Стр. 49 - Социально-экономическое прогнозирование

СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ
47
Приведенные выше причины обусловливают предпочтение, отдаваемое
исследователями в области социально-экономического прогнозирования
параметрическим методам спектрального анализа, которые способны получить
состоятельную оценку СПМ по относительно короткой дискретной временной
выборке, на которой процесс либо является стационарным, либо его можно
сделать стационарным, удалив линейный тренд, например, с помощью метода
наименьших квадратов. Среди всего многообразия параметрических методов
спектрального оценивания наибольшего внимания заслуживает метод
максимальной энтропии, впервые предложенный Джоном Бергом в 1967 г.
Основная идея метода максимальной энтропии (ММЭ) состоит в выборе
такого спектра, который соответствует наиболее случайному (наименее
предсказуемому) временному ряду, чья корреляционная функция совпадает с
заданной последовательностью оцененных величин. Это условие эквивалентно
предсказанию вида корреляционной функции наблюдаемого временного ряда
путем максимизации энтропии процесса в теоретико-информационном смысле.
Анализ по ММЭ обеспечивает значительное повышение разрешающей
способности спектральной оценки. Оценка СПМ по ММЭ имеет такую же
аналитическую форму, как и оценка, получаемая с помощью
авторегрессионной модели порядка p с входным белым шумом ε (n).
Сделанные специалистами выводы в целом характерны для всего класса
новых методов, но с одной существенной оговоркой: эти методы весьма
чувствительны к априорным данным и ограничениям решаемых задач. Поэтому
в каждом конкретном случае применение новых методов анализа нуждается в
серьезном предварительном обосновании. Проблема переходит в качественно
иную плоскость: для каждой конкретной решаемой задачи должен быть выбран
наиболее подходящий метод из числа известных, конкурирующих друг с другом
методов.
2.5. Инновационные методы
Наряду с традиционными методами прогнозирования сегодня бурно
развивается теория искусственных нейронных сетей, которая хорошо
зарекомендовала себя в области управления, там, где необходимо применение
человеческого интеллекта, в частности при решении задач прогнозирования.
Применение технологии началось сравнительно недавно, хотя сама идея
использовать структуру, сходную по организации с мозгом, возникла давно.
Невостребованность технологии была связана с высокими требованиями к
вычислительным ресурсам. Более детально история данного вопроса описана в
соответствующей литературе [16].
Сегодня нейронные сети активно используются для предсказания
рыночной динамики, оценки риска невозврата кредитов, оценки стоимости
недвижимости, выявления пере- и недооцененных компаний и т.д.