Geum.ru

Рабочая программа дисциплины «Анализ временных рядов и прогнозирование» Рекомендуется для направления подготовки 080100 Экономика

Вид материалаРабочая программа

Содержание


Место дисциплины в структуре ООП
4. Объем дисциплины и виды учебной работы
Аудиторные занятия (всего)
Самостоятельная работа (всего)
5. Содержание дисциплины
Тема 2. Простейшие методы анализа динамического ряда и их использование в прогнозировании
Тема 3. Статистические методы выявления основной тенденции развития
Тема 4. Прогнозирование на основе трендовых моделей
Тема 5. Прогнозирование при наличии периодических колебаний уровней динамического ряда
Тема 6. Многомерные временные ряды и основы прогнозирования по ним
Тема 7. Модели с лаговыми переменными
Тема 8. Методы анализа качества прогнозов
5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами
5.3. Разделы дисциплин и виды занятий
6. Лабораторный практикум
8. Примерная тематика курсовых работ
9. Учебно-методическое и информационное обеспечение дисциплины
10. Материально-техническое обеспечение дисциплины
Подобный материал:

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ


РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ


«Анализ временных рядов и прогнозирование»

Рекомендуется для направления подготовки

080100 Экономика


Квалификация выпускника - бакалавр


Санкт-Петербург

2011


  1. Цели и задачи дисциплины

С ростом компьютеризации экономики происходит эволюция потребностей в информации о социально-экономических процессах   все большую роль приобретает информация прогнозного характера, необходимая для обоснования критериев выбора стратегии развития на перспективу отдельных секторов, отраслей и в целом экономики региона.

Задача курса «Анализ временных рядов и прогнозирование»   познакомить с основными методами анализа рядов динамики, раскрыть методику прогнозирования по трендовым моделям, моделям регрессии и авторегрессии, моделям с периодическими колебаниями уровней временного ряда.

Цель курса заключается в овладении студентами вопросов теории и практики применении статистических методов анализа временных рядов. В процессе изучения курса студенты должны получить представление об основных приёмах анализа и прогнозирования по рядам динамики, что способствует выработке современного экономического мышления и открывает широкие возможности для творческого применения методов статистики в решении прикладных задач.
  1. Место дисциплины в структуре ООП

Дисциплина «Анализ временных рядов и прогнозирование относится к математическому циклу (вариативная часть) ООП.

Знания, умения компетенции студента, необходимые для изучения курса формируются в ходе изучения следующих дисциплин: математика, экономическая теория, статистика, эконометрика, теория вероятностей и математическая статистика.

Анализ временных рядов и прогнозирование является базовой для следующих дисциплин:
  • «Статистика фирм и отраслей»;
  • «Маркетинг»;
  • «Статистика природопользования»;
  • «Финансовая статистика»;
  • «Статистика цен»;
  • «Статистика страхования»;
  • «Социальная статистика»;
  • «Статистические ППП»;
  • «Эконометрическое моделирование».

3. Требования к результатам освоения дисциплины

    Процесс изучения дисциплины направлен на формирование следующих компетенций:
  • способности анализировать социально-значимые проблемы и процессы, происходящие в обществе, прогнозировать возможное их развитие в будущем (ОК-4);
  • осознания социальной значимости своей будущей профессии, формирование высокой мотивации к выполнению профессиональной деятельности (ОК-11);
  • владения основными методами, способами и средствами получения, хранения, переработки информации, получением навыков работы с компьютером как средством управления информацией, способности работать с информацией в глобальных компьютерных сетях (ОК-13);
  • способности собрать и проанализировать исходные данные, необходимые для расчета экономических и социально-экономических показателей, характеризующих деятельность хозяйствующих субъектов (ПК-1);
  • способности осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач (ПК-4);
  • способности выбрать инструментальные средства для обработки экономических данных в соответствии с поставленной задачей, проанализировать результаты расчетов и обосновать полученные выводы (ПК-5);
  • способности анализировать и интерпретировать финансовую, бухгалтерскую и иную информацию, содержащуюся в отчетности предприятий различных форм собственности, организаций, ведомств и использовать полученные сведения для принятия управленческих решений (ПК-7);
  • способности анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических показателей (ПК-8);
  • способности, используя отечественные и зарубежные источники информации, собрать необходимые данные проанализировать их и подготовить информационный обзор и/или аналитический отчет (ПК-9);
  • способности использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии (ПК-10).

