
- •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).
17 Предварительный анализ временных рядов: выявление аномальных наблюдений.
Основная цель статистич анализа временных рядов - изучение соотношения м/у закономерностью и случайностью, формирование уровней ряда.
Экстраполяционное прогнозирование эк процессов, представленных одномерными временными рядами, проводится по след этапам:
1)постановка задачи
2)предварительный анализ данных
3)построение моделей временных рядов
4)построение точечного и интервального прогнозов
Выявление аномальных явлений явл-ся обязательной процедурой. Для проверки существуют различные критерии.
где
расчетное
значение
сравнивается с крит знач критерия
Если оно больше критич, то соответственный уровень признается аномальным.
Аномальные наблюдения необходимо исключить из временного ряда и заменить их расчетными значениями. В качестве нового значения можно принять среднее из 2х соседних уровней или заменой на соотв уровни кривой роста, апроксимирующей данный временной ряд.
41.Адаптивные модели прогнозирования. Модель Хольта-Уитнерса.
Модификация модели Брауна с учетом линейности тренда. В основном используется для прогнозирования показателей торговли.
При прогнозировании с ярко выраженной тенденцией на повышение/понижение.
За исходную гипотезу берется представление о том, что имеется не только медленно текущий уровень, но и тенденция с медленно
развивающимся наклоном.
Была предложена модель, в которой прогноз осуществляется путем экстраполяции тенденции линейным трендом на «тау» тактов вперед.
для расчетов коэффициентов тренда используются 2 параметра сглаживания:α и β.
0<
α,β<1 определяется пользователем
и
определяют характер изменчивости
среднего и тренда.
Адаптация параметров проводится так:
;
Начальные уровни следует выбирать и как в модели Брауна, или эмпирическим путем, снижая ошибки прогностической и информационной пригодности модели.
31.Статистические показатели динамики экономических процессов, простейшие приёмы прогнозирования (планирования) от достигнутого уровня.
Анализ
интенсивности изменения во времени
осуществляется с помощью показателей,
получаемых в результате сравнения
уровней, к таким показателям
относятся: абсолютный
прирост, темп роста, темп прироста,
абсолютное значение одного процента
прироста.
Показатели
анализа динамики могут вычисляться на
постоянной и переменных базах
сравнения. При этом принято называть
сравниваемый уровень отчетным, а
уровень, с которым производится
сравнение, — базисным.
Важнейшим
статистическим показателем анализа
динамики является абсолютный
прирост (сокращение), т.е. абсолютное
изменение,характеризующее
увеличение или уменьшение уровня ряда
за определенный промежуток времени.
Абсолютный прирост с переменной
базой называют скоростью
роста.
Абсолютный
прирост Абсолютный
прирост
(цепной): (базисный):
Для
оценки интенсивности, т. е. относительного
изменения уровня динамического ряда
за какой-либо период времени исчисляют темпы
роста (снижения).
Интенсивность
изменения уровня оценивается отношением
отчетного
уровня к базисному. Показатель
интенсивности изменения уровня ряда,
выраженный в долях единицы, называется
коэффициентом роста, а в процентах -
темпом роста. Эти показатели интенсивности
изменения отличаются только единицами
измерения.
Коэффициент
роста (снижения) показывает,
во сколько раз сравниваемый уровень
больше уровня, с которым производится
сравнение (если этот коэффициент больше
единицы) или какую часть уровня, с которым
производится сравнение, составляет
сравниваемый уровень (если он меньше
единицы). Темп роста всегда представляет
собой положительное число.
Коэффициент
роста: Коэффициент
роста:
Тр = Kр*100.
Относительную оценку
скорости измерения уровня ряда в единицу
времени дают показатели темпа прироста
(сокращения).
Темп
прироста (сокращения) показывает,
на сколько процентов сравниваемый
уровень больше или меньше уровня,
принятого за базу сравнения, и вычисляется
как отношение абсолютного прироста
к абсолютному уровню, принятому за базу
сравнения
Темп прироста (сокращения) можно получить и из темпа роста, выраженного в процентах, если из него вычесть 100%.
Наивный прогноз является самой простой методикой прогнозирования. Она основывается на предположении о том, что прогнозируемое потребление будущего периода равно потреблению предшествующего периода.