В процессе финансового прогнозирования для расчета финансовых показателей используются такие специфические методы, как математическое моделирование, эконометрическое прогнозирование, экспертные оценки, построение трендов.
Математическое моделирование включает в себя использование модели линейного программирования в процессах принятия оптимальных решений, транспортной модели, сетевой модели и сетевых моделей.
Эконометрическое прогнозирование основано на принципах экономической теории и статистики: расчет показателей прогноза осуществляется на основе статистических оценочных коэффициентов при одной или нескольких экономических переменных, выступающих в качестве прогнозных факторов; позволяет рассмотреть одновременное изменение нескольких переменных, влияющих на показатели финансового прогноза. Эконометрические модели описывают с определенной степенью вероятности динамику показателей в зависимости от изменения факторов, влияющих на финансовые процессы. При построении эконометрических моделей используется математический аппарат регрессионного анализа, который дает количественные оценки усредненных взаимосвязей и пропорций, сложившихся в экономике в течение базисного периода. Для получения наиболее надежных результатов экономико-математические методы дополняются экспертными оценками. Среди эконометрических моделей прогнозирования выделяют: модели «ядра» экономической системы; модели экономического поведения, ориентированного на будущие ожидания; модели векторной авторегрессии; регрессионные модели одного уравнения; модели динамической оптимизации. Абсолютное большинство центральных банков создает т.н. модели ядра. Под «ядром» подразумевают такую часть системы, без которой любая выделившаяся подсистема или группа подсистем не может существовать более эффективно, или полностью самостоятельно. Модели «ядра» характеризуют ключевые макроэкономические взаимосвязи «ядра» национальной экономики. Они используются для среднесрочного прогнозирования. Их структура состоит из 30 - 50 стохастических уравнений и 100-200 переменных. В ходе моделирования на долгосрочную перспективу ряд переменных принимается за константу. К постоянным величинам обычно относят занятость, реальный валютный курс и т.д. Затем вводится несколько механизмов, связывающих уравнения кратко- и долгосрочных периодов. Модели ядра нередко не выдают точного прогноза, особенно, если речь идет о краткосрочном периоде. Однако, когда горизонт прогнозирования уточняется, трудно найти лучшую замену моделям ядра. При принятии решений эффективность использования модели ядра зависит, главным образом, от характеристик анализируемых сценариев денежно-кредитной политики. Модели экономического поведения, ориентированного на будущие ожидания часто называют «моделями центральных банков». В анализе ключевое место занимает некая переменная, характеризующая ожидания экономических агентов касательно дальнейшего изменения ситуации. Чаще всего центральной переменной выступает ожидаемая будущая инфляция (или ВВП). Исходя из ожидаемого значения будущей инфляции центральный банк в данный момент времени стремится минимизировать ожидаемые потери общества. Таким образом, поведение как денежных властей, так и частного сектора, определяется прогнозом ключевой переменной. Простейшая модель с ориентацией на будущие ожидания состоит из двух уравнений. В первом уравнении текущая инфляция зависит от прошлой и ожидаемой инфляции, текущего ВВП и случайного шока, влияющего на цены. Во втором уравнении текущий ВВП определяется переменными прошлого и ожидаемого ВВП, ожидаемой инфляции, текущей номинальной процентной ставки и случайного шока, сказывающегося на производстве. Модель векторной авторегрессии (VAR-модели) широко используются приверженцами атеоретического подхода. Первоначально модель использовалась для изучения таких специфически вопросов, как роль различных денежных агрегатов в прогнозировании инфляции и экономического роста. Она представляет собой систему уравнений, в которой значение каждой последующей переменной определяется предыдущими значениями не только этой, но и других переменных. Фактически модель описывает математическое ожидание будущего значения переменной как линейную функцию от текущих и прошлых значений ряда переменных. Например, VAR-модель может содержать три переменные: инфляция, производство и денежная масса. В такой модели текущая инфляция зависит от предыдущих значений переменных инфляции, производства и денежной массы; текущее производство и денежная масса определяются теми же самыми переменными прошлого. В отличие от структурных моделей, VAR-модели не объясняют, почему тот или иной показатель является важным с экономической точки зрения. Регрессионная модель одного уравнения. Типичным примером такой модели для открытой экономики является модель Филипса, учитывающая связи между валютным курсом и условиями внешней торговли (или ценами на ключевые товары). По сравнению с другими моделями регрессионная модель одного уравнения обладает прикладными преимуществами. Во-первых, она имеет простую и понятную структуру. Во-вторых, ее легко использовать в прогнозных расчетах. Модель динамической оптимизации – это модель, которая в противоположность статической модели (характеризующей состояние системы в определенный момент времени) описывает экономику в развитии. Модель является динамической, если как минимум одна ее переменная относится к периоду времени, отличному от времени, к которому отнесены другие переменные. Иными словами, динамическая модель содержит лагированные эндогенные переменные.
