68. Использование временных рядов в принятии решений. Пример.

Анализ временных рядов — совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогнозирования. Сюда относятся, в частности, методы регрессионного анализа. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется для эффективного принятия решений.

Модели временных рядов могут быть нескольких видов:

МОДЕЛИ ТРЕНДА:

,

где T(t) – это временной тренд заданного параметрического вида,

_t – случайная (стохастическая) компонента.

МОДЕЛИ СЕЗОННОСТИ:

,

где S(t) – это периодическая (сезонная) компонента;

_t – случайная (стохастическая) компонента.

МОДЕЛИ ТРЕНДА И СЕЗОННОСТИ:

– аддитивная,

– мультипликативная,

где T(t) – временной тренд заданного параметрического вида;

S(t) – периодическая компонента;

_t – случайная (стохастическая) компонента.

Примеры временных рядов

Временные ряды, как правило, возникают в результате измерения некоторого показателя. Это могут быть как показатели (характеристики) технических систем, так и показатели природных, социальных, экономических и других систем (например, погодные данные). Типичным примером временного ряда можно назвать биржевой курс, при анализе которого пытаются определить основное направление развития (тенденцию или тренда).

69. Использование систем одновременных уравнений в принятии решений. Пример.

Системы одновременных уравнений. Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых, может кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы.

Пример. Модель спроса и предложения

Пусть - спрос на товар в момент времени t.

- предложение на товар в момент времени t.

- цена товара в момент времени t.

- доход в момент времени t.

.

Цена товара и спрос на товар определяются из уравнений модели, т.е. являются эндогенными переменными, а доход Y_t и Q_t-1 (цена в предыдущий момент времени) – это предопределенные переменные.

70. Высокие эконометрические технологии и их возможности для принятия решений.

Высокие статистические технологии и эконометрика – неотъемлемая часть любой современной системы поддержки принятия решений. 

Статистический анализ конкретных экономических данных, как правило, включает в себя целый ряд процедур и алгоритмов, выполняемых последовательно, параллельно или по более сложной схеме.

Процедура статистического анализа данных – это информационный технологический процесс, другими словами, та или иная информационная технология.

В настоящее время об автоматизации всего процесса эконометрического (статистического) анализа данных говорить было бы несерьезно, поскольку имеется слишком много нерешенных проблем, вызывающих дискуссии среди специалистов.

"Высокие", как и в других областях, означает, что технология опирается на современные достижения теории и практики, в частности, теории вероятностей и прикладной математической статистики. Высокие статистические технологии - плоды недавних серьезных научных исследований. Здесь два ключевых понятия - "молодость" технологии и опора на "высокую науку". Весь арсенал используемых в настоящее время эконометрических и статистических методов можно распределить по трем потокам:

• высокие

• классические

• низкие эконометрические (статистические)  технологии.

Основная современная проблема эконометрики состоит в обеспечении того, чтобы в конкретных эконометрических и статистических исследованиях использовались только технологии первых двух типов. При этом под классическими эконометрическими технологиями понимаем технологии почтенного возраста, сохранившие свое значение для современной статистической практики. Таковы метод наименьших квадратов, статистики Колмогорова, Смирнова, омега-квадрат и многие другие эконометрические (статистические) процедуры.

Как ускорить внедрение "высоких эконометрических (статистических) технологий"? Конечно, необходима демонстрация квалифицированного применения высоких статистических технологий. Но, очевидно, самое основное - это обучение.

Эконометрика (как учебный предмет) призвана вооружить экономиста, менеджера, инженера современным эконометрическим инструментарием, разработанным за последние 50-70 лет. Не владея эконометрикой, отечественный специалист — менеджер и инженер — оказывается неконкурентоспособным по сравнению с зарубежным.

Может возникнуть естественный вопрос: зачем нужны высокие эконометрические технологии, разве недостаточно обычных статистических методов? Специалисты по эконометрике справедливо считают и доказывают своими теоретическими и прикладными работами, что совершенно недостаточно.

Высокие эконометрические технологии вполне актуальны и вполне очевидно, что специалисты по контроллингу должны быть вооружены современными средствами информационной поддержки, в том числе высокими статистическими технологиями и эконометрикой.