Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Анотація дисципліни «Прогнозування в економіці та управлінні»

Скачати 71.46 Kb.

Анотація дисципліни «Прогнозування в економіці та управлінні»




Скачати 71.46 Kb.
Сторінка1/2
Дата конвертації09.04.2017
Розмір71.46 Kb.
  1   2

АНОТАЦІЯ ДИСЦИПЛІНИ

«Прогнозування в економіці та управлінні»
Дисципліна «Прогнозування в економіці та управлінні» є вибірковою дисципліною циклу професійної підготовки бакалаврів за спеціальністю підготовки «Економіка».
Професі́йна підгото́вка - здобуття кваліфікації за відповідним напрямом підготовки або спеціальністю.

Постійний соціально-економічний розвиток суспільства потребує невпинного ускладнення процедури управління. За ринкових умов прогнозування стає одним з вирішальних наукових чинників формування стратегії і тактики суспільного розвитку.



Предметом дисципліни є методи і моделі аналізу тенденцій та причинно-наслідкових зв’язків в економіці, дослідження закономірностей і способів розробки соціально-економічних прогнозів.

Мета дисципліни – формування теоретичних знань та практичних навичок з питань моделювання та прогнозування економічного й соціального розвитку країни.

Перелік компетенцій, яких набуде студент після опанування даної дисципліни:

  • розуміння ролі прогнозування в економіці та управлінні;

  • розкриття принципів і визначення функцій прогнозування;

  • засвоєння основних методів прогнозування;

  • знання сучасних методів і моделей прогнозування економічної динаміки.



ЗНАТИ

ВМІТИ


  • концептуальні засади, принципи та підходи щодо побудови прогнозів;

  • типологію прогнозів та класифікацію методів і моделей прогнозування економічної динаміки:

  • експертні методи прогнозування;

  • методи прогнозування часових рядів;
    Часовий ряд (англ. time series) - це ряд точок даних[en], проіндексованих (або перелічених, або відкладених на графіку) в хронологічному порядку. Найчастіше часовий ряд є послідовністю, взятою на рівновіддалених точках в часі, які йдуть одна за одною.


  • прогнозування на основі економетричних моделей;

  • прогнозування результатів якісного вибору «так» або «ні»;

  • адаптивні методи прогнозування;

  • нейро-нечіткі технології прогнозування;

  • особливості прогнозування соціально-економічних процесів

  • аналізувати та ідентифікувати часові ряди;

  • адекватно використовувати методи і моделі для прогнозування окремих економічних показників, їх комплексного розвитку, структурних змін;

  • використовувати інформаційні комп’ютерні технології;

  • оцінювати точність та вірогідність побудованих прогнозів,

  • тлумачити одержані результати прогнозу.


Сфера реалізації набутих знань і вмінь. Прогнозування в економіці та управлінні є необхідним для визначення можливих цілей розвитку суспільства, забезпечення їх досягнення, здійснення вірогідніших та економічно ефективних варіантів довготермінових, середньо термінових і поточних програм, обґрунтування основних напрямків економічної й технічної політики, вможливлюють передбачення наслідків рішень і заходів, що їх вживають у кожен поточний момент. Дисципліна ««Прогнозування в економіці та управлінні» набуває особливої актуальності.
Перелік тем:

Тема 1. Методологія прогнозування в економіці та управлінні

Сутність і зміст економічного прогнозування.

Методи прогнозування в економіці - це сукупність наукових методик, які використовуються фахівцями для розробки оптимальних алгоритмів подальшого розвитку різноманітних сфер економіки кожної конкретної держави, або світової економіки в цілому.

Основні принципи соціально-економічного прогнозування.

Основні функції прогнозування.

Типологія прогнозів.

Класифікація методів прогнозування.

Основні етапи побудови прогнозів.
Тема 2. Експертні методи прогнозування

Принципи формування експертних систем прогнозування

Індивідуальні і колективні експертні методи

Визначення коефіцієнта компетентності експертів

Статистична обробка експертних оцінок

Методи оцінки погодженості думок між експертами

Стійкість групових експертних оцінок
Тема 3.

Експе́ртна систе́ма - це методологія адаптації алгоритму успішних рішень однієї сфери науково-практичної діяльності в іншу. З поширенням комп'ютерних технологій це тотожна (подібна, заснована на оптимізуючому алгоритмі чи евристиках) інтелектуальна комп'ютерна програма, що містить знання та аналітичні здібності одного або кількох експертів щодо деякої галузі застосування, і здатна робити логічні висновки на основі цих знань, тим самим забезпечуючи вирішення специфічних завдань (консультування, навчання, діагностування, тестування, проектування тощо) без участі експерта (фахівця в конкретній проблемній галузі). Також визначається як система, яка використовує базу знань для вирішення завдань (видачі рекомендацій) у деякій предметній галузі. Цей клас програмного забезпечення спочатку розроблявся дослідниками штучного інтелекту в 1960-ті та 1970-ті і здобув комерційне застосування, починаючи з 1980-х. Часто термін система, заснована на знаннях використовується як синонім експертної системи, однак можливості експертних систем ширші за можливості систем, заснованих на детермінованих (обмежених, реалізованих на поточний час) знаннях.
Прогнозування на основі економетричних моделей

Моделювання тренду на основі кривих зростання. Види кривих зростання. Вибір кривої зростання.

