- •1. Алгоритм аналізу економічного ризику
- •2. Алгоритм графічного розв’язання задачі нелінійного програмування
- •3. Алгоритм Дарбіна-Уотсона
- •4. Алгоритм економіко-математичного моделювання
- •5. Алгоритм розв’язання м-задачі
- •6. Алгоритм симплекс-методу
- •7. Алгоритм усунення гетероскедастичності
- •8. Алгоритм утворення спряженої задачі лінійного програмування
- •9. Алгоритм Фаррара-Глобера
- •10. Системний аналіз економічного ризику
- •11. Біфуркація економічних процесів
- •12. Взаємне розташування одр і опорної прямої при графічному розв’язані задачі лп
- •13. Види економічного ризику
- •14. Визначення моделювання, його типи.
- •15. Властивості оцінок на підставі мнк
- •16. Властивості простої вибіркової лінійної регресії.
- •17. Властивості спряжених задач лп
- •18 Гетероскедастичність: причини, наслідки
- •20. Глобальні складові мат. Моделювання: роль і призначення
- •23. Двоїстий симплекс метод
- •24. Деталізувати кроки емм.
- •25. Деякі рубрики класифікації математичних моделей
- •26. Диверсифікація економічного ризику
- •27. Довірчий інтервал індивідуального значення залежної змінної
- •28. Дослідження розв’язків задачі лінійного програмування
- •29. Економіко-математичне моделювання та його етапи
- •30. Економічне тлумачення математичної моделі двоїстої задачі лп.
- •31. Економічний зміст двоїстої злп.
- •32. Економічний ризик та його види.
- •33. Елементи теорії злп.
- •34. Емерджентність: розкрити зміст, навести приклад.
- •38. Зведення задачі дробово-лінійного програмування до лінійного.
- •40. Інтервальні оцінки коефіцієнтів лінійного рівняння регресії.
- •41. Ітеративність емм.
- •42. Кваліфікаційна система ризиків
- •43.Кількісні показники ризику
- •44.Кількісні чинники ризику.
- •45. Класифікація ризику
- •46. Коеф. Детермінації: суть, обчислення, роль
- •47. Коеф. Кореляції: обчисл., тлумачення, зміст
- •48. Комплексна оцінка ек. Ризику
- •49. Концептологія емм,концепції мат.Моделювання
- •50. Крива економічного ризику.
- •51. Критерій методу найменших квадратів
- •52. Критерій Стьюдента
- •53. Критерій Фішера
- •55. Математична модель задачі лінійного програмування, її економічний зміст.
- •56. Метод Ейткена
- •57. Методи кількісних оцінок економічного ризику
- •58. Множинна лінійна регресія
- •59. Множники Лагранжа
- •60. Мультиколінеарність: причини явища, його наслідки
- •61. Обумовленість економіко-математичного моделювання
- •63. Означення моделі, її вербалізація. Типи мат. Моделей
- •64. Означення системи. Притаманні риси соц.-ек. Системи.
- •65. Основна нерівність теорії двоїстості
- •66. Основні припущення для парної лінійної регресії
- •67.Особливості побудови математичної моделі економічного явища чи процесу.
- •68.Охарактеризувати етап якісного аналізу моделі
- •69. Охарактеризувати етапи економіко-математичного моделювання
- •70. Переваги математичного моделювання як засобу пізнання
- •71. Перевірка лінійної регресійної моделі на адекватність
- •72. Передумови появи економ мат моделювання, як сучасного методу пізнання
- •73. Перша теорема двоїстої задачі лінійного програмування,її економ тлумачення
- •74. Підготовка економічної інформації для моделювання, її особливості
- •75. Подолання мультиколінеарності
- •76. Поняття соціально-економічної системи, її характеристика
- •77. Послідовність оцінки економічного ризику
- •78.Правила побудови двоїстих задач.
- •79. Практичні задачі емм.
- •80. Прийняття управлінських рішень, як сфера застосування результатів моделювання
- •81. Принципи аналізу економічного ризику.
- •82. Принципи моделювання, зокрема екон.-математичного моделювання, його причинність.
- •83. Ризик як економічна категорія.
- •84. Рівняння парної лінійної регресії.
- •85. Розв’язати задачу лінійного програмування симплекс методом
- •86. Розширена задача лінійного програмування
- •87.Складові екон-мат моделювання та взаємозв’язок між ними
- •88.Статистична побудова кривої ризику
- •90. Сутність економічного ризику та причини його появи
- •91. Сутність регресійного аналізу (економетричного моделювання)
- •92. Сутність цілочислового програмування, графічне розв’язання
- •93. Друга теорема теорії двоїстої задачі лінійного програмування
- •94. Схема перевірки гіпотез стосовно коефіцієнтів лінійного рівняння регресії.