Метод экспертных оценок предполагает обобщение и математическую обработку оценок специалистов-экспертов по определенному вопросу. Эффективность этого метода зависит от профессионализма и компетентности экспертов. Такое прогнозирование может быть достаточно точным, однако экспертные оценки носят субъективный характер, зависят от «ощущений» эксперта и не всегда поддаются рациональному объяснению. Выделяют две группы методов экспертных оценок: методы индивидуальных и коллективных экспертных оценок. Методы индивидуальных экспертных оценок имеют несколько разновидностей: метод интервью, аналитический метод, метод выборочных обследований, метод анкетирования, метод написания сценария и др. При методе интервью осуществляется непосредственный контакт эксперта со специалистом, при аналитическом методе проводится логический анализ какой-либо прогнозируемой ситуации, составляются докладные записки. Метод выборочных обследований дает возможность получать обширную и оперативную информацию об уровне жизни различных групп населения. При методе написания сценария определяется логика процесса или явления во времени при различных условиях. Под сценарием понимают описание возможной последовательности событий, связывающих настоящее и будущее. Для объективного прогноза необходимо иметь несколько сценариев развития событий (оптимистический, пессимистический и средний). Средний сценарий является наиболее вероятным или ожидаемым. Методы коллективных экспертных оценок имеют следующие разновидности: метод комиссий, метод Дельфи, метод коллективной генерации идей («мозговая атака»), метод дерева целей и др.
Трендовый метод, предполагающий зависимость некоторых групп доходов и расходов лишь от фактора времени, исходит из постоянных темпов изменений (тренд постоянных темпов роста) или постоянных абсолютных изменений (линейный временной тренд). Недостатком данного метода является игнорирование экономических, демографических и других факторов. Статистические наблюдения в социально-экономических исследованиях обычно проводятся регулярно через равные отрезки времени и представляются в виде временных рядов xt, где t = 1, 2, ..., п. В качестве инструмента статистического прогнозирования временных рядов служат трендовые регрессионные модели, параметры которых оцениваются по имеющейся статистической базе, а затем основные тенденции (тренды) экстраполируются на заданный интервал времени. Методология статистического прогнозирования предполагает построение и испытание многих моделей для каждого временного ряда, их сравнение на основе статистических критериев и отбор наилучших из них для прогнозирования. При моделировании сезонных явлений в статистических исследованиях различают два типа колебаний: мультипликативные и аддитивные. В мультипликативном случае размах сезонных колебаний изменяется во времени пропорционально уровню тренда и отражается в статистической модели множителем. При аддитивной сезонности предполагается, что амплитуда сезонных отклонений постоянна и не зависит от уровня тренда, а сами колебания представлены в модели слагаемым. Основой большинства методов прогнозирования является экстраполяция, связанная с распространением закономерностей, связей и соотношений, действующих в изучаемом периоде, за его пределы, или – в более широком смысле слова – это получение представлений о будущем на основе информации, относящейся к прошлому и настоящему. Наиболее известны и широко применяются трендовые и адаптивные методы прогнозирования. Среди последних можно выделить такие, как методы авторегрессии, скользящего среднего (Бокса-Дженкинса и адаптивной фильтрации), методы экспоненциального сглаживания (Хольта, Брауна и экспоненциальной средней) и др.
