- •4. Основные группы прогнозов. Основные принципы прогнозирования.
- •9.Временные ряды и их структура
- •14.Автокорреляция во временных рядах. Автокорреляционная функция.
- •19.Аналитические методы выявления неслучайной составляющей временного ряда. Модели кривых роста.
- •Методы механического сглаживания временных рядов. Метод простой скользящей средней.
- •34.Тренд-сезонные экономические процессы. Итерационные методы фильтрации
- •39.Адаптивные модели прогнозирования. Модель Брауна. (первый способ построения)
- •1 Способ строения модели Брауна
- •44.Модели и методы авторегресии. Ар-модели
- •49.Макроэкономические модели в прогнозировании.
- •Построение модели временного ряда
- •30. Билет. Процедура прогнозирования с использованием кривых роста, этапы и наиболее часто используемые кривые роста. Построение точечных и интервальных прогнозов.
- •35.Тренд-сезонные экономические процессы. Метод Четверикова.
- •40.Билет.Адаптивные модели прогнозирования. Модель Брауна. (второй способ построения)
- •45.Билет.Модели и методы авторегресии. Арma-модели.
- •1.Сущность социально-экономического прогнозирования, его предмет, объекты и основные формы предвидения
- •Интуитивные методы прогнозирования.
- •11.Требования, предъявляемые к исходной информации при моделировании экономических процессов на основе временных рядов.
- •Тренд. Критерии проверки наличия тренда во временном ряду, основанные на построении серий.
- •26.Методы механического сглаживания временных рядов. Метод эксполяционного сглаживания.
- •17 Предварительный анализ временных рядов: выявление аномальных наблюдений.
- •41.Адаптивные модели прогнозирования. Модель Хольта-Уитнерса.
- •31.Статистические показатели динамики экономических процессов, простейшие приёмы прогнозирования (планирования) от достигнутого уровня.
- •46. Модели и методы авторегресии. Арima-модели.
- •3. Типология прогнозов. Система социально-экономического прогнозирования
- •8. Экономико-математические, факторные и структурные модели в прогнозировании.
- •13. Количественные характеристики развития экономических процессов.
- •18. Методы выявления аномальных наблюдений. Метод Ирвина.
- •23. Методы выявления тенденции во временном ряду. Метод проверки разности средних уровней. Реализация в в ms Excel.
- •28. Оценка адекватности моделей. Критерий проверки
- •33. Тренд-сезонные экономические процессы и их анализ. Методы фильтрации компонент
- •38. Построение аддитивной модели тренд-сезонного экономического процесса.
- •48. Технология разработки прогнозов на пэвм с использованием специальных программ статистической обработки данных (ms Excel).
11.Требования, предъявляемые к исходной информации при моделировании экономических процессов на основе временных рядов.
Временным рядом называется ряд наблюдений за значениями некоторого показателя (признака), упорядоченный в хронологической последовательности, т.е. в порядке возрастания переменной t- временного параметра. Отдельные наблюдения временного ряда называются уровнями этого ряда.
1. Сопоставимость
достигается в результате одинаковым подходом к наблюдениям на разных этапах формирования ряда динамики. Одни и те же единицы измерения, одинаковый шаг наблюдений, один и тот же интервал времени, одна и та же методика, одни и те же элементы, относящиеся к неизменной совокупности.
2. Однородность данных – отсутствие сильных изломов тенденций, а также аномальных наблюдений.
3. Представительность данных хар-ся их полнотой. Число наблюдений должно быть достаточным для поставленной задачи. Например, при изучении сезонных колебаний на базе месячных или квартальных данных желательно иметь информацию не менее, чем за 3 года. Временные ряды не должны иметь пропущенные наблюдения. Пропуски могут объясняться как недостатками при сборе информации, так и происходившими изменениями в системе отчетности, в системе фиксирования данных.
4. Устойчивость – преобладание закономерности над случайностью.
16.Этапы разработки прогноза с использованием статистических методов.
Процесс прогнозирования, опирающийся на статистические методы, распадается на два этапа. Первый, индуктивный, заключается в обобщении данных, наблюдаемых за более или менее продолжительный период времени, и в представлении соответствующих статистических закономерностей в виде модели. Статистическую модель получают или в виде аналитически выраженной тенденции развития, или же в виде уравнения зависимости от одного или нескольких факторов-аргументов. В ряде случаев – при изучении сложных комплексов экономических показателей – прибегают к разработке так называемых взаимозависимых систем уравнений, состоящих в основном опять-таки из уравнений, характеризующих статистические зависимости. Процесс построения и применения статистической модели для прогнозирования, какой бы вид последняя не имела, обязательно включает выбор формы уравнения, описывающего динамику или взаимосвязь явлений, и оценивание его параметров с помощью того или иного метода. Второй этап, собственно прогноз, является дедуктивным. На этом этапе на основе найденных статистических закономерностей определяют ожидаемое значение прогнозируемого признака.