Динамические статистические модели

Розанов Г.В. Проблемы построения динамической статистической модели развития отрасли. —Труды МЭСИ, 1968.  [c.109]


Динамические статистические модели  [c.98]

Вычисление т для основного круга показателей позволило бы построить динамическую статистическую модель взаимодействия экономических показателей. Большая  [c.172]

При построении экономико-статистических моделей себестоимости добычи нефти для решения задач прогнозирования необходимо учитывать не только необходимые и достаточные требования, предъявляемые к динамическим моделям, но и стремиться получить наиболее простую форму связи. Частные случаи решения динамических моделей позволяют удовлетворить последнее требование. При прогнозировании на 5 — 7 лет они обеспечивают необходимую достоверность результатов решения.  [c.102]

В качестве иллюстрации приведем расчетные значения коэффициентов ценовой перекрестной эластичности спроса на кондитерские изделия в России (табл. 12.1). Табличные данные рассчитывались автором по динамическим рядам торговой статистики за период 1959—1992 гг. с помощью динамических многофакторных моделей (ДММ) спроса на кондитерские изделия. Факторный статистический анализ осуществлялся по двум выделенным устойчивым подпериодам развития кондитерской отрасли и рынка кондитерских товаров — 1959—1975 и 1976—1992 гг. В качестве вспомогательных источников информации привлекались данные выборочных панельных обследований потребителей по городам Москва, Санкт-Петербург и материалы торговой статистики Министерства торговли России.  [c.257]


В приведенных уравнениях знаки перед коэффициентами (параметрами) должны соответствовать экономическому смыслу взаимосвязей между факторами и зависимой переменной. Однако при обработке статистических рядов классическим методом наименьших квадратов в результате нерегулярности колебаний членов ряда возможно появление в уравнении знаков, противоречащих экономической интерпретации данной зависимости. Введение временных трендов и подбор их формы t" позволяют избежать этого и обеспечивают динамические свойства модели.  [c.201]

Расчетно-статистическим методом нормы определяются путем анализа статистических фактических данных о расходе ТЭР и факторов, влияющих на их использование. Основным недостатком используемых экономико-статистических моделей (экстраполяция динамических рядов и модели множественной регрессии) является невозможность в прямом виде учесть глубокие структурные изменения в перспективе. В последнее время сделано несколько попыток в направлении дополнения классических экономико-статистических моделей способами, позволяющими заложить в модели качественную информацию о перспективе поведения того или иного экономического показателя [27, 9].  [c.119]

Статистическая модель выбора активов для инвестиционного портфеля, опирающаяся на среднее значение доходности и ее дисперсию, заложила теоретические основы финансового посредничества взаимных фондов. Начиная с конца 60-х годов академические исследования в области составления оптимального портфеля вышли за пределы этой модели и занялись динамическими версиями. В них межвременная оптимизация решений инвесторов относительно сбережения — потребления, принимаемых на определенных стадиях жизненного цикла домохозяйства, объединяется с распределением высвободившихся сбережений среди альтернативных направлений инвестиций. В этих моделях спрос на индивидуальные активы зависит от более серьезных факторов, нежели достижение оптимальной диверсификации, как было показано выше. Он является также следствием желания хеджировать различные риски, не включенные в первоначальную модель. В число рисков, которые создают потребность в хеджировании при принятии решений о составе портфеля, входят риск смерти, риск случайных изменений процентных ставок и ряд других. Динамические модели значительно обогатили теоретические воззрения на роль ценных бумаг и финансовых посредников при формировании инвестиционного портфеля.  [c.391]


В основе количественных мотивов принятия решений лежит научно-практический подход, предполагающий выбор оптимального решения путем обработки с помощью ЭВТ больших массивов информации. В зависимости от типа математических функций, лежащих в основе моделей, различают линейное моделирование динамическое программирование вероятностные и статистические модели теорию игр имитационные модели.  [c.63]

По методам различают статистическое прогнозирование прогнозы, основанные на экспертных оценках, и комбинированные. Методы статистического прогнозирования используют экстраполяцию, интерполяцию, регрессионные, корреляционные и другие математические модели и т. д. В настоящее время наибольшее развитие получил метод экстраполяции. Он состоит в определении количественных и качественных показателей развития в будущем периоде на основе закономерностей, имеющих место в предшествующем периоде. Для этого на графике плавно продолжается кривая изменений значений анализируемого направления развития в текущем периоде до границ времени прогнозируемого периода. В случае колебаний показателей за рассматриваемый промежуток времени производится соответствующая корректировка динамического ряда.  [c.89]