Прогнозы дают возможность рассмотреть различные варианты развития финансов, например, при благоприятных, усредненных и наихудших сценариях развития экономики, субъекта хозяйствования, конъюнктуры рынка и т.п. Финансовые прогнозы могут быть краткосрочными (до 1 года), среднесрочными (от 3 до 5 лет) и долгосрочными (свыше 5 лет). Финансовое прогнозирование осуществляется на трех уровнях экономики: общегосударственном, территориальном, хозяйствующих субъектов.
На общегосударственном уровне производятся расчеты, с помощью которых формируются финансовые ресурсы страны, определяются направления их развития, составляется сводный финансовый баланс государства (баланс финансовых ресурсов государства).
Баланс финансовых ресурсов представляет собой баланс всех доходов и расходов Российской Федерации, субъектов Российской Федерации, муниципальных образований и хозяйствующих субъектов на определенной территории. Баланс финансовых ресурсов составляется на основе отчетного баланса финансовых ресурсов за предыдущий год в соответствии с прогнозом социально-экономического развития соответствующей территории и является основой для составления проекта бюджета. Финансовое прогнозирование на уровне субъектов Российской Федерации и муниципальных образований проводится аналогично финансовому прогнозированию на общегосударственном уровне.
Финансовое прогнозирование на уровне хозяйствующих субъектов представляет собой составную часть финансового менеджмента. Оно состоит в разработке путей развития предприятия; определения объема финансовых ресурсов в перспективе, источников их формирования и путей наиболее эффективного использования; формирование финансовой стратегии, обеспечивающей предприятию устойчивое финансовое положение, платежеспособность и кредитоспособность.
Математическое моделирование включает в себя использование модели линейного программирования в процессах принятия оптимальных решений, транспортной модели, сетевой модели и сетевых моделей.
Эконометрическое прогнозирование основано на принципах экономической теории и статистики: расчет показателей прогноза осуществляется на основе статистических оценочных коэффициентов при одной или нескольких экономических переменных, выступающих в качестве прогнозных факторов; позволяет рассмотреть одновременное изменение нескольких переменных, влияющих на показатели финансового прогноза. Эконометрические модели описывают с определенной степенью вероятности динамику показателей в зависимости от изменения факторов, влияющих на финансовые процессы. При построении эконометрических моделей используется математический аппарат регрессионного анализа, который дает количественные оценки усредненных взаимосвязей и пропорций, сложившихся в экономике в течение базисного периода. Для получения наиболее надежных результатов экономико-математические методы дополняются экспертными оценками. Среди эконометрических моделей прогнозирования выделяют: модели «ядра» экономической системы; модели экономического поведения, ориентированного на будущие ожидания; модели векторной авторегрессии; регрессионные модели одного уравнения; модели динамической оптимизации. Абсолютное большинство центральных банков создает т.н. модели ядра. Под «ядром» подразумевают такую часть системы, без которой любая выделившаяся подсистема или группа подсистем не может существовать более эффективно, или полностью самостоятельно. Модели «ядра» характеризуют ключевые макроэкономические взаимосвязи «ядра» национальной экономики. Они используются для среднесрочного прогнозирования. Их структура состоит из 30 - 50 стохастических уравнений и 100-200 переменных. В ходе моделирования на долгосрочную перспективу ряд переменных принимается за константу. К постоянным величинам обычно относят занятость, реальный валютный курс и т.