Общая характеристика методов выявления тенденции в рядах динамики..

Введение 3
1. Теоретические аспекты изучения методов выявления тенденции в рядах динамики 5
1.1. Понятие и виды рядов динамики 5
1.2. Методы выявления тенденции в рядах динамики 8
2. Особенности применения корреляционно-регрессионного методах выявления тенденции в рядах динамики на примере оценки влияния корпоративной социальной ответственности на репутацию компании 17
2.1. Набор панельных данных, влияющих на деловую репутацию компании и ее выбор, тестирование модели взаимосвязи между компонентами КСО и чистой прибылью компании 17
2.2. Алгоритмы процесса выявления тенденции в рядах динамики с использованием множественного регрессионного анализа для оценки влияния компонентов КСО на чистую прибыль компании 19
3. Прогнозирование изменений основных компонентов КСО 23
Заключение 25
Список использованных источников 27

Весь текст будет доступен после покупки

Тема прогнозирования экономического развития с помощью эконометрических моделей является актуальной с момента их внедрения в 60-х годах. С тех пор эконометрический анализ и структура экономики развитых стран претерпели изменения, которые требуют улучшения моделей для более точных прогнозов экономического состояния. В настоящее время, тема хорошо разработана теоретически. Известны практикующие авторы, такие как Филатова, Стоцкая и другие. Специалисты концентрируются на проблемах коинтеграции и оценке параметров, которые изменяются со временем. Американский экономист, Р. Энгл, разработал подход к коинтеграции, который по-новому подошел к изучению временных рядов. Этот подход может помочь в исследованиях и предоставит возможность для дальнейшего усовершенствования эконометрических моделей. Временные ряды представляют собой последовательности экономических изменений за определенные промежутки времени.

Весь текст будет доступен после покупки

Временной ряд представляет собой последовательное расположение показателей, отражающих развитие явления во времени. Эконометрическое исследование временных рядов имеет две основные задачи: прогнозирование будущих значений ряда и изучение взаимосвязей между различными временными рядами.
Характеристиками временного ряда являются моменты времени или периоды, к которым относится статистическая информация, а также статистические данные – уровни ряда.
Факторы, влияющие на уровень временного ряда, можно разделить на группы, такие как факторы, формирующие тренд, циклические колебания и случайные факторы.
У модели, формулирующей причинно-следственные связи между переменными, есть динамический характер, то есть она моделирует эти связи во времени, а исходные значения представлены временными рядами.
Временной ряд состоит из нескольких составляющих, главной из которых является тенденция, описывающая общую динамику исследуемого явления или процесса.

Весь текст будет доступен после покупки

1. Витяев Е. Е., Ковалерчук Б. К., Федотов А. М., Барахнин В. Б., Белов С. Д., Дурдин Д. С., Демин А. В. Обнаружение закономерностей и распознавание аномальных событий в потоке данных сетевого трафика // Вестник НГУ, Информационные технологии. — 2008. — Т. 6. — Вып. 2. — С. 57–68.
2. Демин А. В. Логико-вероятностные методы прогнозирования и распознавания нарушений динамики финансовых временных рядов // Молодой ученый. — 2013. — №11. — С. 41-46. — URL https://moluch.ru/archive/58/8132/ (дата обращения: 16.01.2020).
3. Демин А. В., Витяев Е. Е. Реализация универсальной системы извлечения знаний «Discovery» и ее применение в задачах финансового прогнозирования // Информационные технологии работы со знаниями: обнаружение, поиск, управление. — Новосибирск, 2008. — Вып. 175: Вычислительные системы. — С. 3–47.
4. Доугерти К. Введение в эконометрику: Пер. с англ. – М.: ИНФРА-М, 2013. – 402 с.
5. Звягин Л. С. Математические методы в эконометрике как средства анализа и исследования социально-экономических систем // Вопросы экономики и управления. — 2015. — №1. — С. 1-6. — URL https://moluch.ru/th/5/archive/10/210/ (дата обращения: 16.01.2020).
6. Катышев П.К., Магнус Я.Р., Пересецкий А.А. Сборник задач к начальному курсу эконометрики. – М.: Дело, 2019. – 208 с.
7. Колибаба А. И., Колибаба А. И. Эффективность прогнозирования отраслевых индексов методом анализа временных рядов // Молодой ученый. — 2015. — №20. — С. 250-252. — URL https://moluch.ru/archive/100/22558/ (дата обращения: 16.01.2020).
8. Кратович П. В. Предпрогнозный анализ временных рядов финансовых данных на основе методов фрактального анализа // Молодой ученый. — 2010. — №1-2. Т. 1. — С. 11-18. — URL https://moluch.ru/archive/13/1084/ (дата обращения: 16.01.2020).
9. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2018. – 311 с.
10. Круг Э. А. Использование экономико-статистического метода при прогнозировании объема продаж продукции // Молодой ученый. — 2013. — №4. — С. 238-241. — URL https://moluch.ru/archive/51/6488/ (дата обращения: 16.01.2020).

Весь текст будет доступен после покупки