Озабоченность низким качеством макроэкономического прогнозирования высказывалась рядом федеральных органов государственной власти. Остроту вопроса можно почувствовать хотя бы по заголовку публикации `Макропрогнозирование на кофейной гуще` в `Парламентской газете`.
Слабость традиционной технологии макроэкономических прогнозов проявляется и на уровне мировой экономики, и на уровне отдельных государств, и на уровне отраслей, корпораций, отдельных производств. Неустойчивость фондового рынка, неожиданности с ценами на нефть и курсами доллара, банкротство банков и предприятий, считавшихся вполне надежными – все это и многое другое – говорит о том, что технология макроэкономических прогнозов нуждается в серьезном совершенствовании.
Остановимся на двух принципиальных методологическом и методическом моментах разного уровня, имеющих непосредственное отношение к проблеме качества макроэкономических прогнозов.
Если подходить к проблеме макроэкономического прогнозирования не с позиции ученого экономиста и экономической науки, как это обычно делается, а с позиции управленца, то задача прогнозирования как таковая не является вполне корректной, т.к. она предполагает, что мы знаем по каким законам развивается хозяйство страны и можем в соответствии с этим знанием произвести необходимые вычисления и предсказать его состояние в будущем. Однако такой подход не учитывает, что участниками экономических отношений являются активные, рефлексивные и целеполагающие субъекты, в результате чего развитие экономики имеет нестационарный характер. Таким образом, применение традиционных методов макроэкономического прогнозирования, основанных на экономико-математических методах, может быть корректно только на достаточно коротком временном интервале, на котором поведение экономики носит квазистационарный характер. Большие погрешности в макроэкономическом прогнозировании, которые имеют место в последнее время, в значительной степени связаны с нестационарными явлениями в мировой экономике, поэтому претензии к качеству традиционного макроэкономического прогнозирования и финансовым ведомствам, видимо, справедливы лишь в той методической части, о которой будет сказано позже.
Ключевая проблема, как представляется, состоит в том, что макроэкономическое прогнозирование и бюджетное планирование строится на слабом фундаменте экономических схем и технологий, недостаточно увязанных с реальностью. В связи с этим вспоминается высказывание автора теории постиндустриального общества Гэлбрайта, который в своей книге `Экономические теории и цели общества` заметил, что экономисты в капиталистическом обществе выполняют ту же роль, что секретари парткомов в Советском Союзе. Вместо коммунистической идеологии у нас теперь господствует экономическая идеология, и как следствие, не может быть высококачественных макроэкономических прогнозов, если они строятся без учета границ применимости экономической теории и без одновременной тщательной проработки стратегии развития страны. Главные же разработчики стратегии – традиционно экономисты, в результате мы нее можем вырваться из замкнутого круга.
Аналогичную ситуацию господства оторванных от реальности экономических схем можно видеть и за рубежом. Мало кто сознает, что никакая экономическая теория не может в полной мере охватить сложное взаимодействие тысяч и тысяч факторов, действующих в реальной экономике. А когда такое осознание приходит, то слышишь: `Задача настолько сложна, что ее надо упростить и свести к одной из известных схем`. Результат можно видеть на примере нарастающего кризиса мировой финансовой системы.
Вторая принципиальная проблема повышения качества макроэкономического прогнозирования имеет методический характер.
Для анализа и обоснования ответственных экономических решений широко используются математические модели.
К сожалению, моделирование реальной экономики нередко ставит такие задачи, которые традиционная математика не решает или решает с трудом.
Примерами этих сложных задач являются:
• Неоднозначные задачи (например, достижение определенного роста ВВП – неоднозначная задача, поскольку один и тот же рост ВВП можно достичь разными способами)
• Задачи консилиума, когда надо приближенно выполнить большое число условий, точные выражения которых противоречат одно другому (например, если требуется согласовать мнения разных школ экономистов)
• Другие задачи с избыточными условиями
• Задачи интервальных расчетов, когда мы имеем дело не с точными числами, а с интервалами от… до… (здесь особую сложность представляют такие нелинейные задачи, в которых границы результирующих интервалов не являются простыми комбинациями верхних и нижних границ исходных интервалов)
• Задачи, в которых не вполне ясна иерархия причин и следствий, а также задачи, в которых отсутствует четкое деление показателей на входные и выходные
• Другие задачи с неполными условиями
• Нелинейные и несводимые к линейным задачи статистической регрессии
• Задачи, которые имеют слишком сложное математическое описание (например – совокупности логических условий, смешанные с неупорядоченными наборами линейных и нелинейных уравнений и неравенств)
• Задачи, для которых неизвестен алгоритм решения
Для решения указанных сложных задач сформирована специальная математическая технология, получившая название технологии Н-моделей, и успешно опробованная в рамках нескольких проектов Минобороны РФ, при разработке моделей промышленности Москвы, моделей социально-экономической ситуации ряда областей России, экспериментальных версий моделей экономики Республики Болгария и Республики Казахстан, и др. Н-модели оказались особенно эффективны при решении прогностических задач.
