В данном разделе представлены результаты статистической оценки будущих значений золотовалютных резервов РФ, полученные, исходя из оценки модели временного ряда золотовалютных резервов, по данным ЦБ РФ, на интервале с октября 1998 г. по январь 2004 г. Необходимо отметить, что данный показатель прогнозируется без учета сокращения резервов за счет погашения внешнего долга, в силу чего значения объемов золотовалютных резервов для месяцев, в которые производятся выплаты по внешнему долгу, могут оказаться завышенными по сравнению с реальными. [c.42]
При условии правильного отбора респондентов в контрольную группу эта модель дает более надежные результаты, чем модель временных рядов. Надежность возрастает за счет двоякого сравнения результатов измерений в экспериментальной группе до и после задействования независимой переменной и по сравнению с контрольной. Применительно к ситуации с оценкой эффективности рекламы данная модель выглядит так пробный рекламный ролик показывают отобранным респондентам лишь в некоторых городах. Респонденты в этих городах составят группу, в городах, где реклама не демонстрировалась, — контрольную группу. Еще один пример применения этой модели — многократная демонстрация рекламного ролика по каналам кабельного телевидения компанией [c.291]
Эконометрические методы используют информацию для оценки параметров модели при различных ограничениях, когда возможно. Из предшествующего исследования всегда можно делать выводы для определения направлений, функциональных форм, значимости взаимоотношений. Кроме того, можно объединить мнения экспертов. Оценки отношений могут модифицироваться при помощи информации кросс-секционного анализа и данных временных рядов. И здесь снова необходима надежная информация. Информация со сканеров — это данные недорогих экспериментов, где основные переменные, такие как реклама или цена, варьируются и оценивается их влияние на объем продаж. Результаты таких экспериментов полезны для оценки отношений. Эконометрические модели могут также использовать входящие данные сопряженного анализа. Такие модели позволяют эффективно соединить эвристические и статистические методы. [c.355]
Под прогнозом в данном случае понимается оценка будущих значений показателя, полученная на основе некоторой обладающей наилучшими статистическими свойствами модели. Более подробно о моделировании временных рядов можно прочитать, например, в книгах Энтов P.M., Дробышевский, В.П. Носко С.М., Юдин А.Д. (2001), Эконометрический анализ динамических рядов основных макроэкономических показателей, Москва, ИЭПП P.M.Энтов, В.П.Носко, А.Д.Юдин, П.А.Кадочников, С.С.Пономаренко (2002), Проблемы прогнозирования некоторых макроэкономических показателей, Москва, ИЭПП Носко, А. Бузаев, П. Кадочников, С. Пономаренко (2003), Анализ прогнозных свойств структурных моделей и моделей с включением результатов опросов предприятий, Москва, ИЭПП [c.41]
Математические модели, на основе которых осуществляется имитационный эксперимент, могут быть детерминированными и стохастическими. В детерминированной модели задание внешних воздействий однозначно определяет значения изучаемых величин. Так, в модели долгосрочного прогнозирования задание управлений sx и s2 давало возможность вычислить траектории К (t) и с (/). При использовании детерминированной модели повторение просчета при тех же значениях факторов приводило к тем же реакциям. Иное дело стохастические модели. В них реакция получается в результате взаимодействия внешних воздействий в ряде случайных чисел, которые, хотя и являются выборкой из одного и того же распределения, в силу случайности моделируемого процесса принимают разнообразные значения. В этом случае повторение просчета при тех же внешних воздействиях приведет к иному значению показателей. Так, в задаче выбора АЗС о просчетах с разными значениями случайных чисел при одном и том же варианте АЗС мы получим разные значения среднего времени простоя автомобиля (1/т) Х, и простоя оборудования Ym/Tm. Поэтому для более точной оценки интересующих заказчика величин среднего времени х простоя автомобиля и средней доли у времени простоя оборудования для одного и того же варианта АЗС проводят несколько просчетов. [c.283]
