній момент від того, на який робиться прогноз, тим простішим і точнішим буде прогноз.[100, с.190]
Більшість методів прогнозування потребують наявності значної кількості даних і при їх відсутності просто не працюють. Інші, навпаки, розробляються при відсутності достовірної кількісної інформації. Тим самим існуючі методи прогнозування можна розбити на дві групи: суб'єктивні і основані на моделях.(мал.3.1)
Мал. 3.1 Групи методів прогнозування
Суб'єктивні (якісні, чи експертних оцінок) методи прогнозування ґрунтуються на здогадках, досвіді та інтуїції, не слідують строгим правилам і спираються звичайно на неформальні міркування експерта. Цілком можливо, що на основі ідентичної інформації дві різні людини дадуть різні суб'єктивні прогнози. Це не означає, що їх прогнози будуть неточними, але аналізувати причини, чому конкретний прогноз добрий чи поганий або зробити висновки з помилок попередніх прогнозів буде дуже важко.
Основані на моделях прогнози випливають з правил або моделей, в яких формалізовано взаємовідносини між потрібними нам змінними. В літературі з прогнозування виділяють каузальні та некаузальні моделі. Некаузальні моделі не дають пояснення механізму генерації змінних, а просто пропонують метод прогнозу за минулими значеннями. ( мал. 3.2)
Найпростішим прикладом є так звана модель "без змін". Згідно цієї моделі майбутнє значення змінної прирівнюється до її теперішнього значення. Ця модель просто екстраполює наявну ситуацію.[34, с.14-15]
Інший тип більш складних некаузальних моделей одержали загальну назву "моделі часових рядів", оскільки вони застосовуються при наявності значень змінних за значний період часу. Умовою їх використання є досить ясна і відносно стабільна тенденція в минулому. При цьому передбачається, що минуле є гарним провідником в майбутнє. Аналіз часових рядів дозволяє передбачити, що має відбутися при відсутності втручання ззовні, і значить, не може передбачити зміну тенденції.
Мал.3.2 Некаузальні моделі прогнозування
Існують такі моделі часових рядів:
" ковзне середнє;
" експоненційне згладжування;
" проектування тренду.[100, с.194]
Метод простого середнього полягає в тому, що розрахунок показника на момент часу, що прогнозується, визначається шляхом усереднення значень цього показника за декілька попередніх моментів.
Метод зваженого ковзного середнього математично записується так:
,
де xk-i - реальне значення показника в момент часу tk-i ;
N - число попередніх моментів часу, що використовуються при розрахунку;
fk - прогноз на момент часу tk ;
wk-i - питома вага, з якою використовується показник xk-i при розрахунку.[100, с.196-198]
При розрахунку методом експоненційного згладжування враховується відхилення попереднього прогнозу від реального показника, а сам розрахунок проводиться за наступною формулою:
fk = fk-i + ( xk-i - fk-I)
xk-i - реальне значення показника в момент часу tk-i ;
fk -прогноз на момент часу tk
- постійна згладжування.
Основною ідеєю методу проектування (лінійного) тренду є побудова прямої, яка найменш відхиляється від масиву точок, заданого часовим рядом.[100, с.200-203]
Ще одним різновидом складних некаузальних моделей, широко уживаних для економічного прогнозування, є одновимірна модель Бокса-Дженкінса. В цій моделі поточне значення змінної є функцією від набору її минулих значень.
Отже, головна перевага не каузальних моделей полягає в їх дешевизні та відносній простоті. У тих випадках, коли виграш від абсолютно точного прогнозу невеликий, простий та недорогий метод побудови прогнозу може бути оптимальним.
Недоліком є те, що такі моделі не показують причин зміни показників і базуються на припущенні збереження в майбутньому тенденції минулого.[34, с.15]
У випадку значних вимог до точності прогнозу і при наявності великого масиву даних використовуються каузальні моделі прогнозів, в яких величина, що прогнозується, є функцією великого числа змінних. Як правило, це потребує більших обсягів даних і суттєво більших інтелектуальних, фінансових витрат , а також більше часу, ніж застосування некаузальних моделей. Каузальні моделі намагаються пояснити поведінку системи, що розглядається, шляхом виявлення зв'язків між різними змінними.
До каузальних моделей прогнозування відносять багатофакторні регресійні методи, за допомогою яких регресійна залежність між величинами встановлюється за статистичними даними .[34, с.16]
Існує велика кількість каузальних методів прогнозування, але виділяють такі три основних методи:
" Багатофакторні регресійні методи;
" Економетричні методи;
" Комп'ютерна імітація.
Багатомірні регресійні методи прогнозування, за допомогою яких регресійна залежність між величинами встановлюється за статистичними даними, є найбільш поширеними кількісними методами прогнозування. Найпростішу уяву о регресій них моделях дає метод проектування тренду, в якому регресій на залежність встановлюється між прогнозуємим показником і однією змінною - часом.
Відправною точкою в економетричному прогнозуванні є побудова економетричних моделей. Істотна відмінність між економетричними та не каузальними моделями полягає в тому, що в основі перших лежить економічна теорія. В деяких випадках обидва типи моделей можуть бути подібними, зокрема, коли не каузальна модель належить до простих моделей часових рядів, але їх інтерпретація відмінна. Змінні включаються до моделей часових рядів тільки тому, що вони мають бажані статистичні властивості, а не з економічних міркувань. Економетричні моделі дають кількісне описання закономірностей і взаємозв'язків між економічними об'єктами і процесами і розробляються для прогнозування економіки. Типова економетрична модель являє собою систему з тисяч рівнянь, розв'язання яких потребує сучасних потужних обчислювальних засобів.
Комп'ютерна імітація. З появою сучасних обчислювальних центрів рівень складності математичних моделей, за допомогою яких можна робити правильні прогнози про динаміку процесів, суттєво зріс. З'явились моделі, здатні створювати ілюзію реальності. Імітаційні моделі є проміжною ланкою між реальністю і звичайними математичними моделями. Імітаційні моделі знаходяться на межі можливостей обчислювальної техніки.[100, с.204-206]
Взагалі, кількість методів, які застосовуються у прогнозуванні, достатньо велика - близько 200.
Loading...

 
 

Цікаве