Для определения пропускной способности ПС в постановке задачи учитывались объективные свойства производственных систем динамика, стохастика и неопределенность. В нашем подходе предусматривается сочетание пространственной и временной организации ПС. Решение поставленной задачи с помощью динамического (имитационного) моделирования, где в модели системы задается вероятностная логика функционирования ПС, законы распределения надежности отдельных элементов (основанные на статистической информации фактической надежности), наработки на отказ, время простоя по причине отказа, имитируется процесс эксплуатации, - позволило сделать следующие выводы.  [c.191]

Чем удачнее подобрана модель, тем точнее она отражает характерные черты анализируемого процесса, тем достовернее полученные результаты. К построению моделей подходят по-разному, с использованием методов математического программирования (линейное, динамическое, выпуклое, стохастическое), сетевого и матричного планирования, математической статистики (дисперсионный и регрессионный анализы, группировка совокупностей по статистическим критериям) и т.д.  [c.268]

Реинжиниринг стратегических бизнес-процессов компании обусловлен новыми тенденциями развития общества и экономики, предъявляющими жесткие требования к задачам управления создаваемыми, действующими и развивающимися корпорациями, так как конкурентоспособное функционирование корпораций становится невозможным без реорганизации стратегических бизнес-процессов, представляющей собой совокупность стратегических мероприятий по комплексному совершенствованию системы управления, технологий деятельности, внутреннего и внешнего взаимодействия. Проведение реинжиниринга стратегических бизнес-процессов потребовало детального анализа стратегических моделей. Таким образом, центр тяжести смещается от ключевой верификации оценки качества бизнес-процесса к интегрированной функциональности статистический анализ и представление результатов в наглядном виде линейное программирование и вычисление наиболее эффективных комбинаций ресурсов функционально-стоимостной анализ динамическое моделирование, в том числе анимационными средствами.  [c.77]

Экономико-математическое моделирование базируется на построении различных моделей. Экономико-математическая модель — это определенная схема развития рынка ценных бумаг при заданных условиях и обстоятельствах. При прогнозировании используют различные модели (однопродуктовые и многопродуктовые, статистические и динамические, натурально-стоимостные, микро- и макроэкономические, линейные и нелинейные, глобальные и локальные, отраслевые и территориальные, дескриптивные и оптимизационные). Наибольшее значение в прогнозировании имеют оптимизационные модели (модели экстремума). Оптимизационные (или оптимальные) модели представляют собой систему уравнений, которая-кроме ограничений (условий) включает также особого рода уравнение, называемое функционалом, или критерием оптимальности. С помощью такого критерия находят решение, наилучшее по какому-либо показателю.  [c.263]

Информация об условиях задачи и статистических характеристиках параметров может поступать единовременно до или после принятия решения или же по частям, в несколько этапов, как до принятия, так и после начала реализации решения. Принимаемое решение может быть единственным и окончательным или может корректироваться в последующем, по мере поступления и накопления дополнительной информации о состоянии объекта и среды. Указанные особенности находят отражение в так называемых одноэтапных (статических) и многоэтапных (динамических) моделях.  [c.54]

Статистические методы, основанные на сравнении количества ошибок, являются линейными и поэтому не адекватно отражают нелинейные динамические свойства саморегулирующихся рынков и не справляются с траекториями хаотичной модели.  [c.114]

Определение динамических и статистических характеристик моделей  [c.37]

Аналитическая аппроксимация динамического временного ряда, содержащего цены некоторого актива в последовательные моменты времени, представляет собой математическую модель развития во времени этого динамического ряда и описывает присущие ему статистические характеристики.  [c.138]

Для этой цели, я опишу новый набор вычислительных методов, которые способны искать и сравнивать модели, на разных масштабах в иерархических системах. Я буду использовать эти модели для улучшения понимания динамического состояния до и после финансового краха и улучшения статистического моделирование социальных иерархических систем с целью развития надежных навыков прогноза для таких крупномасштабных финансовых крушений.  [c.34]