Тем не менее по ряду причин аналитику следует продолжать это исследование и критический анализ прошлого. Во-первых, что бы ни делал аналитик, он должен поддерживать профессиональные стандарты, даже если рынок временами почти не обращает внимания на результаты его работы. Во-вторых, в ряде случаев такой критический анализ позволяет выявить, что некоторые выпуски акций переоценены, а другие (и это имеет еще большее значение) — недооценены. Зачастую бывает так, что анализ прибыли просто подтверждает, что отчетные показатели компании достаточно точны и результаты корректировок можно не принимать во внимание. Очень часто это служит указанием на то, что рынок имеет дело с верными показателями прибыли, а потому вероятность того, что котировка таких акций изменится, крайне мала. Выделить адекватно оцененные выпуски акций не менее важно, чем найти переоцененные или недооцененные. В-третьих, какая бы модель оценки ни использовалась — мультипликатор прибыли, дисконтирование дивидендов или любая другая, — исходным пунктом вычислений и прогнозов является величина текущей прибыли. Чтобы получить верный прогноз, нужна как можно более точная оценка текущей способности получать прибыль. Способность получать прибыль можно было бы назвать способностью зарабатывать , и для ее оценки недостаточно отчетных показателей. Главные вопросы обладает ли компания физическими, производственными, финансовыми, сбытовыми, управленческими и прочими возможностями, которые нужны для реализации прогноза А если компания в данный момент не располагает такими возможностями, то может ли она их приобрести Если компания уже делала это прежде , прогноз на будущее становится таким образом отчасти оправданным. Наконец, в будущем рынки акций будут проходить через состояния оптимизма, когда инвесторы охотно платят цену, запрашиваемую за расчеты на будущий успех, и пессимизма, когда даже за гарантированный и реализованный успех платят нищенские цены. [c.171]
Товары-представители характеризуются определенными потребительскими свойствами назначением, качеством, артикулом, номером или наименованием марки, модели, страной-изготовителем и другими признаками. В качестве представителей выбираются такие товары и услуги, которые имеют значительную долю на потребительском рынке и, по оценкам специалистов, в течение продолжительного времени будут находиться в свободной продаже. Тщательное определение товара (услуги) как единицы статистического наблюдения способствует повышению качества индексных расчетов, поскольку дает возможность собирать действительно сопоставимые данные о ценах. Если бы в текущем периоде при построении индекса использовались данные о цене товара, отличающегося более высокими потребительскими свойствами и соответственно более высокой ценой по сравнению с одноименным товаром, включенным в выборку в базисном периоде, то в результате этого индекс потребительских цен показал бы не только чистое изменение цен, обусловленное инфляционными процессами, но и изменение, связанное с повышением качества товара. Однако индексы потребительских цен строятся именно для характеристики уровня инфляции. При этом они находят самое широкое применение. Индексы потребительских цен используются для переоценки ряда стоимостных показателей текущего периода в цены базисного периода, пересмотра минимальных социальных гарантий, решения вопросов в области оплаты труда, анализа валютных курсов и т.д. [c.344]
Задачи, возникающие в связи с исследованием функционирования организационных систем, можно разделить на задачи анализа и задачи синтеза. Задачи анализа связаны с исследованием свойств заданного механизма функционирования или некоторого множества механизмов, а задачи синтеза — с построением механизмов функционирования, обладающих нужными свойствами. В решении этих задач используется ряд методов наблюдение за функционированием реальных организаций, экспериментальное апробирование на них тех или иных предложений, имитационное моделирование, теоретическое исследование. Наибольший эффект может дать только умелое совместное их применение. Действительно, наблюдение за "функционированием реальных организаций требует значительного времени и обработки большого количества данных. Неподготовленные эксперименты на реальных объектах содержат элементы риска и могут привести в случае неудачи к значительным потерям. Поэтому требование социальной и экономической безопасности значительно сужает круг вариантов, возможных для реального экспериментирования. По понятным причинам число экспериментально апробируемых положений также не может быть большим. Поэтому эксперименты на реальных объектах требуют большой предварительной подготовки. Значительную помощь в этом плане может оказать имитационное моделирование (диалоговые системы, деловые игры). Однако и здесь имеются трудности, обусловленные, прежде всего, необходимостью больших затрат времени и квалифицированного труда на построение имитационных моделей и просчет рассматриваемых""вариантов функционирования системы при разных значениях параметров модели. Поэтому до начала проведения имитационных экспериментов весьма""желательно иметь теоретические оценки ожидаемых результатов и, прежде всего, описание [c.117]
