- •1. Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
- •2. Опишіть особливості, принципи математичного моделювання
- •3. Поясніть необхідність використання нелінійних математичних моделей
- •4. Розкрийте сутність економічних спостережень і вимірів
- •5. Чим пояснюється наявність випадковості і невизначеності економічного розвитку
- •9. Охарактеризуйте економіку як складну систему з внутрішньо притаманним ризиком
- •6. Наведіть основні елементи класифікації економіко-математичних моделей
- •7. Опишіть основні етапи економіко-математичного моделювання
- •8. Які завдання вирішуються при перевірці адекватності моделей?
- •10. Опишіть системні властивості економічних рішень
- •14. Наведіть форми запису моделей лінійного програмування в розгорнутому, скороченому та векторно-матричному вигляді.
- •11. Сутність оптимізаційних моделей. Приклади економічних задач математичного програмування.
- •12. Класифікація задач математичного програмування
- •13. Загальна математична модель лінійного програмування. Приклади економічних задач лп.
- •16. Означення планів задачі лінійного програмування (допустимий, опорний, оптимальний).
- •26. Опишіть суть аналізу обмежень дефіцитних і недефіцитних ресурсів.
- •15. Властивості розв’язків задачі лінійного програмування. Геометрична інтерпретація задач лінійного програмування.
- •19. Знаходження розв’язку задачі лінійного програмування. Алгоритм симплексного методу.
- •17. Побудова опорного плану задачі лінійного програмування, перехід до іншого опорного плану.
- •17. (Продовження)
- •20. Суть симплексного методу із штучним базисом. Ознака оптимальності плану із штучним базисом. Відмінність від класичного методу.
- •18. Суть теореми про оптимальність розв’язку задачі лінійного програмування симплекс-методом.
- •22. Правила побудови двоїстої задачі. Симетричні й несиметричні двоїсті задачі.
- •21. Економічна інтерпретація прямої та двоїстої задач лінійного програмування
- •25. Сутність аналізу розв’язків лінійних економіко-математичних моделей. Оцінка рентабельності продукції. Доцільність введення нової продукції.
- •23. Теореми двоїстості. Економічна інтерпретація першої та другої теорем двоїстості.
- •24. Приклад застосування теорем двоїстості в розв’язуванні задач лінійного програмування.
- •27. Опишіть суть аналізу коефіцієнтів цільової функції задач лінійного програмування.
- •28. Постановка транспортної задачі. Опис алгоритму одного із методів рішення задач транспортної задачі.
- •29. Сутність цілочислове програмування. Область застосування цілочислових задач в плануванні й управлінні виробництвом.
- •30. Геометрична інтерпретація задачі цілочислового програмування.
- •35. Геометрична інтерпретація задач нелінійного програмування.
- •31. Сутність методу Гоморі.
- •32. Економічна і математична постановка задачі дробово-лінійного програмування
- •33. Геометрична інтерпретація задачі дробово-лінійного програмування
- •34. Економічна і математична постановка задачі нелінійного програмування.
- •36. Суть умовного та безумовного екстремуму функції.
- •37. Опишіть суть методу множників Лагранжа.
- •38. Необхідні умови існування сідлової точки
- •39. Опишіть сутність теореми Куна-Таккера.
- •40. Опишіть сутність опуклого програмування
- •41. Постановка задачі квадратичного програмування та її математична модель.
- •42. Градієнтні методи розв’язання задач нелінійного програмування та їх класифікація.
- •43. Загальний вигляд теоретичного та емпіричного рівнянь парної лінійної регресії, їх складові елементи.
- •44. Причини, які спонукають появу випадкової складової ε в регресійних моделях.
- •45. Опишіть поняття специфікації та основні етапи побудови економетричної моделі.
- •47. Характерстики та статистичні властивості емпіричних параметрів оцінок β0*, β1*.
- •46. Параметри моделі парної лінійної регресії, їх сутність та оцінювання. Умови застосування мнк.
- •48. Суть і обчислення коваріаційної матриці оцінок параметрів моделі
- •49. Описати алгоритм побудови довірчих інтервалів із заданою надійністю для параметрів β0,β1 і функції регресії Використання розподілу Стьюдента.
- •50. Побудова точкового та інтервального прогнозу залежної змінної в моделі парної лінійної регресії.
- •51. Описати алгоритм перевірки на статистичну значущість β1.
- •52. Коефіцієнт детермінації r2: формули для обчислення та сутність.
- •53. Теоретична та статистична лінійна множинна модель та їх запис у векторно-матричній формі.
- •54. Умови Гаусса-Маркова для парної та множинної лінійної регресії.
- •55. Напишіть та поясніть формулу у матричному вигляді визначення коефіцієнтів регресії в моделі множинної лінійної регресії?
- •56. Як виявити ознаку мультиколінеарності в лінійних моделях? в якому випадку: , , ?
- •57. Суть та наслідки мультиколінеарності. Методи усунення з моделі ознаки мультиколінеарності.
- •58. Опишіть алгоритм Фаррара–Глобера дослідження наявності мультиколінеарності. Що характеризують критерії χ2, f, t ?
- •59. Поняття виробничої функції. Виробнича функція Кобба-Дугласа. Визначення для неї .
- •60. Суть гетероскедастичності. Які негативні наслідки викликає ознака гетероскедастичності в лінійних моделях?
- •61. Перерахуйте основні методи визначення гетероскедастичності. Вкажіть основні відмінності між ними.
- •62. В чому полягає суть тесту Гельдфельда-Квандта? Послідовність його виконання?
- •63. Особливості матриці s та суть гіпотез залежності пропорційності залишків до зміни поряснювальної.
- •64. Узагальнений метод найменших квадратів Ейткена. Особливості та алгоритм.
- •65. Особливості застосування критерію μ у визначеності гетероскедастичності.
- •66. Модель лінійної регресії з автокорельованими збуренями. Наслідки автокорельованості на оцінки мнк.
- •67. Основи використання критерію Дарбіна – Уотсона для визначення автокорельованості
- •68. Дайте основні визначення економічного ризику
- •69. Вкажіть основні кроки процедури аналізу ризику
- •70. Дайте характеристику основних чинників ризику
- •71. Наведіть основні типи та види ризиків. Дайте їм характеристики
- •72. Наведіть основні відмінності методу аналогій та чутливості у кількісному аналізі ризику
- •73. Дайте характеристику основних кроків аналiзу ризику методами iмiтацiйного моделювання
- •74. Охарактеризуйте п’ять спрощених ситуацій прийняття рішення. Поясніть приклад однієї із них графічно.
- •75. Охарактеризуйте зони ризику збитків на графічному прикладі функції щільності розподілу ймовірності збитків
- •76. Охарактреризуйте ймовірність як один з підходів до оцінки ризику
- •78. Поясніть основні відмінності методів оц-ня ризику як величини очікуваної невдачі та методу зваженого середньогеометричного значення економічного показника
- •77. Охарактеризуйте інгредієнт економічного показника ризику, основні відмінності м-дів абсолютному вираження та спрощеного оцінювання ризику. Наведіть приклад.
- •79. Дисперсія та середньоквадратичне відхилення як міра ризику. Наведіть приклад
- •80. Семіваріація та семіквадратичне відхилення як міра ризику. Наведіть приклад
- •82. Поняття премії за ризик. Наведіть графічний приклад
- •83. Опишіть поняття схильності – несхильності до ризику.
- •Сутність моделювання. Сформулюйте поняття «модель» та «метод моделювання», поясніть відмінності даних понять.
73. Дайте характеристику основних кроків аналiзу ризику методами iмiтацiйного моделювання
Перший крок аналiзу полягає у формуваннi моделi об’єкта (проекту), що розглядається.
Другий крок здiйснюється з метою визначення ключових аргументiв (чинникiв ризику), зокрема, застосовуючи метод аналiзу чутливостi (вразливостi). Аналiз вразливостi застосований щодо ряду чинникiв, якi входять в нашу модель, не бере до уваги те, наскiльки реалiстичними (ймовiрними) є тi чи iншi випадковi коливання (значення) чинника ризику (аргумента). Для того щоб данi, одержанi в процесi аналiзу вразливостi, мали сенс, у тест аналiзу має бути вмонтована концепцiя впливу невизначеностi, пов’язаної з чинниками, що аналiзуються, а також можливість використання цього аналiзу для вибору чинникiв пiдвищеного ризику.
Третiй крок: визначити можливi iнтервали вiдхилень прогнозованих значень параметрiв (чинникiв ризику) вiд очiкуваних (найбiльш iмовiрних). Доречно використовувати математичнi (статистичнi) оцiнки якостi прогнозiв.
Четвертий крок полягає у визначеннi розподiлу ймовірності випадкових (імовірних) значень аргументiв (чинникiв ризику). Використовується iнформацiя, яка вiдображає множиннiсть значень випадкових змiнних (чинникiв), що входять у математичну модель i вiдображають значення вiдповiдних величин у майбутньому (стан економiчного середовища) i їхній розподiл.
П’ятий крок: виявлення взамоєзалежностi, яка може iснувати мiж ключовими аргументами (чинниками ризику).
Шостий крок полягає у здiйсненні власне генерацiї випадкових сценарiїв, які ґрунтуються на системi прийнятих гiпотез щодо чинникiв ризику згiдно з обраною моделлю на кроцi 1.
Сьомий крок. Пiсля серiї «прогонiв» можна одержати відносні частоти для підсумкового показника (ефективностi, чистої тепе¬рiшньої вартостi проекту, норми доходу тощо). Результати можуть бути подані у вигляді дискретного чи неперервного закону розподiлу результуючого показника як випадкової величини. Після цього перевiрка гiпотез щодо виду закону розподiлу, обчислюються числовi характеристики результуючого показника (сподівана величина показника, варiацiя (дисперсiя), семиварiацiя, асиметрiя, ексцес тощо).
74. Охарактеризуйте п’ять спрощених ситуацій прийняття рішення. Поясніть приклад однієї із них графічно.
Ситуація 1. Для проекту, що досліджується F(x) = 0 = F(a) і при цьому а 0 (рис).
Оскільки ЧПВ проекту набуває лише додатних значень, то ймовірність від’ємних значень ЧПВ Р(Х < 0) = F(0) – F(– ∞) = 0, а тому є сенс прийняти цей проект.
Ситуація 2. Для досліджуваного проекту F(x) = 1= F(b) і при цьому b 0 Оскільки ЧПВ проекту набуває лише від’ємних значень, то ймовірність додатних значень ЧПВ дорівнює
Р(Х 0) = F(+ ) – F(0) = 1 – 1 = 0,
а тому є сенс ухилитись від цього проекту.
Ситуація 3. Найбільше значення функції розподілу ймовірності ЧПВ знаходиться праворуч точки, у якій ЧПВ = 0; а найменше — ліворуч, тобто а 0; b 0 Тоді ймовірність від’ємних значень ЧПВ становить Р(Х < 0) = = F(0) — F(a) = p – 0 = p > 0, ймовірність додатних значень ЧПВ Р(Х 0) = F(b) – F(0) = 1 – p = q > 0.
Отже, p > 0, q > 0, тобто існує імовірність того, що ЧПВ проекту може виявитись як додатною, так і від’ємною величиною. А тому рішення в цьому випадку залежить від схильності (несхильності) суб’єкта прийняття рішень до ризику, що вимагає додаткових гіпотез (припущень) чи додаткової інформації.
Ситуація 4. Графіки функцій розподілу ймовірності ЧПВ двох альтернативних (взаємовиключаючих) проектів А (випадкова величина Х) та В (випадкова величина Y) не перетинаються, і ЧПВ набувають лише додатних значень (рис. 2.6). Прийнято вважати [1], що в даній ситуації доцільно віддати перевагу тому проектові, у якому мода розташована дещо більш праворуч. Але, якщо використати дисперсію, коефіцієнт варіації, коефіцієнт асиметрії чи коефіцієнт ексцесу, то, залежно від значень цих величин, можна прийти й до протилежного рішення.
Ситуація 5. Графіки функцій розподілу ймовірності ЧПВ двох альтернативних проектів А та В перетинаються і ЧПВ набувають лише додатних значень (рис. 2.8).
У цій ситуації, навіть коли сподівані значення ЧПВ проектів А та В збігаються суб’єкти (інвестори), схильні дo ризику, можуть обрати проект А, де з певною ймовірністю можуть реалізуватися кращі (більші за величиною) значення ЧПВ. Обережні інвестори, навпаки, можуть зупинитися на альтернативі В. Все залежить від виду функцій щільності розподілу ймовірностей fA(x) та fB(x), та від таких числових характеристик, як, скажімо, семiваріація, коефіцієнти асиметрії та ексцесу.