Было бы удобно, если бы ни относящиеся к делу факторы, ни их величины не менялись от периода к периоду. Если бы это было так, то к доходностям ценных бумаг за обширный прошедший период можно было бы применить механические процедуры и получить факторную модель со всеми необходимыми величинами. На самом деле методы статистических оценок должны быть дополнены здравым смыслом для того, чтобы построенная модель учитывала динамическую природу инвестиционной среды.  [c.309]

В отличие от статистической и статичной модели динамическая модель ритма производственного цикла изготовления изделия позволяет с большей достоверностью устанавливать предельные вероятностные (самые поздние) сроки выполнения работ. При этом процессы изготовления каждого изделия увязываются с процессами изготовления всех остальных изделий, входящих в производственную программу учитываются пространственная структура производственного цикла, динамика структуры трудоемкости изготовления каждого изделия, непрерывная загрузка производственных подразделений в ходе выполнения производственной программы.  [c.160]

Вторая группа моделей основана на рассмотрении процедуры принятия решений менеджментом. При ситуационном подходе принятие стратегических и тактических (оперативных) решений составляет основу функционирования организации. Примерами таких моделей являются Байесовская модель (теория статистических решений), модели, основанные на теории полезности, теории выбора, других теориях динамического программирования.  [c.121]

Рассмотрены основные типовые модели оптимизации производственной деятельности фирмы с линейным технологическим множеством, статистические и динамические модели планирования производственных инвестиций, вопросы экономико-математического анализа хозяйственных решений на основе использования аппарата двойственных оценок. Изложены основные подходы к проблематике оценки качества производственных инвестиций, а также методы и показатели оценки их эффективности.  [c.2]

Математические модели прогнозирования представляют собой наиболее универсальные и достаточно строгие методы анализа тенденций развития техники. Они позволяют дать количественное описание динамики развития реальных объектов прогнозирования, изучить характер и направления влияния на их изменение различных факторов. Для моделирования процессов научно-технического развития особенно часто используются методы статистического анализа, исследование производственных функций, динамическое про-  [c.118]

Модели стохастического управления, в которых закон управления или механизм управления учитывает последовательный характер накопления информации и может уточняться в процессе управления, описываются многоэтапными стохастическими задачами. Целевой функционал динамической задачи зависит от состояния системы на конечном (.S-M) этапе или от всей траектории системы. Область определения задачи отдельного этапа описывается жесткими или условными статистическими или условными вероятностными ограничениями. Оптимальные решающие правила или решающие распределения этих задач определяют законы управления или механизмы стохастического управления.  [c.46]

Б1 — блок межотраслевых моделей. В него входят народнохозяйственные межотраслевые (укрупненная стоимостная динамическая модель, развернутая натурально-стоимостная статистическая модель), комплексные межотраслевые (например, топливно-энергетический баланс), межпродуктовые отраслевые (например, межпродуктовый баланс производства и распределения продукции химической промышленности), региональные межотраслевые (например, межотраслевой баланс со-  [c.135]

Статистическое моделирование экономических процессов заключается в проведении статистических испытаний на основе мате-матико-статистической модели, описывающей колебания тех или иных элементов производственного процесса под влиянием разнообразных факторов, действие которых не поддается управлению. Построить экономико-математическую модель — значит выразить в математической форме основные качественные зависимости данного экономического процесса. Экономико-математическая модель отличается тем, что отобранные для экономического анализа показатели записываются в виде математических выражений (уравнений и неравенств). Одним из методов изучения динамических рядов себестоимости добычи нефти и газа является регрессия. В регрессионном анализе данные могут быть динамическими (данные, представленные во времени) и вариационными (данные, представленные в пространстве). В данном исследовании будем останавливаться только на первых.  [c.65]

Чтобы обосновать свое мнение, специалисты по прогнозированию опираются на разнообразные источники информации и методы прогнозирования. К примеру, прогнозы макроэкономического и отраслевого масштаба порой требуют применения эконометрических моделей, в которых учитывается взаимодействие многих экономических переменных. В других случаях специалист может использовать статистические модели для анализа и прогнозирования динамических рядов. Прогнозы спроса будут отчасти опираться на прогнозы состояния макроэкономической среды они также могут основываться на формальных моделях, которые специалисты по маркетингу разработали для предсказания поведения потребителей, или на последних опросах потребителей, которые оказались в распоряжении менеджеров компании3.  [c.773]