В процессе реализации рационального подхода к принятию решений решаются задачи поиска, распознавания, классификации, упорядочения и выбора. Для этого могут применяться различные математические методы и модели с целью рационализации (оптимизации) выходных результатов. В целях оказания помощи при подготовке решений могут привлекаться эксперты. В процессе принятия рационального решения необходимо учитывать влияние таких факторов, как личностные оценки ЛПР, среду принятия решений, информационные ограничения, поведенческие ограничения, социально-психологические аспекты и ряд других. В зависимости от сложности проблемной ситуации в процессе принятия решений указанным методом варьируются затраты необходимых ресурсов трудовых, материальных, финансовых, а также затраты времени на разработку и принятие решения. [c.118]
Поскольку уровень производительности труда зависит от ряда факторов, многие из которых могут не повторяться, при расчете производительности труда для конкретных условий работы строительной организации можно применять статистические методы. Основное влияние на производительность труда оказывают структура и материалоемкость работ, поэтому их надо учитывать прежде всего. Вместе с тем большое значение имеет и группа факторов организационного характера уровень специализации организаций ( i), уровень квалификации рабочих СОД, внутрисменные потери рабочего времени (Хз), число рабочих, приходящихся на одного управленческого работника ( t), степень сменяемости строительных рабочих ( s), механовооруженность труда (Хъ), удельный вес премий по сдельно-премиальной системе оплаты труда в фонде заработной платы (AV), степень несоответствия разряда работ разрядам рабочих (Xg) и др. Таким образом, дать количественную оценку совокупного влияния факторов на производительность труда можно только с помощью регрессионного анализа. Такой анализ был выполнен в организациях, у которых доля объемов работ, выполняемых собственными силами, находилась в пределах 18,8—77,2% количество рабочих, приходящихся на одного управленческого работника в среднем,— от 15,4 до 20,7% внутрисменные потери рабочего времени от 2,7 до 24% степень сменяемости рабочих от 9,2 до 55,1% доля премий, выплачиваемых по сдельно-премиальной системе оплаты труда, в фонде заработной платы рабочих — от 0,1 до 12,9% разница между средними разрядами работ рабочих-строителей от 0,32 до 1,2, в результате была получена следующая многофакторная модель [c.142]
Однако, основная трудность здесь состоит в том, что экономические данные (в особенности, в периоды, когда ситуация быстро меняется) содержат гораздо меньше степеней свободы, чем это требуется для оценки параметров модели. Поэтому специалисты, занимающиеся анализом временных рядов, пользуются хорошо специфицированными статистическими моделями со всего одной или двумя переменными. Кроме этого, методы ARIMA и VAR успешно применялись и для непосредственной оценки поступления налогов (см. [24], [202]). Реально MoF Голландии оценивает ежемесячные поступления с помощью модели ARIMA(0,0,0)(0,l,l)i2- Для прогнозов задним числом модели временных рядов типа ARIMA-MoF часто оказываются не хуже эконометрических, но у них есть тот недостаток, что эти модели не содержат переменных и соотношений, и, следовательно, по результатам расчетов трудно сделать какие-либо выводы относительно экономической политики. [c.96]
