INCREASE IN ONE-DIMENSIONAL FORECASTING APROACH ADAPTABILITY

This article shows temporary ranks forecasting techniques analysis and process complexity reasons. It is done on the example of key resource and productive indicators of Kursk region agricultural industry. This example shows how to turn regression temporary row model into adaptive model. Aggregated forecasts feasibility with one year anticipation period is studied. For research purposes cost indicators are not used. Temporary row length is limited to 2000-2014 periods. Resource and productive condition forecast of Kursk region agricultural industry for 2015 is executed. Forecast values are compared with actually reached. The choice of regression models is carried out taking into account time series analysis. Regression models are checked for adequacy. Reliability assessment of the developed forecast is given. Application possibilities of dot and interval forecasts are shown. Formal and forecast extrapolation differences are described. The most often found forecasting errors on temporary ranks through specific examples are analyzed. Structure dynamic ranks analysis for indicators with high oscillation is made, autocorrelation coefficients are calculated. Stationary dynamic series forecasting possibilities are shown. Forecasting possibility of complex indicators through functional dependence on first order factors is described. Transition feasibility from forecasting on long temporary lines to forecasting on short temporary ranks in case of their turn is proved. Adaptive modeling possibilities on dynamic ranks without pronounced trend are shown. In particular, exponential smoothing method is applied. Application of aggregated forecast possibility for increase purpose in their reliability is proved. Conclusion about quantitative complex feasibility use and research high-quality methods in the course of forecasting on temporary ranks is done. Developed economic technique value of one-dimensional forecasting method adaptability increase is proved.

прогнозирование, сельское хозяйство, временные ряды, экстраполяция, тренд, регрессия, агрегированный прогноз, автокорреляция, forecasting, agricultural industry, temporary ranks, extrapolation, trend, regression, aggregated forecast, autocorrelation

1. Мамаев К.Л., Тутубалин П.И. Прогнозирование будущих отчетных периодов на основе временных рядов // XXII Туполевские чтения. - СПб.: ООО «Издательство Фолиант», 2015. - С. 246 - 249.

2. Мазуров М.Е. О прогнозировании финансовых временных рядов с помощью метода самоорганизованной критичности // Экономика, статистика и информатика. - 2014. - №3. - С. 153-157.

3. Мусина И.Р. Проектирование системы краткосрочного прогнозирования временных рядов // Известия Кыргызского государственного технического университета им. И. Раззакова. - 2014. - №32-1. - С. 46-51.

4. Поршнев С.В., Рабайа Ф. Исследование особенностей применения метода сингулярного спектрального анализа в задаче анализа и прогнозирования временных рядов. - Ульяновск: Зебра, 2016. - 167 с.

5. Барбышева Г.И. Прогнозирование и планирование развития отрасли // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. - 2015. - №4 (17). - С. 74-81.

6. Барбышева Г.И. Методика прогнозирования развития производительных сил в региональном АПК // Актуальные проблемы и инновационная деятельность в агропромышленном производстве. - Курск, 2015. - С. 204-208.

7. Темиров А.А. Прогнозирование временных рядов урожайности сельскохозяйственных культур методом клеточных автоматов // Друкеровский вестник. - 2016. - №3 (11). - С. 189-201.

8. Нарыжная Н.Ю. Основные подходы и требования к прогнозированию временных рядов динамики экономических показателей развития региона // Психология. Экономика. Право. - 2014. - №3. - С.64-71.

9. Воронкова Т.В. Применение временных рядов для прогнозирования экономических показателей // Проблемы и перспективы социально-экономического развития регионов. - Киров: ООО «Радуга-ПРЕСС», 2015. - С. 100-102.

10. Эконометрические модели для прогнозирования социально-экономиче-ских показателей развития региона (на материалах республики Дагестан) / З.Н. Исмиханов, Н.М. Умаргаджиева, М.А. Магомедова, Л.А. Нурмагомедова // Фундаментальные исследования. - 2015. - №12. - С. 785-789.

11. Жданова Н.А. Прогнозирование себестоимости зерна с помощью анализ временных рядов // Роль статистики в принятии управленческих решений. - Курган: КГСХА им. Т.С. Мальцева, 2012. - С. 74-78.

12. Петрушин В.Н., Дроздов С.А., Рытиков Г.О. Выявление периодичности и прогнозирование временных рядов в экономике // Электронный журнал Cloud of Science. - 2015. - Т.2.- №.2. - С. 247-262.

13. Сазонов В.Г. Прогнозирование и планирование в условиях рынка. - Владивосток: Издательство Дальневосточного государственного университета, Тихоокеанский институт дистанционного образования и технологий, 2001. - 149 с.

14. Курышева С.В., Парик И.Ю., Боченина М.В. Анализ временных рядов и прогнозирование. - СПб.: Изд-во СПбГЭУ, 2014. - 98с.

15. Колесов Д.Н., Котов Н.В., Федоренко А.С. Совместный учет статистической и экспертной информации при прогнозировании современных рядов экономических показателей // Вестник Санкт-Петербургского университета. - 2007. - Сер.5 Вып.3. - С. 93-101.

16. Пьяных А.А. Анализ применения комбинированных моделей при краткосрочном прогнозировании временных рядов // Журнал Сибирского федерального университета. Серия: Техника и Технологии. - 2014. - Т.7. -№3. - С. 359-363.

17. Прогнозирование и планирование в условиях рынка / Т.Н. Бабич, И.А. Козьева, Ю.В. Вертакова, Э.Н. Кузьбожев. - М.: Инфра-М, 2013. - 336 с.

18. Вертакова Ю.В., Козьева И.А., Положенцева Ю.С. Социально-экономическое прогнозирование. - Курск, 2013. - 196 с.

19. Золотарев С.В., Вертакова Ю.В., Козьева И.А. Совершенствование технологии измерения и прогнозирования устойчивого развития региона. - Воронеж: Научная книга, 2011. - 125 с.