Income modelling of enterprises on the basic of vector prediction

Abstract

В статье предложен новый подход к моделированию доходов предприятий, основанный на методах векторного прогнозирования. Существующие подходы к моделированию доходов базируются на использовании традиционных методов прогнозирования показателей экономической динамики, таких как средний абсолютный прирост и средний темп роста. Традиционным методам свойственна количественная неточность и сильно приближенный характер прогнозов. Авторами предложена экономико- математическая модель задачи планирования доходов предприятий на год вперед поквартально. Для прогнозирования доходов использованы два метода векторного прогнозирования (метод ортогональных разностей и мультипликативный метод Хольта- Уинтерса). Данная модель позволяет получить прогноз на несколько шагов вперед одновременно. В отдельности каждый из методов не учитывает многообразия рассматриваемого процесса. Только в совокупности методы позволяют учитывать и слом тенденции, и сезонный характер доходов, тем самым обеспечивая необходимую устойчивость и надежность прогноза. Для обобщения двух прогнозов находится их линейная комбинация, при этом выбор весовых коэффициентов осуществляется на основе точности частных прогнозов. Точность этих частных прогнозов определяется как величина, обратно пропорциональная средней относительной ошибке прогноза. This paper proposes a new approach to income modelling of enterprises, based on the vector prediction methods. Existing approaches to the income modelling are based on the use of traditional methods of economic dynamics prediction such as the average absolute increase and average growth rate. Quantitative inaccuracy and highly approximate nature of predictions are inherent for traditional methods. The authors propose the economicmathematical model for the enterprise income planning for a year ahead on a quarterly basis. For revenue prediction two methods of vector prediction are used (the method of orthogonal di erences and multiplicative Holt Winters' method). This model provides prediction for a few steps forward at the same time. Individually, each of these methods doesn't take into account the diversity of the process. Only in conjunction the methods allow to take into account the demolition of trends and seasonal nature of income, thus providing the necessary stability of the prediction. To summarize two predictions their linear combination is calculated, the choice of weighting coe cients being based on the accuracy of private predictions. The accuracy of the private prediction is de ned as the average relative error of the forecast.