В данном бюллетене представлены расчеты значений различных экономических показателей Российской Федерации на период с августа по ноябрь 2004 г., построенные на основе моделей временных рядов, разработанных в результате исследований, проводимых в течение последних нескольких лет в ИЭПП. Использованный метод прогнозирования относится к группе формальных или статистических методов. Иными словами, полученные значения не являются выражением мнения или экспертной оценки исследователя, а представляют собой расчеты будущих значений конкретного экономического показателя, выполненные на основе формальных моделей временных рядов ARIMA(/ , d, q) с учетов существующего тренда и, в некоторых случаях, его значимых изменений. Представляемые прогнозы имеют инерционный характер, поскольку соответствующие модели учитывают динамику данных до момента построения прогноза и особенно сильно зависят от тенденций, характерных для временного ряда в период непосредственно предшествующий интервалу времени, для которого строится прогноз. Данные оценки будущих значений экономических показателей Российской Федерации могут быть использованы для поддержки принятия решений, касающихся экономической политики, при условии, что общие тенденции, наблюдаемые до момента, в который строится прогноз для каждого конкретного показателя, не изменятся, то есть в будущем не произойдет серьезных шоков или изменения сложившихся долгосрочных тенденций. [c.1]
В гл. 3 мы переходим к финансовым приложениям. Исследуется такой вопрос обладают ли финансовые рынки внутренним механизмом нелинейной обратной связи Если такой механизм, проявляющийся во внешне случайном, хаотическом поведении цен, действительно, существует, то это было бы серьезным ударом по таким известным теориям, как теория случайного. блуждания или гипотеза эффективного рынка. При помощи ряда простых и хорошо известных статистических моделей мы исследуем некоторые временные ряды, а затем они же используются для определения возможностей нейронно-сетевого подхода в обнаружении (и предсказании) детерминированных связей в исследуемом ряде. В гл. 4 рассматриваются результаты управления активами и пассивами министерства финансов Голландии и, особенно подробно, ежемесячная оценка валовых поступлений от налогов. Оценивается эффективность различных методов, в том числе — модели ARIMA (собственной разработки министерства). Новые методы, такие, как1 нейронные сети, позволяют исследовать процесс без предварительной спецификации нелинейной модели, и, по-видимому, традиционные модели образования цен уступают им именно из-за отсутствия спецификации, а не из-за неучета свойств эффективности рынка. [c.17]
В линейном анализе временных рядов можно получить несмещенную оценку способности к обобщению, исследуя результаты работы на обучающем множестве (MSE), число свободных параметров (W) и объем обучающего множества (N). Оценки такого типа называются информационными критериями (1 ) и включают в себя компоненту, соответствующую критерию согласия, и компоненту штрафа, которая учитывает сложность модели. Барроном [30] были предложены следующие информационные критерии нормализованный 1 Акаике (NAI ), нормализованный байесовский 1 (NBI ) и итоговая ошибка прогноза (FPE) [c.65]
Остается открытым вопрос о том, в какой степени проделанные исследования поддаются обобщению. Результаты выглядят обнадеживающе. Перспектива завоевать рынок с помощью нейронных сетей, конечно же, весьма привлекательна. С точки зрения академического исследователя еще более интересной представляется возможность найти истинную модель для дохода по акциям. Методы ARIMA, VAR, TAR, AR H и им аналогичные хороши для получения точных оценок временных рядов, но мало что дают для концептуального понимания исследуемого явления. [c.155]
Вторая проблема состоит в том, что поскольку в модели авторегрессии в явном виде постулируется зависимость между текущими значениями результата. у, и текущими значениями остатков н очевидно, что между временными рядами у, и , , также существует взаимозависимость. Тем самым нарушается еще одна предпосылка МНК, а именно предпосылка об отсутствии связи между факторным признаком и остатками в уравнении регрессии. Поэтому применение обычного МНК для оценки параметров уравнения авторегрессии приводит к получению смещенной оценки параметра при переменной yt x. [c.325]
Процедура Йохансена имеет две функции. Первая — определение числа векторов коинтеграции в группе временных рядов, вторая — обеспечение оценок максимального правдоподобия векторов коинтеграции и векторов скорости приведения. Обе модели кратко описаны в приложениях 7.1 и 7.2 соответственно. Однако, помимо этого, многие пакеты прикладных экономических программ содержат процедуры коинтеграции. Мы использовали Mi rosoft 3.0 для получения результатов в приведенном ниже примере. [c.349]