В результате изучения дисциплины студент должен:

знать:
  • основы методологии анализа временных рядов современной системы показателей, характеризующих деятельность хозяйствующих субъектов на микро- и макроуровне;
  • основные методы прогнозирования в решении прикладных экономических задач.

уметь:
  • использовать источники экономической, социальной, управленческой информации;
  • анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально- экономических показателей;
  • осуществлять выбор инструментальных средств обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы;
  • осуществлять поиск информации по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач прогнозного характера.

владеть:
  • современными методами сбора, обработки и анализа временной информации экономических и социальных показателей;
  • современными методами построения моделей по временной информации для исследования рынка труда, потребительского и финансового рынка и в других важных областях экономики;
  • навыками самостоятельной работы по прогнозированию.

4. Объем дисциплины и виды учебной работы

Общая трудоемкость дисциплины составляет 4 зачетных единицы.

Вид учебной работы
Всего часов

(семестр 6)

Аудиторные занятия (всего)
72

В том числе:
-

Лекции
40

Практические занятия (ПЗ)
32

Самостоятельная работа (всего)
72

В том числе:
-

Расчётно-графическая работа
16

Аналитическая расчетная работа №1
16

Аналитическая расчетная работа №2
16

Курсовая работа
20

Другие виды самостоятельной работы

4

Вид промежуточной аттестации – дифференцированный зачёт
-

Общая трудоемкость час

зач. ед.
144

4

5. Содержание дисциплины

5.1. Содержание разделов дисциплины

Тема 1. Предмет и задачи курса. Компоненты временного ряда

Определение понятий прогноза и прогнозирования. Временные ряды как источник информации для прогнозирования. Компоненты уровня динамического ряда: основная тенденция (тренд), периодические и сезонные колебания, случайная составляющая. Моделирование временного ряда, его анализ – необходимые звенья в экстраполяционных прогнозах. Классификация социально-экономических прогнозов и методов прогнозирования. Экстраполяция в системе методов статистического прогнозирования. Методы экспертных оценок, статистического моделирования, нормативные и целевые прогнозы. Их краткая характеристика.

Тема 2. Простейшие методы анализа динамического ряда и их использование в прогнозировании

Требования, предъявляемые к статистическим данным. Важнейшие показатели изменения уровней динамического ряда: средний абсолютный прирост; средний темп роста, ориентированный на конечный уровень динамического ряда и на сумму значений уровней за определенный период; средняя величина абсолютного и относительного ускорения, коэффициент опережения.

Экстраполяция и интерполяция статистических данных во временном ряду. Прогнозирование на основе стационарного ряда. Использование при экстраполяции обобщающих средних показателей роста и прироста.

Тема 3. Статистические методы выявления основной тенденции развития

Проверка гипотезы о существовании тренда. Метод конечных разностей, простая и взвешенная скользящие средние, экспоненциальное сглаживание, аналитическое выравнивание с помощью многочленов, экспоненты, гиперболы модифицированной экспоненты, кривой Гомперца и логистической кривой.

Тема 4. Прогнозирование на основе трендовых моделей

Уравнение тренда и оценка его качества. Автокорреляция в остатках. Критерий Дарбина-Уотсона. Выбор трендовых моделей для прогноза. Точечные и интервальные прогнозы на основе экстраполяции трендов. Автокорреляционная функция и идентификация трендов.

Тема 5. Прогнозирование при наличии периодических колебаний уровней динамического ряда

Случайные и периодические колебания уровней временного ряда. Измерение силы колебаний. Моделирование сезонных колебаний: аддитивные и мультипликативные модели. Гармонический анализ и моделирование периодических колебаний. Особенности прогнозирования по динамическому ряду с периодическими колебаниями.