Технология Н-моделей – оригинальная отечественная разработка, относяшаяся к области программирования в ограничениях (constraint programming). С начала 90-х годов ХХ века программирование в ограничениях активно развивается в мире в качестве одного из наиболее перс¬пек¬тив¬ных направлений прикладной математики.
По сравнению с традиционными методами, Н-модели обладает следующими ключевыми преимуществами:
• Отыскиваются все совместимые с условиями задачи решения (тем самым исключена опасность упустить из виду какое-либо решение)
• Легко определяются области взаимоприемлемых компромиссов противоречивых интересов различных участников экономического процесса. (Например, монополии заинтересованы в росте своих тарифов, другие участники рынка – в их снижении, а взаимоприемлемый компромисс интересов определяет сложную по форме область тарифов, которую обычными способами описать затруднительно. Этот компромисс учитывает тарифы, потребности в прибыли для поддержания и развития производства и многие другие факторы).
• Отсутствует необходимость искать алгоритм расчета и задавать иерархию причин и следствий (традиционные методы требуют создавать алгоритм с жестко заданной иерархией причин и следствий).
• Возможно решение неоднозначных задач (результат представляется в виде интервалов, охватывающих все решения задачи).
• Допустимо любое количество факторов и любые типы зависимостей и переменных (например – смеси целочисленных и действительных переменных).
• Возможно рассмотрение переопределенных (с избыточными условиями) и недоопределенных (с неполными условиями) задач, недоступная традиционным методам.
• Обеспечена автоматическая увязка друг с другом всех рассматриваемых факторов. (При традиционном подходе требуется все процессы увязать иерархическими формулами, чтобы иметь возможность, изменив одну переменную, получить общее изменение. Эта иерархия формул, чаще всего искусственная, порождает трудности и ошибки: например, бывает сложно увязать факторы, которые взаимодействуют друг с другом опосредовано через цепь других факторов).
• Допустимо задавать желаемые значения любых рассматриваемых показателей и находить условия, необходимые для достижения этих значений.
• Легко контролировать прогнозный риск, выявлять и устранять причины чрезмерной недоопределенности.
• Объективно оценивается качества информации, используемой в расчетах.
• Обеспечено автоматическое уточнение расчетов при поступлении дополнительных данных.
• Достигается высокая эффективность и быстродействие.
• Максимальный учет потребностей Лиц, Принимающих Решения (максимум удобств исследования задачи, простота внесения в расчет дополнительных требований и ограничений и др.)
Одним из важных приложений Н-моделей является разработка финансовых планов банковской и производственной деятельности в условиях неполных и противоречивых исходных данных, описывающих макроэкономическую ситуацию. Модель позволяет шаг за шагом уточнять область плановых решений, учитывая все новые желаемые условия. В итоге мы либо получаем вариант плана, отвечающий всем введенным условиям, либо обнаружим, что такого варианта не существует. В качестве примера, на графиках рис.1 показано пошаговое сужение области плановых решений, полученных для одного из производственных предприятий России (каждому новому уточнению на графиках отвечает более узкая и более густо окрашенная область решений).
Технология Н-моделей хорошо работает даже в тех случаях, когда реализация плана влияет на используемый при планировании макроэкономический прогноз.
С помощью Н-моделей легко решаются многофакторные задачи, в том числе - плохо формализуемые. Например, учет большого числа факторов, влияющих на нефтяные цены, приводит к прогнозу рис.2.
В целом, Н-модели обеспечивают качественный скачок в технологии моделирования и существенным образом расширяют спектр решаемых задач. Возможным становится и решение таких сложных задач, с которыми `не справляется` традиционная экономическая теория.
www.viperson.ru
18.01.2009