Оцінювання параметрів трендових моделей. Перевірка адекватності трендових моделей. Прогнозування за трендовими моделями.

Багатофакторні лінійні регресійні моделі: оцінка параметрів, адекватність моделей. Прогнозування на основі багатофакторної лінійної моделі.

Використання множинної регресії для одночасної оцінки тренду та сезонного фактора.

Система одночасних рівнянь. Види систем симультативних рівнянь.

Визначення ідентифікованості системи одночасних рівнянь.

Непрямий метод найменших квадратів.

Метод найменших квадратів Метод найменших квадратів - метод знаходження наближеного розв'язку надлишково-визначеної системи. Часто застосовується в регресійному аналізі. На практиці найчастіше використовується лінійний метод найменших квадратів, що використовується у випадку системи лінійних рівнянь.
Двокроковий метод найменших квадратів.


Тема 4. Прогнозування результатів якісного вибору «так» або «ні»

Моделі бінарного вибору. Лінійна ймовірнісна модель.

Логіт і пробіт моделі, узагальнена логіт регресія.

Оцінювання адекватності моделей бінарного вибору.

Прогнозування ймовірності банкрутства підприємства на основі моделей бінарного вибору.

Аналіз виживаності. Цензуровані дані. Таблиці часів життя.

Функція виживаності. Функція інтенсивності ризиків.

Підбір розподілу для функції виживаності. Множинні оцінки Каплана-Мейєра. Логранговий критерій порівняння кривих виживаності.

Регресійні моделі для неповних даних. Оцінка їх адекватності.
Тема 5. Адаптивні методи прогнозування

Особливості методів короткострокового прогнозування.

Метод простої ковзної середньої, центрованих та зважених ковзних середніх.

Метод простого експоненціального згладжування.

Експоненці́йне згла́джування - це метод математичного перетворення, який застосовується при прогнозуванні часових рядів. Свою назву він отримав через те, що при кожній наступній ітерації враховуються всі попередні значення ряду, але ступінь врахування зменшується за експоненційним законом.
Вибір параметрів згладжування.

Модель Брауна.

Ітераційні методи фільтрації. Модель Хольта і Хольта-Уінтерса.


Тема 6. Прогнозування тренд-сезонних процесів. Моделювання тренду на основі кривих зростання

Фільтрація сезонної компоненти за допомогою індексу сезонності.

Тестування наявності тренду і впливу сезонності на підставі зміни значень автокореляційної функції.

Використання фіктивних змінних для тестування впливу фактору квартальності.

Метод декомпозиції часового ряду: адитивний і мультиплікативний.
Тема 7. Прогнозування одновимірних процесів за допомогою ARIMA- моделей

Стаціонарні процеси. Перевірка стаціонарності часового ряду.

Аналіз автокореляцій та частинних автокореляцій.

Базові стохастичні процеси: білий шум, випадкове блукання, МА-модель (ковзної середньої), AR-модель (авторегресійна).

Випадкове блукання Випадкове блукання - математичний формалізм, описуючий траєкторію, яка утворюється при здійсненні послідовних випадкових кроків. Багато різних типів випадкових блукань представляють інтерес. Найчастіше розглядаються випадкові блукання, які є ланцюгами Маркова, але інші, складніші види блукань також представляють інтерес.
Автокореляція або автокореляційна функція - це кореляція функції з самою собою зміщеною на певну величину незалежної змінної. Автокореляція використовується для знаходження закономірностей в ряді даних, таких як періодичність.
Випадко́вий проце́с (англ. stochastic process) - важливе поняття сучасної теорії ймовірностей. Є певним узагальненням поняття випадкова величина, а саме - це випадкова величина, що змінюється з часом (іншими словами: випадкова величина, що залежить від змінної величини, яку називають час, або іншими словами - це набір випадкових величин, параметризованих величиною T - часом).

Змішані ARМА-процеси.

Процеси авторегресії та інтегрованої ковзної середньої (ARІМА-процеси).

Прогнозування за допомогою ARІМА моделей.

Визначення типу нестаціонарності часового ряду: ідентифікація типу TS та DS.

Статистичні методи визначення наявності нелінійної динаміки і детермінованого хаосу.

Детерміно́ваний хао́с - хаотична поведінка детерміністичної системи, яка проявляється через надзвичайно високу чутливість до початкових умов. Явище детермінованого хаосу неодоразово спостерігалося як в лабораторних умовах (в плазмі, електричних колах, лазерах, хімічних реакціях, рідинах, в низці механічних пристроїв) так і в природі (динаміка зростання популяцій та метеорологічні явища).


  1   2


Скачати 71.46 Kb.

  • ЗНАТИ