Север и рынок. 2018, № 6.

Статистические методы построения долгосрочных прогнозов Иногда в целях формирования прогнозов на длительный период упреждения используются статистические методы. Ограничением в применении статистических моделей является то, что неопределенности при спецификации модели, оценивании параметров и самом формировании прогнозов быстро накапливаются и, следовательно, снижают достоверность любого прогноза [24]. Кроме того, модели статистического прогнозирования нацелены на то, чтобы зафиксировать взаимосвязи и паттерны в ретроспективных данных, которые в будущем могут не сохраниться, особенно в долгосрочной перспективе. Было обнаружено, что простые модели, которые придерживаются консервативного подхода к экстраполированию тенденций в будущем, лучше всего справляются с задачами долгосрочного прогнозирования. В целом, при использовании данных методов возможно получение более точных прогнозов, однако период их упреждения существенно меньше, для реализации методов необходим исходный массив релевантных данных. Данные методы не всегда способны охватить сторону качественных преобразований систем и дать им адекватную оценку. Применительно к прогнозированию освоения шельфа сложность применения данных инструментов может быть обусловлена фрагментарностью и неполнотой исходной информации, что, в конечномитоге, приведет к искажениюитоговых результатов. Экспоненциальное сглаживание затухающего тренда Экспоненциальное сглаживание затухающего тренда является одним из самых успешных методов среди экстраполяционныхмоделей. Затухающийтрендотличается от типичнойлинейной тенденции тем, что тренд для каждого прогнозируемого периода (например, за каждый год) снижается на определенную величину, отражая затухающий эффект. Было показано, что это очень правдоподобное предположение, поскольку оно хорошо отражает уменьшающиеся отдачи и силы конкуренции в долгосрочной перспективе. Кроме того, как и все экспоненциальные модели сглаживания, компоненты модели являются стохастическими, что подразумевает, что все смоделированные паттерны такие, как наклон любых трендов, обновляются моделью, чтобы соответствовать самым последним данным. Множественное временное агрегирование Идея множественного временного агрегирования состоит в моделировании временных рядов данных в укрупненном, агрегированном виде. Например, временной ряд помесячных данных можно укрупнить в виде двухмесячных, ежеквартальных, полугодовых и годовых временных рядов и рассматривать полученные ряды в совокупности. Этот способ имеет два основных преимущества: - снижается неопределенность моделирования, поскольку временной ряд рассматривается в различных видах; - он отражает различные компоненты ряда данных, которые трудно выявить при рассмотрении ряда в исходном виде, например, долгосрочные тенденции становятся явными при высоких уровнях агрегирования. Данные эффекты приводят к повышениюточности прогноза при долгосрочном прогнозировании. Опережающие индикаторы Опережающие индикаторы могут дополнять экстраполяционные статистические прогнозы или служить основой для разработки соответствующих эконометрических моделей. Такой подход хорош не только для повышения точности долгосрочных прогнозов, но и для выявления ключевых показателей, которые необходимо учитывать. Это может быть важной отправной точкой при использовании экспертных методов прогнозирования, описанных выше. При очень далеких периодах упреждения каузальные модели малоприменимы, так как большинство причинно-следственных взаимосвязей становятся либо слишком слабыми, либо сложно поддающимися оцениванию. В этом случае рекомендуется использовать экстраполяционные методы такие, как экспоненциальное сглаживание затухающего тренда и множественное временное агрегирование. Анализ возможностей применений методов прогнозирования для оценки перспектив реализации шельфовых нефтегазовых проектов в российской Арктике Очевидно, что проблема освоения морских месторождений Арктики является сложной и требует комплексного подхода. Многообразие факторов и частных показателей проектов освоения месторождений арктического шельфа обуславливает необходимость их систематизации с точки зрения влияния на перспективы их реализации. В данном направлении авторами ранее проведен ряд исследований, в результате которых заложены основы TESCIMP-методологии — инструментария, разработанного с учетом специфики добычи углеводородов в арктических условиях из шельфовых 58