д. Затем вводится несколько механизмов, связывающих уравнения кратко- и долгосрочных периодов. Модели ядра нередко не выдают точного прогноза, особенно, если речь идет о краткосрочном периоде. Однако, когда горизонт прогнозирования уточняется, трудно найти лучшую замену моделям ядра. При принятии решений эффективность использования модели ядра зависит, главным образом, от характеристик анализируемых сценариев денежно-кредитной политики. Модели экономического поведения, ориентированного на будущие ожидания часто называют «моделями центральных банков». В анализе ключевое место занимает некая переменная, характеризующая ожидания экономических агентов касательно дальнейшего изменения ситуации. Чаще всего центральной переменной выступает ожидаемая будущая инфляция (или ВВП). Исходя из ожидаемого значения будущей инфляции центральный банк в данный момент времени стремится минимизировать ожидаемые потери общества. Таким образом, поведение как денежных властей, так и частного сектора, определяется прогнозом ключевой переменной. Простейшая модель с ориентацией на будущие ожидания состоит из двух уравнений. В первом уравнении текущая инфляция зависит от прошлой и ожидаемой инфляции, текущего ВВП и случайного шока, влияющего на цены. Во втором уравнении текущий ВВП определяется переменными прошлого и ожидаемого ВВП, ожидаемой инфляции, текущей номинальной процентной ставки и случайного шока, сказывающегося на производстве. Модель векторной авторегрессии (VAR-модели) широко используются приверженцами атеоретического подхода. Первоначально модель использовалась для изучения таких специфически вопросов, как роль различных денежных агрегатов в прогнозировании инфляции и экономического роста. Она представляет собой систему уравнений, в которой значение каждой последующей переменной определяется предыдущими значениями не только этой, но и других переменных. Фактически модель описывает математическое ожидание будущего значения переменной как линейную функцию от текущих и прошлых значений ряда переменных. Например, VAR-модель может содержать три переменные: инфляция, производство и денежная масса. В такой модели текущая инфляция зависит от предыдущих значений переменных инфляции, производства и денежной массы; текущее производство и денежная масса определяются теми же самыми переменными прошлого. В отличие от структурных моделей, VAR-модели не объясняют, почему тот или иной показатель является важным с экономической точки зрения. Регрессионная модель одного уравнения. Типичным примером такой модели для открытой экономики является модель Филипса, учитывающая связи между валютным курсом и условиями внешней торговли (или ценами на ключевые товары). По сравнению с другими моделями регрессионная модель одного уравнения обладает прикладными преимуществами. Во-первых, она имеет простую и понятную структуру. Во-вторых, ее легко использовать в прогнозных расчетах. Модель динамической оптимизации – это модель, которая в противоположность статической модели (характеризующей состояние системы в определенный момент времени) описывает экономику в развитии. Модель является динамической, если как минимум одна ее переменная относится к периоду времени, отличному от времени, к которому отнесены другие переменные. Иными словами, динамическая модель содержит лагированные эндогенные переменные.
Метод экспертных оценок предполагает обобщение и математическую обработку оценок специалистов-экспертов по определенному вопросу. Эффективность этого метода зависит от профессионализма и компетентности экспертов. Такое прогнозирование может быть достаточно точным, однако экспертные оценки носят субъективный характер, зависят от «ощущений» эксперта и не всегда поддаются рациональному объяснению. Выделяют две группы методов экспертных оценок: методы индивидуальных и коллективных экспертных оценок. Методы индивидуальных экспертных оценок имеют несколько разновидностей: метод интервью, аналитический метод, метод выборочных обследований, метод анкетирования, метод написания сценария и др. При методе интервью осуществляется непосредственный контакт эксперта со специалистом, при аналитическом методе проводится логический анализ какой-либо прогнозируемой ситуации, составляются докладные записки. Метод выборочных обследований дает возможность получать обширную и оперативную информацию об уровне жизни различных групп населения. При методе написания сценария определяется логика процесса или явления во времени при различных условиях. Под сценарием понимают описание возможной последовательности событий, связывающих настоящее и будущее. Для объективного прогноза необходимо иметь несколько сценариев развития событий (оптимистический, пессимистический и средний). Средний сценарий является наиболее вероятным или ожидаемым. Методы коллективных экспертных оценок имеют следующие разновидности: метод комиссий, метод Дельфи, метод коллективной генерации идей («мозговая атака»), метод дерева целей и др.
