مبانی نظری و پیشینه تحقیق در مورد پيش بينی و مدل های پيش بينی

مبانی نظری و پیشینه تحقیق در مورد پيش بينی و مدل های پيش بينی

تعداد صفحات : 42

فرمت : word (قابل ویرایش)

کاملترین و به روزترین در سطح اینترنت
دارای پیشینه داخلی و خارجی دارد.
دارای منابع فارسی و انگلیسی جدید
فاقد غلط املایی و نگارشی.
رفرنس دهی و پاورقی استاندارد.

پیش بینی و مدل­هاي پيش ­بيني

   تعريف پيش ­بيني

در يک تعريف کلي، فرايند پيشگويي شرايط و حوادث آينده را پيش­بيني ناميده و چکونگي انجام اين عمل را پيش­بيني کردن ناميده مي­شود (بوکوتا، 2002).

هر سازماني جهت تصميم­گيري آگاهانه بايد قادر به پيش­بيني کردن باشد. از آنجايي که پيش­بيني وقايع آينده در فرآيند تصميم­گيري در سازمان نقش عمده اي را ايفا مي کند، پيش­بيني کردن براي بسياري از سازمانها و نهادها حائز اهميت بالقوه­اي است. بنابراين بيشتر تصميمات مديريت در تمام سطوح سازمان به طور مستقيم و يا غير مستقيم به حالتي از پيش­بيني آينده بستگي دارد.

در مديريت استراتژيک، پيش­بيني شرايط عمومي اقتصاد، نوسانات قيمت و هزينه­ي تغييرات تکنولوژي، رشد بازار و امثال آن در ترسيم آينده بلند­مدت شرکت موثر است. به همين دليل است که کنترل هر فرايند، منوط به پيش­بيني رفتار دوره فرآيند در آينده است. براي مثال ممکن است که در يک دوره فرآيند دستگاهي بيش از حد معين کار کند و تعداد اقلام معيوب توليد شده افزايش يابد. بنابراين براي شناسايي به موقع اين نقص بايد از روش هاي مناسب پيش­بيني استفاده نموده و نسبت به تصحيح و يا حذف آن با توجه به شرايط موجود اقدام نمود (ريفنس، 1997).

   مدل ­هاي پيش ­بيني

ابزارهاي عيني و رياضي که براي پردازش و تجزيه و تحليل داده­ها مورد استفاده قرار مي­گيرند مدل­هاي پيش­بيني ناميده مي­شوند. به عبارت ديگر، الگويي از يک واقعيت که ساده و کوچک شده و روابط بين متغيرهاي آن واقعيت يا سيستم را نشان مي­د­هد، مدل خوانده مي­شود. بنابراين، هنگامي که متغيرهاي مورد نظر به صورتي منظم، ساده و قابل فهم در جهت اهداف پيش­بيني در کنار يکديگر قرار گرفتند و الگويي از روابط را بوجود آوردند، يک مدل پيش­بيني شکل مي­گيرد.

    سري ­هاي زماني^[1]

به روند مقادير يک متغير در طول زمان که به صورت دوره­هاي زماني با فواصل معين و يکسان تنظيم شده­اند سري زماني گفته مي­شود. در تحليل سري زماني وضعيت تغييرات يک متغير در گذشته مورد بررسي قرارگرفته و به آينده تعميم داده مي­شود. به طور کلي مدل­هايي که در تحليل سري­هاي زماني مورد استفاده قرار مي­گيرند به دو دسته مدل­هاي خطي و غير­خطي تقسيم مي­شوند.

مدل­هاي خطي مانند مدل­هاي باکس ـ جنکينز^[2] و يکنواخت سازي نمايي براي سري­هاي زماني خطي مناسب هستند، ولي در مدل­سازي سري­هاي زماني مالي و غير­خطي با مشکل مواجه مي­شوند.

مدل­هاي غير­خطي از قبيل مدل­هاي غير­کاهنده آستانه­اي، يک تابع غير­خطي خاص و از پيش تعيين شده را پيش­بيني مي­کنند. به عبارتي تابع خطي مورد استفاده در اين روش­ها مشخص است. نوع ديگر مدل­هاي غير خطي شبکه­هاي عصبي مصنوعي هستند که مي توانند هر تابعي را تخمين بزنند و فرايندهاي با رفتار ناشناخته را مدل نمايند.

سري­هاي زماني بدنبال مقادير يک صفت متغير در طول زمان هستند. مشاهدات عموما بايد در تاريخ­هاي معين يعني در فواصل زماني تقريبا ثابت به عمل آيند. مقادير يک صفت متغير ممکن است مربوط به يک لحظه زماني و يا مربوط به يک فاصله يا دوره زماني باشد. که در حالت اول سري زماني را لحظه­اي و در حالت دوم سري زماني را دوره­اي و يا فاصله­اي مي­نامند. قيمت سهام شرکت­ها در آخرين روز ماه و ماه­هاي متوالي و همچنين تعداد بهره برداري­هاي کشاورزي در سال­هاي متوالي از نوع سري­هاي زماني لحظه­اي است و حجم بازرگاني خارجي در سال­هاي متوالي و تعداد نامه­هاي پست شده در ماه­هاي متوالي و يا سال­هاي متوالي از نوع سري­هاي زماني دوره­اي يا فاصله­اي مي باشند.

مطالعه سري­هاي زماني در اکثر رشته­ها مانند جامعه شناسي، بازرگاني، زيست­شناسي، زمين­شناسي و به خصوص زمينه مسائل اقتصادي پيشرفت فراوان داشته و از نظر آمارشناسان اقتصادي نه تنها تشريح وضع فعلي درباره مسائل اقتصادي، ضروري است، بلکه پيش­بيني وضع براي آينده نزديک و دور نيز ضروري است. بديهي است هيچ پيش­بيني بدون اطلاع از گذشته نمي­تواند به عمل آيد و تهيه سري­هاي زماني به منظور تامين اطلاع و آشنايي نسبت به گذشته است.

مدل باکس ـ جنکينز^[3]

مدل باکس ـ جنکينز يا آريما^[4] عبارتست از برازاندن يک الگوي ميانگين متحرک^[5] تلفيق شده با خود­رگرسيو^[6] به مجموعه داده­ها و بدست آوردن الگوي رياضي شرطي در يک سري زماني است. يک مدل آريما سه جزء دارد (خالوزاده، 1999).

1-    خود رگرسيو

2-    ميانگين يکپارچه^[7]

3-    ميانگين متحرک