эконометрическое моделирование

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ВЛАДИВОСТОКСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ЭКОНОМИКИ И СЕРВИСА
ИНСТИТУТ ИНФОРМАТИКИ, ИННОВАЦИЙ И БИЗНЕС-СИСТЕМ
КАФЕДРА МАТЕМАТИКИ И МОДЕЛИРОВАНИЯ
ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Рабочая программа учебной дисциплины
Основная образовательная программа
080100.62 (38.03.01) «Экономика»
Профиль Макроэкономическое планирование и прогнозирование
Профиль Планирование и прогнозирование в бизнесе
Владивосток
Издательство ВГУЭС
2014
ББК 65.23
Рабочая программа учебной дисциплины «Эконометрическое моделирование»
составлена в соответствии с требованиями ООП080100.62 (38.03.01) «Экономика» профиль
Макроэкономическое планирование и прогнозирование, профиль Планирование и
прогнозирование в бизнесе на базе ФГОС ВПО.
Составитель: Мазелис Л.С., д-р. экон.наук, доц. кафедры математики и моделирования,
Утверждена на заседании кафедры математики и моделирования от 7.02.2011 г.,
протокол № 7, редакция 2014г.
Рекомендована к изданию учебно-методической комиссией Института информатики,
инноваций и бизнес – систем.
© Издательство Владивостокский
государственный университет
экономики и сервиса, 2014
ВВЕДЕНИЕ
Принятие решений в современных условиях как на макро-, так и на микроуровне,
зачастую основывается на анализе процесса или явления на предшествующем интервале
времени и прогнозе развития ситуации. Структуры, фирмы и индивидуумы функционируют
в условиях неопределённости, а процессы описывается набором показателей (факторов),
каждый из которых представляет собой динамический ряд. Поэтому базовой задачей при
моделировании и прогнозировании динамического процесса является задача моделирования
динамического (временного ряда). В курсе рассматривается аппарат прогнозирования на
основе динамических рядов, что позволяет менеджерам принимать более обоснованные
стратегические и тактические решения, совмещая количественные методы с интуитивными
представлениями о развитии ситуации. Рассматриваемые задачи являются одними из задач,
обычно относимых к эконометрическому моделированию.
Дисциплина «Эконометрическое моделирование» тесно связана с дисциплинами
«Эконометрика», «Теория принятия решений». Для изучения курса «Эконометрическое
моделирование» необходимо владение материалом дисциплин: «Линейная алгебра»
«Математический анализ», «Теория вероятностей и математическая статистика»,
«Эконометрика». Знания и навыки, получаемые студентами в результате изучения
дисциплины, и освоенные студентами методики построения адекватных моделей
динамических рядов несомненно найдут применение в деятельности аналитиков менеджеров
компаний при планировании и принятии управленческих решений.
В преподавании курса широко используются интерактивные методы обучения.
Учебная программа разработана на основе учебного плана направления 080100.62
Экономика на базе ФГОС ВПО.
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ
1.1. Цели и задачи освоения учебной дисциплины.
Целью изучения дисциплины «Эконометрическое моделирование» является
формирование и развитие у студентов теоретических и практических навыков
моделирования динамических рядов в различных областях экономики и освоение методов
количественного прогнозирования экономических процессов.
Задачи курса:
- формирование навыков сбора и анализа данных, необходимых для описания процесса;
- рассмотрение методов эконометрического моделирования динамических рядов;
- рассмотрение методов оценки адекватности и качества построенных моделей;
- обучение методам прогнозирования на основе построенных моделей и оценке
полученных прогнозов;
- развитие навыков работы с эконометрическими пакетами.
1.2. Место учебной дисциплины в структуре ООП.
Дисциплина «Эконометрическое моделирование» относится к вариативной части
профессионального цикла ООП.
1.3. Компетенции обучающегося, формируемые в результате освоения учебной
дисциплины.