Тема 6. Многомерные временные ряды и основы прогнозирования по ним

Особенности статистического изучения взаимосвязанных временных рядов. Автокорреляция по рядам динамики и методы ее устранения. Метод последовательных разностей, метод отклонений уровней ряда от основной тенденции, метод включения фактора времени; обобщённый метод наименьших квадратов.

Построение динамической однофакторной модели по временным рядам, интерпретация ее параметров и использование в прогнозировании.

Многофакторные регрессионные динамические модели. Методы их построения в зависимости от характера исходной информации. Прогнозирование по ним.

Тема 7. Модели с лаговыми переменными

Виды моделей: модели с распределёнными лагами; модели авторегрессии; авторегрессионные процессы. Определение величины лага. Интерпретация параметров моделей. Полиномиальные лаги Ш. Алмон. Преобразование Л. Койка. Авторегрессия для моделирования случайной компоненты динамического ряда. ARMA и ARIMA модели.

Тема 8. Методы анализа качества прогнозов

Абсолютные показатели качества прогнозов: абсолютная ошибка прогноза, средняя абсолютная ошибка прогноза; среднеквадратическая ошибка прогноза, относительная ошибка прогноза и средняя относительная ошибка прогноза.

Сравнительные показатели точности прогнозов: коэффициент несоответствия и его модификация, коэффициент корреляции.

Качественные показатели точности прогнозов: диаграмма «прогноз-реализация», разложение Тейла - ошибки прогноза на доли несоответствия тенденции, дисперсии и ковариации.

Выбор показателей точности прогноза.

5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами

№ п/п
Наименование обеспечиваемых (последующих) дисциплин
№ № разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин

1
2
3
4
5
6
7
8

1
Эконометрическое моделирование









+
+
+
+



2
Статистика фирм и отраслей



+
+
+
+
+



+

3
Маркетинг
+



+
+
+
+
+
+

4
Статистика природопользования



+
+
+
+
+






5
Статистика цен



+
+
+
+
+
+
+

6
Финансовая статистика



+
+
+
+
+
+
+

7
Социальная статистика
+
+
+
+
+
+






5.3. Разделы дисциплин и виды занятий

№ п/п
Наименование раздела дисциплины
Лекц.
Практ.

зан.
СРС
Всего

час.

1
Предмет и задачи курса
2
-
2
4

2
Простейшие методы анализа динамического ряда и их использование в прогнозировании
2
2
4
8

3
Статистические методы выявления основной тенденции развития
8
8
10
26

4
Прогнозирование на основе трендовых моделей
4
4
8
16

5
Прогнозирование при наличии периодических колебаний уровней динамического ряда
8
6
16
30

6
Многомерные временные ряды и основы прогнозирования по ним
8
4
12
24

7
Модели с лаговыми переменными
6
6
16
28

8
Методы анализа качества прогнозов
2
2
4
8




ИТОГО
40
32
72
144

6. Лабораторный практикум не предусмотрен учебным планом.

7. Практические занятия (семинары)


№ п/п
№ раздела дисциплины
Тематика практических занятий (семинаров)
Трудо-емкость

(час.)

1
2
Прогнозирование на основе простейших методов анализа динамического ряда
2

2
3
Полиноминальные тренды и их анализ. Экспоненциальная кривая. Логарифмическая парабола. Различные виды гипербол. Кривые с насыщением: модифицированная экспонента, кривая Гомперца, логистическая кривая.
8

3
4
Выбор наилучшего уравнения тренда. Критерий Дарбина–Уотсона. Доверительные интервалы прогноза по уравнению тренда. Автокорреляционная функция и идентификация трендов.
4

4
5
Метод взвешенных скользящих средних. Прогнозы с помощью экспоненциальных средних. Ряд Фурье и его использование в прогнозировании. Прогнозирование при наличии сезонной компоненты: аддитивная и мультипликативная модели
6

5
6
Модели по первым разностям; модели по отклонениям от тренда; модели с включением фактора времени; обобщённый метод наименьших квадратов
4

6
7
Модели с распределенными лагами; модели авторегрессии; ARMA и ARIMA модели
6

7
8
Абсолютные и относительные ошибки прогноза. Диаграмма «прогноз-реализация»; разложения Тейла – ошибки прогноза.
2

8. Примерная тематика курсовых работ

1. Стационарные временные ряды в экономике и прогнозирование по ним.

