По действующей классификации методов прогнозирования существуют интуитивные методы прогнозирования и формализованные методы.
Метод прогнозирования представляет собой последовательность действий, которые нужно совершить для получения модели прогнозирования.
Интуитивные методы прогнозирования имеют дело с суждениями и оценками экспертов. На сегодняшний день они часто применяются в маркетинге, экономике, политике, государственном управлении, так как система, поведение которой необходимо спрогнозировать, или очень сложна и не поддается математическому описанию, или очень проста и в таком описании не нуждается.
Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строят модели прогнозирования, то есть определяют такую математическую зависимость, которая позволяет вычислить будущее значение процесса, то есть сделать прогноз.
Если при прогнозировании по математической модели, мы стремимся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз, то сам прогноз может имеет большую погрешность, так как не учитывает актуальные значения и данные влияние которых сложно учесть.
Это становится особенно критично, если речь идет о принятии решений на основе прогнозирования в масштабах региона или государства.
На рисунке 2 можно увидеть пример влияния мнения эксперта на принятие решения. Написанная рекомендация прямо указывает на зависимость данных которые могут повлиять на будущее значение.
Для решения подобных проблем можно использовать комбинированные методы прогнозирования, которые улучшат точность прогноза.
Интуитивно-формализованный метод прогнозирования - это комбинированный метод, позволяющий дополнить данными экспертной оценки формализованный метод прогнозирования по модели временных рядов.
По итогу мы получаем возможность использовать статистические модели, в которых зависимость будущего значения от прошлого задается в виде некоторого уравнения (регрессионные модели, авторегрессионные модели, модель экспоненциального сглаживания, модель по выборке максимального подобия и т.д.) и дополнять их данными для получения более реалистичного прогноза.