- •1. Классификация объектов прогнозирования.
- •2. Общая классификация методов прогнозирования.
- •3. Виды прогнозов.
- •4. Закон рф о планировании и прогнозировании национальной экономики.
- •5. Методы индивидуальных экспертных оценок.
- •6. Динамические модели экономики (см. 8, 9, 37, 39, 41).
- •7. Прогнозирование методом конечных разностей.
- •8. Классическая модель рыночной экономики.
- •9. Межотраслевой баланс производства, распределения и использования валовой продукции.
- •10. Прогнозирование (п) технического уровня (ту) производства.
- •11. Основные принципы прогнозирования (п).
- •12. Прогнозирование (п) потребности новой техники.
- •Параметры сетевых графиков, порядок и правила их расчета.
- •Производственная функция и ее роль в прогнозировании.
- •15. Классификация объектов прогнозирования (см. 1 вопрос).
- •16. Сетевые методы прогнозирования.
- •Прогнозирование влияния технического уровня производства на экономические показатели.
- •18. Оптимизация сетевых моделей.
- •19. Метод вероятностного моделирования.
- •20. Основные различия кейнсианской и классической модели экономики.
- •21. Модель в.Леонтьева «затраты-выпуск».
- •22. Особенности прогнозирования динамических моделей экономики.
- •Модель динамического межотраслевого баланса.
- •23. Метод коллективных экспертных оценок (мкэо).
- •24. Прогнозирование нтп.
- •25. Моделирование объекта прогнозирования.
- •26. Прогнозирование перспективной численности.
- •27. Оптимизационные методы прогнозирования.
- •28. Модель в. Леонтьева и использование ее для прогнозирования темпов и пропорций в сфере экономики.
- •29. Метод наименьших квадратов (мнк).
- •30.Макроэкономические производственные функции.
- •31. Метод экспоненциального сглаживания (мэс).
- •32. Анализ демографической ситуации региона (см. 26 вопрос)!!!
- •33. Прогнозный сценарий – как метод прогнозирования.
- •34. Прогнозирование трудовых ресурсов.
- •35. Матричный метод прогнозирования.
- •36. Прогнозирование темпов роста (мало!).
- •Годовые темпы роста рассчитываются как отношение показателей, характеризующего экономический рост за два определенных года:
- •37. Модель государственного воздействия на экономику.
- •38. Задачи прогнозирования национальной экономики (плохой вопрос!!!).
- •39. Односекторная модель Солоу.
- •40. Методические вопросы сбора экспертной информации для прогнозирования.
- •41. Трехсекторная модель р.Солоу.
- •42. Организация прогнозирования национальной экономики.
- •43. Динамическая модель в.Леонтьева.
- •44. Расчет параметров сетевой модели.
31. Метод экспоненциального сглаживания (мэс).
МЭС – один из наиболее распростр-х методов оценки пар-ров завис-тей. Экспоненциальное сглаживание – весьма эффективный и надежный метод прогнозирования. Достоинство МЭС – возможность учета весов исходной информации, простота вычислительных операций, гибкость описания различных динамик процессов.
МЭС дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Наибольшее применение этот метод нашел для реализации среднесрочных прогнозов.
Для МЭС основным и наиболее трудным является выбор параметров сглаживания , начальных условий и степени прогнозируемого... полинома.
Исходный динамический ряд описывается уравнением
МЭС является обобщением метода скользящего среднего, позволяет построить такое описание процесса (указанного уравнением), при кот-м более поздним наблюдениям придаются большие веса по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте
где S- экспоненциальная средняя k-го порядке для ряда Yt; - параметр сглаживания.
В расчетах для определения экспоненциальной средней пользуются рекуррентной формулой
Используя рекуррентную формулу экспоненциальной средней можно получить оценки начальных условий
В частности, для линейной модели
S ,
S ,
где a0 - оценка первого коэфф-та уравнения;
=1-- оценка второго коэфф-та уравнения.
Для квадратичной модели
Зная начальные условия и значения параметра , можно вычислить экспоненциальные средние S.
Оценки коэффициентов прогнозируемого полинома определяются из теоремы Брауна-Мейера.
Для линейной модели получаем:
,
.
Для квадратичной модели:
;
Прогноз реализуется по выбранному многочлену:
для линейной модели
для квадратичной модели
где - период прогноза.
Важную роль в МЭС играет выбор оптимального параметра сглаживания , т.к. именно он определяет оценки коэфф-тов модели, а =>, и результаты прогноза.
В зависимости от величины параметра прогнозные оценки по-разному учитывают влияние исходного ряда наблюдений в формирование тренда, а влияние начальных условий быстро убывает. Чем больше , тем больше вклад последних наблюдений в формирование тренда, а влияние начальных уровней быстро убывает. При малом прогнозные оценки учитывают все наблюдения, при этом уменьшение влияния более “старой” информации происходит медленно.
Приближенную оценку определяют из двух основных соотношений:
1) выводится из условия равенства скользящей и экспоненциальной средней , где N - число точек ряда, для которых динамика ряда считается однородной и устойчивой.
2) соотношения Мейера где - среднеквадратическая ошибка модели; - среднеквадратическая ошибка исходного ряда.
Выбор параметра целесообразно связывать с точностью прогноза, поэтому для более обоснованного выбора можно использовать процедуру обобщенного сглаживания связывающую дисперсию и параметр сглаживания для линейной модели
,
для квадратичной модели
,
для обобщенной модели вида
,
дисперсия прогноза имеет вид