Наиболее широко в перечне методов маркетингового анализа представлена статистика. Методология маркетингового анализа использует следующие статистические методы абсолютные, средние, относительные величины, динамические ряды и ряды распределения, группировки, индексы, вариационный и дисперсионный анализ, корреляционно-регрессионный и многомерный анализ, графический метод, трендовые модели, методы экспертных оценок. Эконометрика в маркетинге представлена методами линейного и нелинейного моделирования, а также динамического программирования, моделями, базирующимися на теории массового обслуживания (теория очередей) и теории принятия решений (теория риска), имитационными моделями. Самостоятельное значение придается логистическим моделям управления г отоками товаров и денег и оптимизации товарных запасов. В маркетинговом анализе широко используются квалиметрические методы, а также методы социометрии. Стратегические матрицы (решетки), используемые в маркетинговом планировании для целей разработки оптимальной стратегии, могут найти применение и в маркетинговом анализе - для определения рейтинга фирмы и ее позиции на рынке, для прогноза риска и т.п. Немаловажное значение придается также неформальному описательному и качественному анализу, сценариям развития и т.п.  [c.100]

Однако, как правило, динамика рынка изучается с помощью статистических методов обработки динамических рядов, позволяющих не только точно определить скорость и вектор развития, но и с помощью трендовых моделей выявить его основную тенденцию (тренд). Важную роль в анализе динамики рыночных процессов играет индексный метод, который обеспечивает возможность интегрированной оценки общего изменения сложных многоструктурных явлений (например, товарооборота) и позволяет выявить некоторые факторы развития (например, количественный и ценностный). Для анализа причинно-следственных связей в динамике целесообразно применять многофакторные статистические модели, которые могут быть использованы еще и для прогнозирования. В некоторых случаях используются методы многомерного анализа. Динамические процессы, структурные сдвиги, соотношения и т.п. легко проиллюстрировать методами графического анализа.  [c.102]

Задача развития нефтебазового хозяйства содержит ряд особенностей, которые обусловливают нео5бходимость отдельного рассмотрения ее. Критерий оптимальности ее — минимум приведенных затрат. Задача рассматривается в динамической постановке. При составлении плана, охватывающего отдельно взятый период (год), задача решается на статистической модели, при рассмотрении ряда периодов (10—15 лет) учитывается непосредственная взаимосвязь между предыдущими и последующими этапами развития.  [c.43]

Веге (1991) разработал уникальный метод. Его гипотеза когерентного рынка ( oherent Market Hypothesis — СМН) есть нелинейная статистическая модель — в противоположность нелинейным детерминистическим моделям, которые обсуждались в гл. 11-13. Она связана с фрактальной гипотезой из части 2, но это — статистическая динамическая модель. Ее основная предпосылка состоит в том, что вероятностное распределение изменений рынка во времени базируется на  [c.217]

Место имитационного моделирования в составе экономико-математических методов. 2.Мысленные и машинные модели социально экономических систем. 3.Социально-экономические процессы как объекты моделирования. 4. Структура и классификация имитационных моделей. 5.Основные этапы процесса имитации. 6.Определение системы, постановка задачи, формулирование модели и оценка ее адекватности. 7.Экспериментирование с использованием ИМ, механизм регламентации, интерпретация и реализация результатов. 8.Организационные аспекты имитационного моделирования. 9.Основные компоненты динамической мировой модели Форрестера. 10.Концепция петля обратной связи . И.Структура модели мировой системы. 12. Каноническая модель предприятия. 13.Моделирование затрат предприятия. 14.Моделирование налогообложения. 15.Использование имитационного моделирования для планирования. 16.Содержание процессов стратегического и тактического планирования. 17.Основные модули системы поддержки принятия решений. 18.Сущность статистического ИМ. 19.Метод Монте-Карло. 20.Идентификация закона распределения. 21.Классификация систем МО. 22.Сущность метода экспериментальной оптимизации. 23.Формирование концептуальной модели. 24.Принципы выбора критерия оптимальности, разработка алгоритма оптимизации. 25.Эвристические алгоритмы поиска решений. 26.Управленческие имитационные игры, их природа и сущность. 27. Структура и порядок разработки управленческих имитационных игр.  [c.121]

