15. Zasady konstrukcji macierzy przepływów strumieni handlu międzynarodowego

16. Modele logitowe I przykłady ich zastosowania w praktyce gospodarczej

1.Określamy prawdopodobieństwo z jakim dany wariant zmiennej jakościowej występował w przeszłości w zależności od występowania innych czynników

2 .Rozpatrujemy metody prognozowania zmiennych 0-1

Bujemy model opisujący oczekiwane wartości zmiennej Y

Rosnąca funkcja kombinacji liniowej zmiennych x1,xn, składnika losowego (są to zmienne objaśniające czynniki wpływające na Y)

W modelu legitowym f.F jest dystrybuantą rozkładu logistycznego.

L-logit (funkcja odwrotna do F)

Model legitowy stosuje się np. do oceny klienta w banku, który ubiega się o kredyt.

18. Zasady obliczania I wykorzystania w prognozowaniu wskaźników sezonowości

- Polega na wyznaczeniu poszczególnym fazom/ sezonom cyklu wskaźników sezonowości.

- wskaźniki sezonowości są to miary, które pokazują, w jaki sposób zmieniają się wahania w szeregu czasowym, w jaki sposób zmieniało się dane zjawisko wobec poprzednich.

i = 1,2,…,k – lata obserwacji

j = 1,2,..,m – szereg czasowy

t= 1,2,..,N – ciag numeracji okresów ; N=m*k

Metoda wyznaczania wskaźników sezonowości jest etapowa:

1 ETAP: Wyodrębnienie trendu

trend liniowy, wartości średnie na lini

2 ETAP: Eliminujemy trend z szeregu czasowego, dokonujemy tego przez podzielenie wyrazów szeregu empirycznego przez odpowiadające im wyrazy szeregu wykładniczego

Wt= Yt/Y^t > 1 np. 1,97 występuje wtedy gdy wartość rzeczywista jest większa od wartości wyrazu z szeregu wykładniczego

W t= Yt/Y^t<1 np. ),86 wystepuje wtedy, gdy wartość rzeczywista jest mniejsza od Yt

Wt – wartość wskaźnika sezonowego dla j-tej fazy każdego cyklu

Y t- wyraz szeregu empirycznego; rzeczywista wartość

Y^t – wyraz szeregu wykładniczego

3 ETAP: Grupujemy wskaźniki sezonowości Wt i wyznaczamy wskaźniki sezonowości dla poszczególnych faz

Sj= Σ Wt/ k

4 ETAP: Sumujemy wskaźniki

ΣSj = m np. jeżeli m=4, gdy kwartalne to ΣSj powinna wynosić 4

PROGNOZA:

S1 – wskaźnik sezonowości dla 1-wszej fazy cyklu

n+1 – okres prognozy

a,b – parametry funkcji trendu

19. Z integrowany model trendu I wahań sezonowych

Z1	Z2	Z3	Z4
1	0	0	0
0	1	0	0
0	0	1	0
0	0	0	1
1	0	0	0
0	1	0	0

Parametry oblicza się metodą MNK ma takie miano jak y np. zł +/-

20. Wielorównaniowe modele prognostyczne – zapis skalarny I macierzowy.

Z apis skalarny: