3.Методи прогнозування часових рядів: методи соціально-економічного прогнозування.

Прогноз – це науково-обгрунтоване судження стосовно можливих станів об’єктів майбутнього, альтернативні шляхи і терміни їх здійснення. Має випадковий характер, але, оскільки він будується на підставі науково-обгрунтованих уявлень про стан і розв’язок об’єкта, здійснення його є в надані ймовірності.

Прогноз оцінюється як очікуваний ймовірний стан об’єкта в майбутньому.

Процес розроблення прогнозів наз прогнозуванням.

Необхідність прогнозувати розвиток тієї чи іншої ситуації, майбутніх змін тих чи інших обставин ставлять дослідників перед проблемою вибору конкретного методу прогнозування.

Методи соціально-економічного прогнозування:

5. Кількісні методи:

   • Каузальні: багатомірні регресійні моделі; економетричні моделі; комп’ютерна імітація. Застосовуються в тих випадках, коли шуканий стан залежить не тільки від часу, а й від багатьох змінних.

   • Аналіз часових рядів: оснований на припущенні у відповідності з яким, те. Що відбулося в минулому, дає гарне наближення в оцінці майбутнього, і є способом виявлення тенденцій минулого та їх продовження в майбутнє.

6. Якісні методи.

Білет №3

1. Етапи економіко-математичного моделювання

Процес побудови економіко-математичних моделей загального типу складається з таких взаємозв'язаних етапів:

Перший етап - постановка задачі, де формується ціль запланованого заходу, ставляться задачі дослідження, проводиться якісний опис об'єкту.

Другий етап - розробка описувальної моделі, де формулюються та обґрунтовуються показники та система основних припущень.

Третій етап - розробка математичної моделі вивчаємого об'єкту з вибором методів дослідження, програмного забезпечення ПК або складання алгоритму та програми для ПК за новими задачами.

Четвертий етап - рішення задачі на базі розробленої моделі, яке складається з реалізації пакету прикладних або розроблених програм для ПК.

П'ятий етап - перевірка та підстройка моделі, тобто встановлення відповідності моделі описаному економічному процесу.

Шостий етап - представлення результатів рішення у формі, зручної для вивчення, аналіз матеріалів моделі на основі обробки результатів.

2. Прогнозування значень залежної змінної

Якщо побудована модель адекватна за F-критерієм, то її застосо­вують для прогнозування залежної змінної.

Про прогнозування регресанда говорять тоді, коли в часових рядах прогнозний період настає пізніше, ніж базовий. Якщо регресія побудо­вана за просторовими даними, прогноз стосується тих елементів гене­ральної сукупності, що перебувають за межами застосованої вибірки.

Якість прогнозу тим краща, чим повніше виконуються передумо­ви моделі в прогнозний часовий період, надійніше (вірогідніше) оці­нено параметри моделі й більш точно визначено прогнозні значення регресорів.

Значення ŷ_р для майбутнього періоду чи додаткового елемента обчислюють за формулою (3.1) за відомим вектором оцінених пара­метрів і за вектором значень незалежних змінних , що не належать до базового періоду Розрізняють прогноз середній (оцінку математичного сподівання регресанда) та індивідуальний (оцінку певної реалізації регресанда у_р, що відповідає моменту р). Перша з них базується на передумові МНК про нульове математичне сподівання випадкової складової рівняння регресії, а друга застосовує оцінене значення . Оцінену дисперсію прогнозу обчислюють відповідно за формулами

Зрозуміло, що здебільшого реальне значення показника у_t не збігатиметься зі значенням його математичного сподівання, але якщо розглядати велику кількість вибірок, на підставі яких визначатиметь­ся прогноз, то можна гарантувати, що приблизно (1 - а) • 100 % ре­зультатів потраплять відповідно до інтервалів

де — табличне значення критерію Стьюдента з п- т -1 ступе­нями свободи та при заданому рівні значущості α/2. (Значення α/2 вибирають, як і раніше, через двосторонні критичні межі.)

Очевидно, з віддаленням від середнього значення вибірки спостережень похибка прогнозу зростатиме, що призведе до збільшення довірчого інтервалу для індивідуального значення залежної змінної.