Для описания производственных процессов в машиностроении используют распространенные методы динамического имитационного моделирования. Наиболее известен комплекс Em-plant фирмы Te hnomatix, который на основании имеющихся "статистических" моделей маршрутных и операционных технологических процессов рассчитывает характеристики потоков деталей и заготовок с учетом различных статистических факторов (простои и поломка оборудования, отклонения от заданной производственной программы и т.п.). Такие системы помогают балансировать производственные потоки с оптимизацией межоперационных заделов, определять реальную (динамическую) производительность участков, цехов, заводов, достоверно осуществлять долгосрочное и оперативное планирование, проводить диспетчеризацию производства.  [c.104]

Модель обработки данных включает в себя формализованное описание процедур организации вычислительного процесса, преобразования данных и отображения данных. Под организацией вычислительного процесса (ОВП) понимается управление ресурсами компьютера (память, процессор, внешние устройства) при решении задач обработки данных. Эта процедура формализуется в виде алгоритмов и программ системного управления компьютером. Комплексы таких алгоритмов и программ получили название операционных систем. Операционные системы выступают в виде посредников между ресурсами компьютера и прикладными программами, организуя их работу. Процедуры преобразования данных (Tiff) на логическом уровне представляют собой алгоритмы и программы обработки данных и их структур. Сюда включаются стандартные процедуры, такие, как сортировка, поиск, создание и преобразование статистических и динамических структур данных, а также нестандартные процедуры, обусловленные алгоритмами и программами преобразования данных при решении конкретных информационных задач. Моделями процедур отображения данных (ОД) являются компьютерные программы преобразования данных, представленных машинными кодами, в воспринимаемую человеком информацию, несущую в себе смысловое содержание. В современных ЭВМ данные могут быть отражены в виде текстовой информации, в виде графиков, изображений, звука, с использованием средств мультимедиа, которые интегрируют в компьютере все основные способы отображения.,  [c.55]

На стадии перспективного планирования в основном используются те же математические методы, что и на стадии текущего планирования. Но особое внимание уделяется проверке прогноз ных свойств моделей. При экономико-статистическом моделировании отдельных экономических показателей деятельности нефтеба-зового хозяйства предусматривается проверка устойчивости параметров модели во времени. Задача линейного программирования решается в вариантной постановке. Вся выходная информация дается в определенных интервалах значений. Особенностью математической модели задачи 7 является то, что она охватывает два взаимосвязанных этапа планового периода (первый этап — 5 лет, второй — 10 лет) и предусматривает использование неоднородной структуры представления исходной информации. В целом она сводится к динамической модели общей задачи линейного программирования.  [c.20]

Как xt, так и yt зависят от предыдущих значений xt t и yt p и это делает систему динамической. Из-за квадратичного члена в первом уравнении система является нелинейной. Если мы возьмем произвольные начальные значения и сгенерируем по этим уравнениям ряд значений для xt и yt, то окажется, что их значения беспорядочно и внешне случайно располагаются, соответственно, в интервалах от -0.4 до 0.4 и от -1.4 до 1.4. Так же, как и в рассмотренном ранее случае логистического отображения рис. 3.4, эти значения не сходятся к какому-либо положению равновесия и не совершают периодических колебаний. Таким образом, мы имеем дело с системой, обладающей странным аттрактором. Понятно, что с помощью традиционных статистических методов нам вряд ли удастся выявить структуру модели, поскольку и х, и у ведут себя беспорядочно (см. [214, с. 152]).  [c.84]

Настоящая монография содержит пятнадцать глав. В гл. 1, носящей вводный характер, классифицируются постановки задач стохастического программирования, приводится краткая историческая оправка и излагается вспомогательный математический аппарат. Глава 2 посвящена анализу постановок различных технических и экономических прикладных задач управления в условиях неполной информации. Содержание последующих девяти глав связано с активным подходом к стохастическому программированию — (формальной основой для выбора решений в условиях неполной информации. В гл. 3—5 исследуются од-ноэтапные стохастические задачи с вероятностными и статистическими ограничениями, решаемые в чистых и смешанных стратегиях, в априорных и апостериорных решающих правилах и решающих распределениях. Главы 6—8 посвящены теории и вычислительным схемам классической двухзтапной задачи стохастического программирования. В гл. 9—11 описаны динамические модели управления в условиях неполной информации — многоэтапные задачи стохастического программирования с условными и безусловными статистическими и вероятностными ограничениями с априорными и апостериорными решающими правилами.  [c.6]