Таблица 1. Формируемые компетенции
Название
ООП
(сокращенн Блок Компетенции
ое название
ООП)
Знания/ умения/ владения (ЗУВ)
Знания:
080100.62
Экономика
Б.3
ПК-6 - способен на
основе описания
экономических
процессов и явлений Умения:
строить стандартные
теоретические и
эконометрические
модели,
анализировать и
содержательно
интерпретировать
полученные
Владения:
результаты
ПК-8 - способен
анализировать и
интерпретировать
данные
отечественной и
зарубежной
статистики о
Знания:
Умения:
- методов построения
эконометрических моделей
объектов, явлений и процессов;
- ключевых критериев качества
эконометрических моделей.
- использовать источники
экономической, социальной,
управленческой информации;
-прогнозировать на основе
стандартных теоретических и
эконометрических моделей
поведение экономических агентов,
развитие экономических процессов
и явлений на микро- и макроуровне.
методами и приемами анализа
экономических явлений и
процессов на основе построения
моделей динамических рядов.
основных этапов создания
эконометрической модели
- анализировать временные данные о
социально-экономических
процессах и явлениях и
классифицировать их;
- строить динамические модели
социальноэкономических
процессах и
явлениях, выявлять
тенденции
изменения
социальноэкономических
показателей;
ПК-10 - способен
использовать для
решения
аналитических и
исследовательских
задач современные
технические
средства и
информационные
технологии
Владения:
стационарных и нестационарных
временных рядов;
- проверять адекватность
построенных моделей
современными адаптивными
методами построения моделей
изменения социальноэкономических показателей
Знания:
архитектуры, основных принципов
работы и ограничения
статистического пакета прикладных
программ Statistiсa
Умения:
- анализировать статистические
данные с использованием ППП
Statistiсa;
- строить модели временных рядов с
использованием ППП Statistiсa
технологиями эконометрического
моделирования временных рядов в
ППП Statistiсa
Владения:
1.4. Основные виды занятий и особенности их проведения.
Общая трудоемкость дисциплины составляет 3 зачетных единиц, 108 часов, из них 34
часа аудиторной нагрузки и 64 часов отводится на самостоятельное изучение дисциплины.
Дисциплина изучается в шестом семестре. Удельный вес занятий, проводимых в
интерактивных формах, составляет 20 процентов аудиторных занятий.
В учебном процессе предусмотрены активные формы обучения в виде тренингов,
групповых дискуссий. Особое место в овладении данным курсом отводится самостоятельной
работе по решению индивидуальных домашних заданий. Значительная часть
индивидуальных домашних заданий представляют собой исследование реальных ситуаций.
1.5. Виды контроля и отчетности по дисциплине.
Для контроля знаний студентов используется рейтинговая система. В процессе обучения
студент должен выполнять лабораторные работы и индивидуальные домашние задания.
Текущий, промежуточный и итоговый контроль осуществляются с использованием
организационных форм и количественных показателей контроля, закрепленных для данной
дисциплины в соответствии с действующей системой оценки успеваемости студентов во
ВГУЭС.
Текущий контроль предполагает:
- проверку уровня самостоятельной подготовки студента при выполнении
индивидуальных заданий;
- опросы и групповые дискуссии.
Промежуточный контроль осуществляется путем проведения промежуточной аттестации
в виде индивидуального аудиторного задания, включающего теоретический тест и
практическое задание по моделированию и количественному анализу реальной ситуации.
Дисциплина завершается зачетом в 6-м семестре. Зачет включает теоретический тест и
практические задания по моделированию и количественному анализу реальных ситуаций.
Итоговая оценка по дисциплине формируется на основе результатов текущих и
промежуточной аттестаций.
2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ
2.1. Темы лекций.
Тема 1. Экономические прогнозы (2 часа).
Типы экономических прогнозов, функции прогнозирования, классификации прогнозов.
Этапы прогнозирования.
Тема 2. Динамические ряды, их классификация (2 часа).
Классификация, виды показателей ряда. Аналитические показатели динамического ряда:
абсолютные приросты, темпы роста, темпы прироста. Компонентный состав динамического
ряда.
Тема 3. Стационарные временные ряды (1 час).
