Перечень вопросов к экзамену. 1. Понятие прогноза, виды экономических прогнозов

 

1. Понятие прогноза, виды экономических прогнозов. Роль прогнозирования в принятии управленческих решений

2. Виды прогнозов. Классификация методов прогнозирования. Этапы прогнозирования

3. Понятие временного ряда. Составляющие временного ряда.

4. Понятие стационарности временного ряда в узком и широком смысле. Примеры стационарных временных рядов. Теорема Вольда. Понятие эргодичности.

5. Примеры нестационарных временных рядов. Способы преобразования данных (исключение инфляции, логарифмирование, вычисление разностей, выделение тренда, исключение сезонности).

6. Прогнозирование на основе модели тренда и сезонности (аддитивная модель).

7. Прогнозирование на основе модели тренда и сезонности (мультипликативная модель).

8. Способы оценки качества прогнозных моделей.

9. Адаптивные методы прогнозирования, их особенности. Методы экспоненциального сглаживания.

10. Модели линейного роста.

11. Адаптивные полиномиальные модели.

12. Адаптивные модели сезонных явлений.

13. Автокорреляционная функция и частная автокорреляционная функция, их использование при анализе временных рядов.

14. Доверительные интервалы для ACF и PACF, способы их построения. Статистики Бокса-Пирса и Люнга-Бокса. Понятие о тесте множителей Лагранжа для проверки наличия серийной автокорреляции.

15. Модели скользящего среднего и их свойства.

16. Авторегрессионные процессы, условие их стационарности.

17. Связь между AR и MA-процессами, условие обратимости MA-процесса. ARMA–процессы, их свойства.

18. Понятие интегрированного процесса. TS и DS-процессы, особенности их анализа и прогнозирования. Примеры TS и DS-процессов. Расширенный тест Дики-Фуллера.

19. ARIMA-модели, этапы их построения. Информационные критерии. Прогнозирование на основе ARIMA-моделей.

20. Способы учета сезонности при анализе временных рядов. Сезонные ARIMA-модели.

21. Динамические эконометрические модели, их классификация. Понятие ложной регрессии. ARIMA-модели с регрессорами.

22. Тест Гранжера.

23. Коинтеграция рядов. Проверка временных рядов на коинтеграцию.

24. Авторегрессионные модели с распределенными лагами. Понятие о модели коррекции ошибками.

25. Модели с адаптивными и рациональными ожиданиями. Современная кривая Филлипса как пример моделей с адаптивными и рациональными ожиданиями.

26. Понятие о векторной авторегрессии.

27. Методы экспертных оценок, назначение, достоинства и недостатки.

 

 

МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПРЕПОДАВАТЕЛЮ

 

При изучении дисциплины «Методы социально-экономического прогнозирования» основное внимание уделяется умению применять изучаемые методы прогнозирования в практической работе. В связи с этим лабораторные работы выполняются на реальных данных в соответствии с вариантом. Для построения прогнозов студенты должны использовать пакеты программ MS Excel, Eviews, Statistica.

Для оценки работы студентов рекомендуется использовать рейтинговую систему. Выполнение в срок без ошибок каждой из 6 лабораторных работ оценивается в 10 баллов, таким образом, в течение семестра студент получает максимум 60 баллов. Максимальная оценка за ответы на экзамене – 40 баллов. Оценка «отлично» выставляется при получении 90 баллов и выше, оценка «хорошо» при получении от 75 до 89 баллов, «удовлетворительно» при получении от 60 до 74 баллов.

Чтение лекций целесообразно выполнять с мультимедийным процессорам в целях повышения наглядности особенностей изучаемых методов. При проведении практических занятий, на которых рассматривается методика построения прогнозных моделей с использованием пакетов программ MS Excel, Eviews, Statistica, целесообразно проводить в компьютерном классе, оборудованным мультимедийным проектором.