- •95.Теорія графічного розв’язання задачі лінійного програмування
- •96.Технологія економіко-математичного моделювання
- •97.Типологія математичних моделей економічних процесів та явищ.
- •98.Тлумачення результатів моделювання.
- •100. Умови застосування класичного симплекс-методу
- •101.Умови Куна-Такера.
- •102.Управління економічним ризиком.
- •103. Форми запису задачі лінійного програмування, охарактеризувати їх.
- •104. Явище автокореляції: причини, наслідки.
- •105. Явище емерджентності.
- •106. Явище синергетики в економіці.
- •108. Якісні чинники економічного ризику.
1. Алгоритм аналізу економічного ризику
Крок1-аналіз та діагностика економічної (управлінської) ситуації, пов’язаної з певним об’єктом(проектом) і обтяженої ризиком. Визначення головних завдань, основних суперечностей (неузгодженості), домінуючих тенденцій.
Крок2-Виявлення інтересів основних учасників подій, їхнього ставлення до ризику
Крок3-Виявлення управлінських цілей, методів та засобів їх досягнення
Крок4-Аналіз основних чинників(параметрів), які впливають на прийняття рішень, розподіл їх на керовані та некеровані параметри ризику
Крок5-Здобуття інформації про можливі діапазони значень некерованих параметрів (чинників) ризику
Крок6-Генерація набору альтернативних варіантів проекта (об’єкта, способу дій)
Крок7-Виявлення пріоритетів (системних критеріїв) суб’єкта ризику щодо різних варіантів проекту (об’єкта, способу дій)
Крок8-Оцінювання згенерованих альтернативних варіантів. Вибір їх підмножини, що найкраще відповідає вимогам суб’єкта ризику
Крок9-Розробка відповідного способу дій (програми), яка була б найкращою (найбільш ефективною) з погляду переведення обтяженої ризиком ситуації у більш сприятливу.
2. Алгоритм графічного розв’язання задачі нелінійного програмування
Алгоритм графічного методу розв’язування задачі лінійного програмування складається з таких кроків:
1. Будуємо прямі, рівняння яких дістаємо заміною в обмеженнях задачі (2.18) знаків нерівностей на знаки рівностей.
2. Визначаємо півплощини, що відповідають кожному обмеженню задачі.
3. Знаходимо багатокутник розв’язків задачі лінійного програмування.
4. Будуємо вектор , що задає напрям зростання значення цільової функції задачі.
5. Будуємо пряму с1х1 + с2х2 = const, перпендикулярну до вектора .
6. Рухаючи пряму с1х1 + с2х2 = const в напрямку вектора (для задачі максимізації) або в протилежному напрямі (для задачі мінімізації), знаходимо вершину багатокутника розв’язків, де цільова функція набирає екстремального значення.
7. Визначаємо координати точки, в якій цільова функція набирає максимального (мінімального) значення, і обчислюємо екстремальне значення цільової функції в цій точці.
3. Алгоритм Дарбіна-Уотсона
Для перевірки наявності автокореляції залишків можна застосувати чотири методи, один із яких це метод Дарбіна-Уотсона. Алгоритм цього методу наступний:
Крок 1. Приймається гіпотеза r1=0 і мінімізується на основі 1МНК сума квадратів: . Отже, так само й далі обчислюються параметри для моделі .
Крок 2. Знаходяться залишки і на основі критерію Дарбіна — Уотсона перевіряється нульова гіпотеза відносно автокореляції залишків. Якщо гіпотеза відхиляється, то переходять до кроку 3.
Крок 3. На даному кроці мінімізується сума квадратів відхилень:
де і— оцінки параметрів, знайдені на першому кроці 1МНК. У результаті параметр r2 визначається як коефіцієнт регресії залишків, знайдених 1МНК, на їх лагові змінні, які стосуються минулого періоду.
Крок 4. Використовуючи значення оцінки параметра r2, визначають оцінки параметрів і на основі 1МНК, який застосовується до перетворених данихі.
Крок 5. Визначаються залишки і перевіряються на наявність автокореляції. Якщо гіпотеза про наявність автокореляції відхиляється, то ітеративний процес припиняється. У противному разі переходимо до кроку 3, де використовуються знайдені оцінки параметрів і.
Коли ітеративний процес припиняється, то виконується перевірка значущості параметрів з допомогою останньої економетричної моделі. У такому разі звичайні формули дадуть обгрунтовані оцінки дисперсій залишків.