Выбор модели прогнозирования для оценки реакции покупателей зависит от стадии жизненного цикла товара (см. УПРАВЛЕНИЕ ЖИЗНЕННЫМ ЦИКЛОМ ТОВАРА). При движении от одной фазы жизненного цикла товара к другой меняется относительная ценность альтернативных прогнозов. В основном движение происходит от чисто эвристических подходов к количественным моделям, которые используют результаты предшествующих моделей как входящую информацию. Например, представления и мнения экспертов важны на этапах разработки и создания образцов. Методы экстраполяции подойдут на ранних стадиях, если найдутся аналогичные товары ( lay amp Liddy, 1969). На последующих этапах методы экстраполяции становятся более полезными и менее дорогими, так что можно работать прямо с информацией временных рядов о продажах или заказах. Эконометрические и сегментационные методы хорошо применять, когда получен достаточный объем информации о действительных объемах продаж. [c.360]
Проблема оценки достоверности прогнозов. Важным моментом получения прогноза с помощью МНК является оценка достоверности полученного результата. Для этой цели используется целый ряд статистических характеристик 1. Оценка стандартной ошибки 2. Средняя относительная ошибка оценки 3. Среднее линейное отклонение 4. Корреляционное отношение для оценки надежности модели 5. Оценка достоверности выбранной модели через значимость индекса корреляции по Z-критерию Фишера 6. Оценка достоверности модели по F-критерий Фишера 7. Наличие автокорреляций (критерий Дарбина - Уотсона). Недостатки, обусловленные жесткой фиксацией тренда. Жесткие статистические предложения о свойствах временных рядов ограничивают возможности методов математической статистики, теории распознавания образов, теории случайных процессов и т.п., так как многие реальные процессы не могут адекватно быть описаны с помощью традиционных статистических моделей, поскольку по сути являются существенно нелинейными и имеют либо хаотическую, либо квазипериодическую, либо смешанную основу. [c.69]
Оценка моделей рассматриваемых экономических показателей проводилась по стандартным методикам анализа временных рядов. На первом шаге анализировались кореллограммы исследуемых рядов и их первых разностей с целью определения максимального количества запаздывающих значений, которые необходимо включать в спецификацию модели. Затем, исходя из результатов анализа кореллограмм, все ряды тестировались на слабую стационарность (или стационарность около тренда) при помощи теста Дикки-Фуллера. В некоторых случаях проводилось тестирование рядов [c.1]
Техническое прогнозирование имеет в русскоязычном варианте и другое наименование, а именно прогнозирование на основе временных рядов. В настоящее время появилось довольно много новых изощренных методик такого прогнозирования, использующих разнообразные нелинейные функции прошлых и будущих данных, графический анализ колеблемости валютного курса, экспертную оценку возможности перенесения из предыдущих периодов некоторых образцов движения этого курса, так называемые модели временных серий (time series models) и т. д. Нередко это действительно позволя-ет получить удовлетворительные результаты. Тем не менее по своей сути этот подход предполагает допустимость экстраполяции, продления тенденций развития того или иного явления, сложившихся в прошлом, на будущее, з данной посылки вытекают и его возможности, и его ограничения. Эконо-Мическая интерпретация прогноза достаточно проста, однако любой сколько-нибудь существенный перелом в сложившихся тенденциях оказывается губительным для качества предсказания будущей величины валютно-г° курса. [c.261]
С того времени появился целый ряд монографий по оценке стоимости бизнеса. Так, например, в книге Анализ рынка ценных бумаг Грэма и Додда (М. Олимп-Бизнес, 2000. С. 638) говорится о том, что затратный подход наиболее приемлем для расчетов по отношению к холдинговым компаниям. В отношении к холдинговым компаниям, к числу которых относится и Роснефть , модель дисконтированного денежного потока относительно менее приемлема. Так что Оценщик был вправе придать результатам расчетов по модели дисконтированного денежного потока относительно небольшой вес. [c.289]
Смотреть страницы где упоминается термин Результаты оценки моделей временных рядов
: [c.134] [c.63] [c.15]Смотреть главы в:
Интегрированность российского рынка -> Результаты оценки моделей временных рядов