Трендовый метод, предполагающий зависимость некоторых групп доходов и расходов лишь от фактора времени, исходит из постоянных темпов изменений (тренд постоянных темпов роста) или постоянных абсолютных изменений (линейный временной тренд). Недостатком данного метода является игнорирование экономических, демографических и других факторов. Статистические наблюдения в социально-экономических исследованиях обычно проводятся регулярно через равные отрезки времени и представляются в виде временных рядов xt, где t = 1, 2, ..., п. В качестве инструмента статистического прогнозирования временных рядов служат трендовые регрессионные модели, параметры которых оцениваются по имеющейся статистической базе, а затем основные тенденции (тренды) экстраполируются на заданный интервал времени. Методология статистического прогнозирования предполагает построение и испытание многих моделей для каждого временного ряда, их сравнение на основе статистических критериев и отбор наилучших из них для прогнозирования. При моделировании сезонных явлений в статистических исследованиях различают два типа колебаний: мультипликативные и аддитивные. В мультипликативном случае размах сезонных колебаний изменяется во времени пропорционально уровню тренда и отражается в статистической модели множителем. При аддитивной сезонности предполагается, что амплитуда сезонных отклонений постоянна и не зависит от уровня тренда, а сами колебания представлены в модели слагаемым. Основой большинства методов прогнозирования является экстраполяция, связанная с распространением закономерностей, связей и соотношений, действующих в изучаемом периоде, за его пределы, или – в более широком смысле слова – это получение представлений о будущем на основе информации, относящейся к прошлому и настоящему. Наиболее известны и широко применяются трендовые и адаптивные методы прогнозирования. Среди последних можно выделить такие, как методы авторегрессии, скользящего среднего (Бокса-Дженкинса и адаптивной фильтрации), методы экспоненциального сглаживания (Хольта, Брауна и экспоненциальной средней) и др.
Прогнозы дают возможность рассмотреть различные варианты развития финансов, например, при благоприятных, усредненных и наихудших сценариях развития экономики, субъекта хозяйствования, конъюнктуры рынка и т.п. Финансовые прогнозы могут быть краткосрочными (до 1 года), среднесрочными (от 3 до 5 лет) и долгосрочными (свыше 5 лет). Финансовое прогнозирование осуществляется на трех уровнях экономики: общегосударственном, территориальном, хозяйствующих субъектов.
На общегосударственном уровне производятся расчеты, с помощью которых формируются финансовые ресурсы страны, определяются направления их развития, составляется сводный финансовый баланс государства (баланс финансовых ресурсов государства).
Баланс финансовых ресурсов представляет собой баланс всех доходов и расходов Российской Федерации, субъектов Российской Федерации, муниципальных образований и хозяйствующих субъектов на определенной территории. Баланс финансовых ресурсов составляется на основе отчетного баланса финансовых ресурсов за предыдущий год в соответствии с прогнозом социально-экономического развития соответствующей территории и является основой для составления проекта бюджета. Финансовое прогнозирование на уровне субъектов Российской Федерации и муниципальных образований проводится аналогично финансовому прогнозированию на общегосударственном уровне.
Финансовое прогнозирование на уровне хозяйствующих субъектов представляет собой составную часть финансового менеджмента. Оно состоит в разработке путей развития предприятия; определения объема финансовых ресурсов в перспективе, источников их формирования и путей наиболее эффективного использования; формирование финансовой стратегии, обеспечивающей предприятию устойчивое финансовое положение, платежеспособность и кредитоспособность.