- •Анализ и прогнозирование финансовых процессов
- •Глава 1. Математические методы и модели как средства исследования экономических процессов ………………………………………………………….7
- •Глава 8. Построение доверительных интервалов прогнозов ………………….210
- •Глава 9. Анализ и прогнозирование финансовых процессов на базе рассмотренных моделей ………………………………………………………….232
- •Предисловие
- •Глава 1. Математические методы и модели как средства исследования экономических процессов
- •1.1. Экономико-математические методы и модели исследования экономических процессов
- •1.2. Разновидности экономико-математических моделей и методов
- •1.3. Программные средства анализа экономических данных
- •1.4. Методика статистического анализа и прогнозирования данных
- •Контрольные вопросы
- •Глава 2. Исследование структуры временных рядов экономических показателей
- •2.1. Понятие временного ряда
- •В таблице 2.4 представлен ряд динамики средних величин - Среднедушевые номинальные денежные доходы населения России в месяц,
- •2.2. Структура временного ряда
- •2.3. Оценивание однородности и направленности изменений финансовых процессов, представленными временными рядами
- •2.4. Статистические показатели измерения динамики финансовых процессов
- •2.5. Показатели и критерии устойчивости и колеблемости развития финансовых процессов
- •Контрольные вопросы и задания
- •Глава 3. Прогнозирование финансовых процессов с использованием кривых роста
- •3.1. Основные этапы прогнозирования с использованием кривых роста
- •3.2. Характеристика кривых роста
- •3.3. Методы выбора кривых роста для выравнивания
- •3.4. Методы оценки параметров кривых роста
- •Контрольные вопросы и задания
- •Глава 4. Сезонные колебания в финансовых процессах
- •4.1. Исследование сезонных колебаний в финансовых процессах
- •4.2. Статистические критерии выявления сезонных колебаний
- •4.3 Показатели измерения сезонности
- •4.4. Моделирование тренд-сезонных временных рядов
- •Контрольные вопросы и задания
- •Глава 5. Адаптивные методы прогнозирования
- •5.1. Сущность адаптивных методов
- •5.2. Экспоненциальное сглаживание
- •5.3. Полиномиальные адаптивные модели
- •5.4. Адаптивные модели прогнозирования сезонных процессов
- •5.5. Метод эволюции
- •5.6. Модели авторегрессии и скользящего среднего
- •Контрольные вопросы и задания
- •Глава 6. Оценка точности и адекватности модели
- •6.1. Оценка адекватности модели
- •Проверка равенства математического ожидания уровней ряда остатков нулю.
- •6.2. Оценка точности модели
- •Контрольные вопросы и задания
- •Глава 7. Применение регрессионных моделей для прогнозирования
- •7.1.Типы регрессионных моделей
- •7.2. Определение зависимости между моделируемыми показателями и определяющими их факторами
- •7.3. Оценка тесноты линейной и нелинейной связи
- •7.4. Линейная модель парной регрессии. Оценка значимости параметров линейной регрессии
- •7.5. Нелинейная регрессия
- •Полиномы разных степеней -;
- •7.6. Модель множественной регрессии
- •7.7. Отбор факторов при построении модели множественной регрессии. Мультиколлинеарность
- •7.8. Регрессионные модели с фиктивными переменными
- •7.9. Прогнозирование в регрессионных моделях
- •Контрольные вопросы и задания
- •Глава 8. Построение доверительных интервалов прогнозов
- •8.1. Методы и критерии, используемых при построении доверительных интервалов
- •8.2. Доверительные интервалы при получении оценок по моделям регрессии
- •8.3.Оценка доверительных интервалов в моделях экономического прогнозирования
- •Доверительный интервал для тренда в общем виде определяется как
- •Контрольные вопросы и задания
- •Глава 9. Анализ и прогнозирование финансовых процессов на базе рассмотренных моделей
- •9.1. Алгоритм методики оценивания доверительных интервалов прогнозов
- •9.2. Практическая реализация методов прогнозирования
- •(По индексам)
- •Контрольные вопросы и задания
- •Литература
- •Шелобаев Сергей Иванович
Глава 1. Математические методы и модели как средства исследования экономических процессов
1.1. Экономико-математические методы и модели исследования экономических процессов
Экономико-математическое моделирование, являясь одним из эффективных методов описания сложных социально-экономических объектов и процессов в виде математических моделей, превращается тем самым в часть самой экономики, вернее, в сплав экономики, математики и кибернетики. Подтверждением положительной оценки этого явления стало присуждение Нобелевских премий в области экономики в последние десятилетия в основном только за новые экономико-математические исследования.
Экономико-математическая модель позволяет выделить и формально описать существенные экономические связи исследуемых объектов, сформировать группу наиболее существенных переменных, определяющих исследуемый объект, оценить их взаимовлияние и возможные воздействие на них внешних факторов, использовать полученные результаты для прогнозирования и принятия решений.
Наиболее строгое определение модели опирается на понятия гомоморфизма и изоморфизма. В общем смысле слова изоморфизм можно охарактеризовать как некоторое тождество в каком-либо структурном и функциональном аспекте реального мира человеческим образам о нем. Гомоморфизм по существу соответствует представлению о модели как об упрощенном образе изучаемого объекта. Следовательно, модель – это материальный или мысленно представляемый объект, который замещает объект-оригинал в процессе его изучения. Модель используется человеком для получения новых знаний об объекте-оригинале. Процесс конструирования, изучения и применения модели называется моделированием.
Моделирование в экономике – это воспроизведение экономических объектов или процессов в искусственно созданных условиях. В экономике чаще всего используют математическое моделирование, описывающее экономические процессы с помощью математических зависимостей.
Математическая модель объекта - это его гомоморфное отображение в виде совокупности уравнений, неравенств, логических отношений, графиков, условный образ объекта, созданный для упрощения его исследования, получения о нем новых знаний, анализа и оценки принимаемых решений в конкретных или возможных ситуациях.
Если попытаться классифицировать сами экономико-математические модели, то можно выделить свыше 10 признаков, основными из которых являются:
по общему целевому назначению - теоретико-аналитические и прикладные модели;
по степени агрегирования объектов - макроэкономические (функционирование экономики как единого целого) и микроэкономические (предприятия и фирмы) модели;
по конкретному предназначению - балансовые (требование соответствия наличия ресурсов и их использования), трендовые (развитие моделируемой системы через длительную тенденцию ее основных показателей), оптимизационные (выбор наилучшего варианта из множества вариантов производства, распределения или потребления), имитационные (в процессе машинной имитации изучаемых систем или процессов) модели;
по типу информации, используемой в модели - аналитические (на базе априорной информации) и идентифицируемые (на базе апостериорной, экспериментальной информации) модели;
по учету фактора неопределенности - детерминированные и стохастические модели; по характеристике математических объектов или аппарата - матричные модели, модели линейного и нелинейного программирования, корреляционно-регрессионные модели, модели теории массового обслуживания, модели сетевого планирования и управления, модели теории игр и т.п.;
по типу подхода к изучаемым системам - дескриптивные (описательные) модели (например, балансовые и трендовые модели) и нормативные модели (оптимизационные и модели уровня жизни).
К числу сложной комбинированной экономико-математической модели, например, можно отнести экономико-математическую модель межотраслевого баланса, являющуюся по вышеприведенной классификации прикладной, макроэкономической, аналитической, дескриптивной, детерминированной, балансовой, матричной моделью, причем выделяют как статические, так и динамические модели межотраслевого баланса.