Адаптивные модели и методы прогнозирования имеют механизм автоматической настройки на изменение исследуемого показателя. Инструментом прогноза является модель, первоначальная оценка параметров которой производится по нескольким первым наблюдениям. На ее основе делается ретроспективный прогноз, который сравнивается с фактическими наблюдениями. Далее модель корректируется в соответствии с величиной ошибки прогноза и вновь используется для ретроспективного прогнозирования следующего уровня, вплоть до исчерпания последнего наблюдения. В итоге модель впитывает новую информацию, приспосабливается к ней и к концу периода наблюдения отражает тенденцию, сложившуюся на текущий момент времени. Прогноз получается как экстраполяция последней тенденции, которая более полно учитывает сезонные и малые циклические колебания динамического ряда.
При построении регрессионных моделей динамических рядов необходимо учитывать и то, что результативный и факторный признаки изменяются не синхронно, а с некоторым временным лагом. Чтобы учесть это обстоятельство при прогнозировании результатов деятельности, применяют регрессионные модели с распределенным лагом, которые позволяют установить, как быстро реагирует исследуемый результативный показатель на изменение соответствующего фактора. Механизм данной модели основан на смещении исходной информации по факторному признаку на 1,2,..., п периодов динамического ряда относительно значений результативного признака, в результате чего устанавливается, через какой период времени проявляется воздействие данного фактора на исследуемый показатель. Поэтому регрессионные модели с распределенным лагом обеспечивают более точный прогноз развития событий.
