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 эконометрических моделей и их применения для прогнозирования в экономике остается актуальной. Начиная с 60-х годов прошлого века, эконометрические модели использовались для прогнозирования экономических показателей. Однако с тех пор экономическая ситуация изменилась, а методы анализа эконометрических данных развиваются. Сегодня эта проблема все еще остается актуальной и требует дальнейшего совершенствования моделей прогнозирования.

В настоящее время многие эксперты работают над улучшением эконометрических моделей. Некоторые из них, такие как Филатова Е.С., Филатов Д.М., Стоцкая А.Д., и другие, уже сделали значительный вклад в эту область. Они занимаются исследованиями в области коинтеграции (метод определения долгосрочных отношений между группой переменных временных рядов), прогнозирования и оценки параметров, которые меняются со временем.

Практическая значимость исследований в этой области заключается в возможности применения их результатов для дальнейших исследований в экономике. Временные ряды - это последовательности данных, которые отражают экономические изменения в течение определенного периода времени.

Весь текст будет доступен после покупки

Временной ряд представляет собой последовательность показателей, расположенных по хронологическому порядку и отражающих развитие определенного явления во времени. Основными задачами эконометрического исследования временных рядов являются прогнозирование будущих уровней динамических рядов и изучение взаимосвязей между временными рядами.

Характеристиками временного ряда являются момент времени или период, к которому относится статистическая информация, и сами статистические данные в виде уровней временного ряда. Значение уровня ряда зависит от влияния всех возможных факторов, которые могут быть разделены на группы: факторы, формирующие трендовую компоненту, факторы, формирующие циклические колебания в рядах (компоненту, связанную с более крупными или внутригодовыми циклами) и случайные факторы.

Тип связи между компонентами определяет вид модели: аддитивную (сумма компонент) или мультипликативную (произведение компонент). Эконометрические модели, как правило, являются динамическими, то есть причинно-следственные связи между переменными моделируются во времени, а исходные значения - временные ряды.

Временной ряд xt состоит из тренда или тенденции, который характеризует общую динамику исследуемого явления или процесса. Аналитическая тенденция - это функция времени, называемая трендом (T).

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.

Весь текст будет доступен после покупки