Навігація
Головна
Метод експоненціального згладжуванняМоделі експоненціального згладжуванняМодель Брауна (модель експоненціального згладжування)Зв'язок між ARIMA і експоненціальним згладжуваннямАвтоматизація моделей експоненціального згладжуванняМодель експоненціального згладжування сезонних рівнівМодель простого експоненціального згладжуванняПросте експоненціальне згладжування з дрейфомЯк використовувати метод експоненціального згладжування?Фондовий ринок як фактор економічного зростання і згладжування...
 
Головна arrow Економіка arrow Методи соціально-економічного прогнозування. Т.2.
< Попередня   ЗМІСТ   Наступна >

Експоненціальне згладжування

У результаті освоєння даної глави студент повинен:

знати

• основні поняття, принципи, методи та інструменти аналізу та прогнозування еволюційних соціально-економічних процесів;

• сучасні теорії короткострокового прогнозування еволюційних процесів;

• характеристики та властивості моделі експоненціального згладжування і її модифікацій;

вміти

• визначати процеси, для прогнозування яких доречно застосування моделі експоненціального згладжування і її модифікацій;

• знаходити оптимальне значення постійної згладжування і давати інтерпретацію цьому значенню;

• виявляти тип соціально-економічної динаміки і підбирати відповідну їй модифікацію моделі експоненціального згладжування;

володіти

• методами та методиками прогнозування за допомогою моделі експоненціального згладжування;

• методами та методиками прогнозування соціально-економічної динаміки з урахуванням типу цієї динаміки, у тому числі циклічності соціально-економічних явищ;

• інформаційними технологіями автоматизації вибору моделей експоненціального згладжування для прогнозування соціально-економічних процесів.

Оскільки великі соціально-економічні системи, необоротно розвиваючись у часі, адаптуються до різних зовнішніх і внутрішніх факторів, моделі, які описують закономірності цього розвитку, також повинні враховувати цю властивість, тобто бути адаптивними. Інакше причинно-наслідкові зв'язки не будуть описані і прогнозні моделі будуть неточні.

Поняття адаптації та адаптивності з'явилися в лексиконі економістів з приходом в економіку системного аналізу. Практично у всіх роботах, присвячених аналізу властивостей великих систем економіки, виявляється властивість адаптивності, тобто здатності до адаптації, пристосуванню, самообучаемость і самоорганізуемой.

Так, під адаптацією розуміється здатність системи використовувати отримання нової інформації для наближення своєї поведінки і структури до оптимальним в нових умовах. Самонавчання - це здатність системи, адаптуючись до нових умов, коригувати свою поведінку з урахуванням допущених помилок. Здатність же системи змінювати свою структуру, склад і параметри елементів при зміні умов взаємодії з навколишнім середовищем виділяється як властивість самоорганізуемой [1][1].

Будь-яка велика система є адаптивною - вона тим чи іншим чином пристосовується до змінених умов. Але не кожна з таких систем має властивість самообучаемость - пристосування не тільки на основі зовнішньої інформації, але і на основі того, наскільки поведінка системи далеко від оптимального. Вищий рівень живучості великої системи визначається наявністю у неї не тільки властивостей адаптивності і самообучаемость, але й самоорганізації.

data-override-format="true" data-page-url = "http://stud.com.ua">

Оскільки основним завданням соціально-економічного прогнозування є побудова прогнозних моделей, найкращим способом описують динаміку розвитку, то при прогнозуванні еволюційних процесів для цього використовують адаптивні методи, що дозволяють більшою мірою враховувати поточну інформацію і в меншій мірі - минулу. Основна властивість таких методів - зміна коефіцієнтів побудованої моделі при надходженні нової інформації, тобто адаптація моделей до нових даних.

Втім, іноді зустрічається і таке поняття адаптивної коригування параметрів моделі, коли вони, оцінені за допомогою МПК, при надходженні нової інформації просто перераховуються знову [2]. У даному випадку не можна говорити про адаптацію як такої, так як остання передбачає пристосування моделей до нової інформації, облік її більшою мірою, ніж минулої інформації, а нс простий перерахунок коефіцієнтів моделі з урахуванням додаткової інформації, яка вважається однаково важливою як на початку спостережень, так і в її кінці. Це уточнення моделі, а не її адаптація.[2]

Формальною основою алгоритмів адаптації можуть бути будь ітеративні методи, що дозволяють за кінцеве кількість кроків знайти потрібне рішення. Саме такі методи знайшли найширше застосування в задачах соціально-економічного прогнозування. У цій главі ми розглянемо один з найпопулярніших в середовищі практикуючих прогнозистів адаптивних методів прогнозування тенденцій в рядах даних.

  • [1] Математика і кібернетика в економіці: словник-довідник. М.: Економіка, 1975. С. 480.
  • [2] Гамбаров Г. М., Журавель Η. М "Корольов Ю. Г. [та ін.]. Статистичне моделювання та прогнозування: навч. посібник / під ред. А. Г. Гранберг. М .: Фінанси і статистика, 1990. С. 163.
 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >

Cхожі теми

Метод експоненціального згладжування
Моделі експоненціального згладжування
Модель Брауна (модель експоненціального згладжування)
Зв'язок між ARIMA і експоненціальним згладжуванням
Автоматизація моделей експоненціального згладжування
Модель експоненціального згладжування сезонних рівнів
Модель простого експоненціального згладжування
Просте експоненціальне згладжування з дрейфом
Як використовувати метод експоненціального згладжування?
Фондовий ринок як фактор економічного зростання і згладжування економічних коливань
 
Дисципліни
Аудит та Бухоблік
Банківська справа
БЖД
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Менеджмент
Педагогіка
Політологія
Політекономія
Право
Психологія
Релігієзнавство
Риторика
Соціологія
Статистика
Страхова справа
Товарознавство
Туризм
Філософія
Фінанси
Пошук