Строгая и слабая стационарность. Автокорреляционная функция (АКФ), частная
автокорреляционная функция (ЧАКФ). Тест Льюинга-Бокса.
Тема 4. Сглаживание временных рядов скользящими средними (2 часа).
Проверка наличия неслучайной компоненты: критерий серий, критерии «восходящих» и
«нисходящих» серий, критерий Аббе, метод Фостера-Сьюарта. Простые скользящие средние.
Взвешенные скользящие средние. Восстановление краевых значений.
Тема 5. Проверка адекватности и точности моделей (2 часа).
Анализ остатков: проверка остатков на случайность, проверка гипотезы: остатки
являются белым шумом, проверка автокорреляции остатков. Меры качества построенных
моделей. Эффект Слуцкого-Юла.
Тема 6. Адаптивные методы прогнозирования в экономических исследованиях (2
часа).
Экспоненциальное сглаживание, теорема Брауна. Адаптивные полиномиальные модели:
модель Хольта, модель Винтерса, модель Тейла-Вейджа.
Тема 7. Динамические эконометрические модели (6 часов).
Типы динамических эконометрических моделей: явные (ARIMA, ADL), неявные.
Методология Бокса-Дженкинса, стратегия разработки модели. Тест Дики-Фулера. Модель
авторегрессии AR(p), модель скользящего среднего MA(q), Модель ARMA(p,q), сезонная
модель ARIMA(p,d,q)(Ps, Ds, Qs). Преимущества и недостатки моделей ARIMA.
2.2. Перечень тем практических занятий
Тема 1. Аналитические показатели динамического ряда (2 часа)
Вычисление абсолютных приростов, темпов роста, темпов прироста. Цепные, базисные и
средние показатели.
Тема 2. Сглаживание временных рядов скользящими средними (2 часа)
Определение наличия и построение тенденции. Построение простых и взвешенных
скользящих средних. Восстановление краевых значений.
Тема 3. Адаптивные модели (4 часа)
Модель Брауна экспоненциального сглаживания. Адаптивные модели (аддитивные и
мультипликативные) с линейным, полиномиальным трендом. Оценка точности модели.
Тема 4. Построение ARIMA-моделей динамического ряда (4 часа)
Анализ данных на стационарность, преобразования нестационарных данных для
получения стационарного ряда, выбор возможных моделей и их построение, проверка
адекватности моделей, выбор лучшей модели. Прогнозирование по модели.
Тренинг «Исследование структуры и построение моделей временного ряда для факторов,
описывающих деятельность компании» (5 часов).
Каждый студент выбирает 2 фактора, характеризующих деятельность компании или
организации, на котором он проходит стажировку. Для этих факторов студент проводит сбор
данных и их первичный анализ, исследует структуру выбранных временных рядов и при
необходимости преобразовывает ряды к стационарному виду. Далее строит серию моделей
экспоненциального сглаживания и ARIMA-моделей, проверяет их адекватность, оценивает
точность по нескольким показателям и выбирает лучшую модель. С помощью построенной
модели прогнозирует значения факторов на несколько периодов вперёд. Группа разбивается
на команды, в каждой команде студенты по очереди выступают с сообщением перед
командой, члены которой играют роль топ-менеджеров компании, о проведённом анализе и
прогнозировании деятельности компании на несколько периодов.
3. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ
3.1 Технологии, используемые в процессе обучения.
- презентации, используются для визуального представления основных тем курса и
позволяют закрепить лекционный материал;
- тренинг, построение на основе реальных данных математических моделей,
прогнозирование на основе моделей, принятие управленческих решений.
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ИЗУЧЕНИЮ
ДИСЦИПЛИНЫ
4.1. Перечень и тематика индивидуальных домашних заданий по дисциплине.
1. Проверка ряда на стационарность, построение АКФ и ЧАКФ;
2. Сглаживание временного ряда скользящими средними;
4.2. Контрольные вопросы для самостоятельной оценки качества освоения учебной
дисциплины.
