Проблема прогнозирования и способы ее решения. Обзор методов прогнозирования

Говоря о прогнозировании, в первую очередь следует уточнить и дать точные определения различным постановкам задач прогнозирования. Еще лучше, если удастся осуществить систематическую классификацию этих задач. Наиболее характерной и полезной в ходе информационного анализа показалась книга Ханк Д.Э., Уичерн Д.У., Райтс А.Дж. «Бизнес-прогнозирование» [1]. Большая часть книги посвящена прогнозированию временных рядов. Авторы предлагают проверенную временем и опытом исследователей методику, основанную на предварительном анализе временного ряда с целью его декомпозиции на стандартные составляющие: «Тренд», «Сезонная составляющая», «Циклическая составляющая» и «Случайная составляющая».

Авторы предлагают исследователям большой перечень методов прогнозирования временного ряда , начиная от простых (так называемых, «наивных»), заканчивая довольно сложными адаптивными методами, применяемыми и в настоящее время в ответственных случаях крупными корпорациями и государственными структурами (модели Бокса-Дженкинса). О последних методах можно подробнее прочитать в книге основоположников этих методов . Впрочем, идеи Бокса и Дженкинса до сих пор привлекают интерес и фигурируют в достаточно современных источниках. Важный вопрос выявления природы временного ряда (случайный или детерминированный) решается в основном на основе анализа автокорреляции, что вызывает сомнение у некоторых исследователей.

В книге уделяется внимание и прогнозированию с использованием каузальных многомерных моделей данных с помощью метода многомерного регрессионного анализа.

Для того, чтобы прочувствовать разнообразие подходов к решению задачи прогнозирования, можно, например, ознакомиться с методом, разработанным в соавторстве с немецкими коллегами нашим отечественным исследователем Ивахненко А.Г. - методом группового учета аргументов (МГУА). Важной и существенной чертой этого метода является его «обучаемость» по отношению к постановке задачи, в частности к прогнозируемым данным. В этом смысле МГУА довольно сильно перекликается с аппаратом искусственных нейронных сетей.

Картину методов прогнозирования можно дополнить методами, использующими вероятностный подход, опирающийся на использование байесовских сетей принятия решений. Интересной и, возможно, еще недооцененной исследователями научной идеей является использование в прогнозировании теории фракталов. Этому вопросу посвящена книга виновника «фрактальной революции» - Бенуа Мандельброта. На этом завершим краткий (и неполный) обзор методов прогнозирования, подчеркнув, что в него не вошли методы, связанные с использованием элеменирв искусственного интеллекта и их сочетания. Об этом будет подробнее сказано в следующей главе.