21. Статистические методы прогнозирования спроса

21. Статистические методы прогнозирования спроса

Инструмент

«Есть три вида лжи: ложь, наглая ложь и статистика». Эти широко известное едкое высказывание приписывают американскому писателю Марку Твену. Может быть, так оно и есть, но при прогнозировании спроса статистические инструменты могут оказаться для вас полезными. Основными (и самыми простыми из них) являются следующие:

• прогноз трендов;

• регрессионный анализ;

• способ барометрического измерения высот (NBER).

Эта книга не предназначена для рассмотрения теории статистики, и поэтому указанные инструменты описываются здесь очень кратко.

Как пользоваться этим инструментом

Прогноз трендов

Он предусматривает проведение на графике линии, которая ближе всего проходит от нанесенных точек. Этот процесс выполняется в следующей последовательности:

• получите значение рыночного спроса для каждого года;

• используйте логарифмический график, где на оси абсцисс (х) указывайте временные параметры, а на оси ординат (у) – значение спроса;

• проведите линию, которая визуально лучше всего соответствует нанесенным точкам;

• измерьте градиент этой линии, который будет эквивалентен среднегодовым темпам роста спроса (в процентах за год).

Для определения совокупного темпа роста можно воспользоваться альтернативным методом – скользящими средними (см. инструмент 18). При применении любого варианта вы получите аналогичные результаты, которые можно считать оценочным значением рыночного роста в прошлом.

При выполнении следующего шага, определении трендов, следует проявлять большую осторожность. Если вы продолжите нарисованную вами линию и посмотрите, на каких высотах она пересекается с проекциями будущих годов, отложенных на оси х, у вас появится совокупность значений рыночного спроса для ряда будущих лет, но как прогнозные они будут бесполезны, так как получены на основе допущения, что будущий спрос будет определяться теми же самыми факторами, которые действовали и в прошлом. Однако на практике такое редко случается. Гораздо лучше пользоваться этим подходом только для определения значений рыночного роста в прошлом, а для прогнозирования лучше прибегнуть к методу HOOF (см. инструмент 17), который специально разработан так, чтобы учесть реалии, связанные с изменениями факторов, влияющих на спрос.

Когда следует проявлять осторожность

Регрессионный анализ

Имеется статистический инструмент, который поможет вам понять, как рыночный спрос, зависимая переменная, будет варьироваться при изменении любой независимой переменной, например ВНП или объема инженерной продукции. Вот последовательность его применения (см. рис. 21.1).

• Получите значение рыночного спроса для каждого года.

• Задайте независимую переменную, например значение ВНП за каждый год.

• Используйте логарифмический график, где на оси абсцисс (х) укажите значения ВНП, а на оси ординат (у) – значение спроса.

• Проведите линию, которая визуально лучше всего соответствует нанесенным точкам (линейная регрессия).

• Измерьте градиент этой линии (m) и высоту ее пересечения (с) с осью у, когда х = 0; здесь зависимость между спросом и ВНП будет представлена в виде стандартного уравнения y = mx + c.

Рис. 21.1. Регрессионный анализ

Опять же при использовании регрессионного анализа для прогнозирования необходимо действовать осторожно. Зависимость, наблюдавшаяся в прошлом, вовсе не обязательно сохранится в будущем, когда более важную роль могут играть другие факторы. Как и с прогнозированием тренда, гораздо безопаснее использовать регрессионный анализ для определения прошлой зависимости, хотя по своей природе он является чисто статистическим приемом и не показывает причинной зависимости, а для прогнозирования можно воспользоваться подходом HOOF.

Способ барометрического измерения высот (NBER)

Этот прогнозный подход был разработан в американском Национальном бюро экономических исследований. Он может быть использован для прогнозирования рыночного спроса и применяется в следующей последовательности.

• Задайте набор экономических индикаторов, влияющих на спрос на вашем рынке.

• Преобразуйте каждый индикатор во временную серию соответствующих индексных значений.

• Укажите весовое значение каждого индикатора с учетом силы его влияния на рыночный спрос.

• Составьте сводный индекс.

• Покажите значения этого составного индекса в прошлом в сопоставлении с индексом прошлого спроса на вашем рынке.

• Спрогнозируйте значение составного индекса.

• Выведите прогнозное значение спроса на вашем рынке.

Барометрический метод также позволяет учесть и временную составляющую. Индикаторы в этом случае можно классифицировать следующим образом.

• Опережающие: те, которые меняются раньше других (например, сначала идут новые заказы, а продажи следуют за ними).

• Совпадающие: те, которые варьируются одновременно с изменениями экономической активности.

• Запаздывающие: те, которые варьируются с некоторой временной задержкой (например, краткосрочные кредиты, объем которых меняется после изменения процентной ставки).

Барометрический метод является более точным методом, чем прогнозирование тренда или регрессионный анализ, и имеет некоторые сильные стороны, присущие подходу HOOF. Однако в сравнении с последним у него есть некоторые недостатки.

• Отдельные люди сталкиваются с трудностями при понимании алгебраических расчетов, не говоря уже о присвоении весовых коэффициентов, задержках в их получении и комбинациях таких коэффициентов.

• Многие факторы нельзя напрямую перевести в индексы, например степень осведомленности людей или их увлечения.

Когда следует пользоваться данным инструментом

Прибегайте к статистическим методам, когда вы полагаете, что подход HOOF для прогнозирования рыночного спроса окажется более эффективным благодаря использованию более надежных показателей, что особенно проявляется при вычислении прошлых темпов роста.

Когда следует проявлять осторожность

Как уже говорилось, осторожно прибегайте к допущениям, если они не являются в полной мере обоснованными, в частности, к тому, что тренды, регрессии или барометрические данные, наблюдавшиеся в прошлом, сохранятся и в будущем. Может быть, вам придется объединить выбранные вами статистические методы с подходом HOOF.