Prognoziranje je neophodno u različitim situacijama: odluka da li da se izgradi još jedna elektrana u narednih 5 godina zahteva prognozu budućih potreba; raspored operatera u call centru za narednu nedelju zahteva prognozu broja poziva; pravljenje zaliha zahteva prognozu potreba zaliha. Prognoziranje može da se vrši za vremenski period od nekoliko godina (u slučaju kapitalnih investicija), ili za nekoliko minuta (rutiranje u telekomunikacijama). Kakvi god da su uslovi prognoziranje predstavlja bitnu pomoć za efektivno i efikasno planiranje. U savremenim uslovima razvoja su, u skoro svim područjima, zastupljeni egzaktni oblici istraživanja zasnovani na matematičkim relacijama koje pružaju odgovore na relativno veliki broj teorijskih i praktičnih pitanja. Na primer, rad mnogih električnih uređaja se može precizno opisati sistemom diferencijalnih jednačina, a na osnovu njihovog matematičkog rešenja utvrditi karakteristike i režim rada. Međutim, između tehničko-tehnoloških i ekonomskih sistema postoje bitne razlike, koje onemogućuju direktno preuzimanje rezultata i iskustava stečenih upravljanjem tehničko-tehnološkim sistemima. Ipak, ova iskustva su dovoljna da deo tih rezultata, uz neophodna prilagođavanja, posluže kao baza korišćenju matematičkih modela za analizu i donošenje odluka o ekonomskim sistemima.

Matematička rešenja su relevantna za sagledavanje stvarnih tendencija kretanja samo u meri u kojoj pretpostavke uključene u model zaista odražavaju stvarne odnose u privredi. To ukazuje na značaj empirijskih istraživanja u ekonomiji - kao sredstva spoznaje stvarnih odnosa između pojedinih varijabli i pretpostavki koje ulaze u teorijske modele. Postoji granica preko koje se, pri korišćenju matematičkih modela u ekonomiji, ne može preći, zato što se određeni ekonomski procesi ne mogu kvantifikovati ili su neki faktori, koji će delovati u budućnosti, van domašaja sistematskog kvantitativnog istraživanja ili pak zato što unošenje parametara preko određene veličine može obezvrediti sam model. Empirijska istraživanja se ne mogu vršiti nezavisno od postojeće teorijske osnove - kao orijentacije istraživanja. Teorijska sagledavanja usmeravaju na ekonomske varijable koje treba meriti, kako ih meriti i na koji način kvantifikovati njihovu empirijsku povezanost.

U nekim slučajevima je prognoziranje lakše. Na primer, vreme izlaska sunca za sledeće jutro može da se prognozira veoma precizno. Suprotno tome, sutrašnji brojevi loto izvlačenja ne mogu da budu prognozirani sa bilo kojom tačnošću. Predvidivost događaja ili količina zavise od nekoliko faktora:

  • koliko dobro razumemo faktore koji im doprinose;
  • kakvi su podaci dostupni;
  • da li prognoze utiču na ono što pokušavamo da prognoziramo.

Na primer, prognoza potreba električne energije može biti veoma precizna jer su sva tri uslova zadovoljena. Svi faktori koji učestvuju u prognozi su nam dobro poznati: potreba za električnom energijom većinom zavisi od spoljne temperature, sa manjim varijacijama u slučaju godišnjih odmora i praznika, i od ekonomskih uslova. Kada postoji dovoljno istorijskih podataka o potrebama električne energije i o vremenskim uslovima i kada imamo dovoljno veština za razvoj dobrog modela povezivanjem potreba električne energije i ključnih varijabli, prognoza može da bude izuzetno precizna.

Sa druge strane, prilikom prognoziranja kretanja kursa, samo je jedan uslov zadovoljen: postoji dosta istorijskih podataka. Razumevanje faktora koji utiču na kretanje kursa je dosta ograničeno i prognoza kretanja kursa ima direktan uticaj na sam kurs. Ako bi postojala sigurna prognoza koja bi bila objavljena da će kurs porasti, ljudi bi odmah prilagodili cene i prognoza bi se automatski ispunila. U izvesnom smislu kretanje kursa postaje sopstvena prognoza. Ovo je primer hipoteze efikasnog tržišta.

Često je u prognoziranju ključni korak prepoznavanje da li nešto može da se prognozira precizno. Dobra prognoza sadrži originalne obrasce (paterne) i veze koje postoje u istorijskim podacima, ali i ne ponavlja prošle događaje koji se više neće ponoviti.

Pogrešna je pretpostavka da prognoza nije moguća u okruženjima koja se menjaju. Svako okruženje je promenljivo i dobar model prepoznaje način na koji se te promene dešavaju. Prognoza retko pretpostavlja da je okruženje nepromenljivo. Uglavnom je pretpostavka način na koji će promene nastaviti da se menjaju u budućnosti. Dobar model nastoji da prepozna način na koji se promene dešavaju, a ne samo trenutno stanje.

Metode prognoziranja mogu da budu veoma jednostavne, kao što je korišćenje najnovijih observacija (naivni metod), i veoma kompleksne kao što su neuronske mreže i ekonometrijski sistemi linearnih jednačina. Ponekad podaci nisu uopšte dostupni. Na primer, želimo da prognoziramo prodaju novog proizvoda u prvoj godini. U ovakvim situacijama koristi se vrednosno predviđanje (judgemental forecasting). Izbor metode zavisi od raspoloživosti podataka i predvidivosti količine koja se prognozira.

Vrh strane