1. Функции прогнозирования.
2. Классификации временных рядов.
3. Этапы прогнозирования.
4. Аналитические показатели динамического ряда.
5. Компоненты временного ряда.
6. Стационарный временной ряд в широком и узких смыслах.
7. Автоковариационная и автокорреляционная функции (их выборочные аналоги).
8. Частная автокорреляция (выборочный аналог).
9. Тест Льюинга–Бокса проверки на белый шум.
10. Проверка адекватности моделей.
11. Меры качества построенных моделей.
12. Эффект Слуцкого-Юла.
13. Адаптивные полиномиальные модели Хольта, Винтерса, Тейла-Вейджа.
14. Методология Бокса-Дженкинса.
15. Стратегия разработки модели.
16. Модели авторегрессии и скользящего среднего.
17. Преимущества и недостатки ARIMA моделей.
4.4. Методические рекомендации по организации СРС.
Самостоятельная работа студента включает в себя работу с литературой, что гарантирует
возможность качественного освоения данной дисциплины. В качестве самостоятельной
работы предполагается выполнение домашних заданий, работа с реальными данными. При
выполнении индивидуальных домашних заданий необходимо использовать теоретический
материал, делать ссылки на соответствующие теоремы, свойства, формулы и пр.
4.5. Рекомендации по работе с литературой.
В процессе изучения дисциплины помимо материала, изложенного преподавателем на
лекционных занятиях и раздаточного материала для выполнения практических занятий,
может возникнуть необходимость в использовании учебной литературы.
Наиболее просто, на среднем математическом уровне, без строгих доказательств и
использования формального описания в терминах теории вероятностей большинство тем
изложено в классических американских учебниках [1], [2]. В них приведено значительное
количество типовых задач с подробным решением, а так же много примеров кейсового типа,
помогающих пониманию сути построения моделей временных рядов.
Книга [3] на хорошем математическом уровне излагает статистические методы
прогнозирования на основе моделирования временных рядов с использованием
статистический пакетов.
Книги [4], [5] являются достаточно полными руководствами по применению пакета
STATISTICA к задачам эконометрики и в частности моделирования временных рядов.
В [6], [7], [8] достаточно подробно и под другим углом изложены отдельные темы
эконометрического моделирования.
Интернет-ресурсы представляет собой базы данных, содержащих экономическую
статистику на макро- и мезоуровнях.
5. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ
ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
5.1. Основная литература.
1. Сигел Э.Ф. Практическая бизнес-статистика/ М.: Изд. Дом «Вильямс», 2002.
2. Ханк Д.Э., Уичерн Д.У., Райтс А.Дж. Бизнес-прогнозирование, 7-е издание – М.: Изд.
Дом «Вильямс», 2003.
3. Дуброва Т.А. Прогнозирование социально-экономических процессов/М.: Маркет ДС,
2010.
4. Вуколов Э.А. Основы статистического анализа: практикум по статистическим
методам и исследованию операций с использованием пакетов STATISTICA и EXCEL/2-е
изд.,испр. и доп. - М. : ФОРУМ, 2013.
5. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде
WINDOWS. — М.: Финансы и статистика, 2006.
6. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS/ М.:
Изд. Дом ГУ ВШЭ, 2006.
5.2. Дополнительная литература.
7. Introduction to Business Statistics / Ronald M. Weiers.- South-Western College, 6th ed.,
2007.
8. Е. П. Чураков. Прогнозирование эконометрических временных рядов. М.: Финансы и
статистика, 2008. – 208.
5.3. Интернет-ресурсы.
1. www.cbr.ru.
2. www.micex.ru.
3. www.gks.ru
4. http//data.worldbank.org
6. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ
Для проведения лекционных занятий в аудитории должно быть оборудование для
представления презентационных материалов.
Для проведения практических занятий необходима аудитория, оснащенная
персональными компьютерами. На персональных компьютерах должно быть установлено
следующее программное обеспечение: операционная система Windows XP и выше, MS Office
2010 с надстройкой «Анализ данных», пакет Statistica.