- •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).
9.Временные ряды и их структура
Совокупность наблюдений некоторого явления упорядоченное в зависимсти от последовательности значений другого явления называют динамическим рядом.Динамические ряды у которых в качестве признака упорядоченности используется время назвают-временными.
Одномерным временным рядом-хронологическая послед-ть значений какого либо показателя характеризующего изучаемого св-ва экономического объекта.
{уt}:y1,y2,…,yn t-время
Изменение показателей производится через равноотстоящие моменты времени.Сами эти значения{уt}-уравнями временного ряда,кол-во этих элементов-длинной временного ряда.
Процесс развития соц.-эконом.явления-динамикой.
Классификация временных рядов:
1)По способу упорядоченности показателей по времени. В зависимости от характера изучаемого явления уровни рядов динамики могут относиться или к определенным датам (моментам) времени, или к отдельным периодам. В соответствии с этим ряды динамики подразделяются на моментные и интервальные. Моментные ряды динамики отображают состояние изучаемых явлений на определенные даты (моменты) времени. Примером моментного ряда динамики является следующая информация о списочной численности работников магазина в
2) По форме представления уровней. Могут быть построены также ряды динамики, уровни которых представляют собой относительные и средние величины. Они также могут быть либо моментными, либо интервальными.
3)По признаку:неприрывно длит.ряды и дискретные.
Способы представления временных рядов:1)простые статистич.таблицы.2)наглядно графическая интерпритация(график,диаграмма,гистограмма)
Структура временных рядов:
В общем случае временной ряд можно разделить на составляющие его компоненты:
1. Основная компонента это тренд. f(t)
2. Следующая компонента – сезонная. S(t)
3. Циклическая компонента-C(t)
4. Нерегулярная (случайная) компонента. E(t)
Компоненты отражают законномерность и случайность развития показателей.
тренд f(t)-(долговременная тенденция)представляет с собой устойчивую законномерность наблюдаемого в течение длительного периода времени.
сезонная.S(t)-она связана с наличием факторов действующих заранее известной переодичностью-регулярное колебание которое носит периодический характер.
Циклическая компонента-C(t)-(конъюнтурная)-неслучайная функция описывающая длит.периоды,относительно периода и спада,обусловлены действием долговременных циклов экономической космической природы.
Нерегулярная (случайная) компонента. E(t)-она отражает воздействие многочисленных факторов случайного характера.И яв-ся обезательной частью любого временн.года в экономике(соц). E(t)-ряд остатков.
14.Автокорреляция во временных рядах. Автокорреляционная функция.
Автокорреляция — статистическая взаимосвязь между случайными величинами из одного ряда, но взятых со сдвигом, например, для случайного процесса — со сдвигом по времени. Корреляционную зависимость между последовательными уровнями ряда динамики называют автокорреляцией уровней ряда.
Для выявления трендовой, циклической компонент можно использовать коэффициент автокорреляции уровней ряда и автокорреляционную функцию. Автокорреляционная функция — это последовательность коэффициентов автокорреляции уровней первого, второго и последующих порядков. Соответственно график зависимости значений автокорреляционной функции от величины лага (порядка коэффициента автокорреляции) — коррелограмма. Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, а следовательно, и лаг, при котором связь между текущим и предыдущими уровнями ряда наиболее тесна.Число периодов по которым рассчитиывается коэффицент автокорреляции наз-ся лагом. Если наиболее высоким оказался коэффициент автокорреляции первого порядка, то исследуемый ряд содержит основную тенденцию, или тренд, и, скорее всего, только ее. Если ситуация иная, когда наиболее высоким оказался коэффициент корреляции некоторого отличного от единицы порядка, то ряд содержит циклические компоненты (циклические колебания) с периодом моментов времени. Наконец, если ни один из коэффициентов корреляции не является значимым, то достаточно правдоподобны следующие две гипотезы. Либо ряд не содержит ни тренда, ни циклических компонентов, так что его структура носит флуктуационный (резко случайный) характер. Либо имеется сильная нелинейная тенденция, обнаружение которой требует дополнительных специальных исследований.