2. Исследование автокорреляции в остатках при построении моделей регрессии по временным рядам (на примерах разных областей экономики).

3. Скользящие средние в анализе динамики курса ценных бумаг.

4. Кривые с насыщением и методы оценки их параметров (на примерах из разных областей экономики).

5. Сравнительная оценка моделей с сезонными колебаниями.

6. Спектральный анализ при изучении динамического ряда с периодическими колебаниями.

7. Адаптивные методы прогнозирования в экономических исследованиях.

8. Методология Бокса-Дженкинса при построении моделей ARIMA (на примере конкретной области экономики)

9. Прогнозирование отдельных социально-экономических показателей в разных сферах экономики.

10. Коинтеграция временных рядов и её роль в прогнозировании (на конкретном примере).

9. Учебно-методическое и информационное обеспечение дисциплины

а) основная литература:
  1. Афанасьев В.Н., Юзбашев М. М. Анализ временных рядов и прогнозирование. – М.: Финансы и статистика, 2010. – 320 c.
  2. Практикум по эконометрике / под ред. чл.-кор. РАН И.И. Елисеевой.   М.: Финансы и статистика, 2006. – 344 с.

б) дополнительная литература:
  1. Эконометрика: учебник / под ред. И. И.Елисеевой. – М.: Проспект, 2011. – 288 с.
  2. Айвазян С.А. Методы эконометрики.   М.: Инфра-М, 2010.
  3. Вербик М. Путеводитель по современной эконометрике / пер. с англ. В. А. Банникова, научн. ред. и предисл. С.А. Айвазяна. – М.: Научная книга, 2008. – 616с.
  4. Эконометрика: учебник / под ред. В.С.Мхитаряна. – М.: Проспект, 2010 – 384 с.
  5. Кремер Н.Ш., Путко Б.А. Эконометрика. – М.: Юнити-Дана, 2010.   328 с.
  6. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебник. – М.: Дело, 2009.
  7. Эконометрика: учебник / под ред. В.С.Мхитаряна. – М.: Проспект, 2010 – 384 с.

в) программное обеспечение: ППП Excel; SPSS; STATISTICA; EViews.

г) базы данных, информационно-справочные и поисковые системы: статистические сборники «Регионы России», а также Интернет–данные: gks.ru.

10. Материально-техническое обеспечение дисциплины

Мультимедийные классы.

11. Методические рекомендации по организации изучения дисциплины:

Курс «Анализ временных рядов и прогнозирование» можно подразделить на три модуля:

1 - Анализ и прогнозирование по изолированному временному ряду

2 - Прогнозирование по системе взаимосвязанных рядов динамики

3 - Модели с лаговыми переменными

Первый модуль включает темы 2, 3, 4, 5. Второй модуль - тема 6. Третий модуль - тема 7.

Для усвоения знаний по первому модулю проводится расчетно-графическая работа: на конкретных данных проводится анализ временного ряда и краткосрочный прогноз с использованием разных подходов, описанных в темах 2, 3, 4 и 5.

По результатам изучения второго и третьего модулей выполняются аналитические расчетные работы.

Второй модуль предполагает усвоение методологии анализа многомерных рядов динамики. С этой целью выполняется аналитическая расчётная работа по построению прогноза по однофакторной модели регрессии с применением разных методов и даётся их сравнительная оценка.

Третий модуль включает аналитическую расчётную работу по построению моделей с распределёнными лагами, моделей авторегрессии, ARMA и ARIMA моделей.

Итоговая форма контроля по дисциплине – дифференцированный зачет. Оценка успеваемости происходит по балльно-рейтинговой системе, в соответствии с которой формирование рейтинга студента осуществляется постоянно в процессе изучения дисциплины. Настоящая система оценки успеваемости студентов основана на использовании совокупности контрольных мероприятий (контрольных точек), оптимально расположенных на всем временном интервале изучения дисциплины. Текущий контроль успеваемости студентов осуществляется преподавателем в ходе учебного процесса на лекциях и практических занятиях, при проведении индивидуальных консультаций, во время контроля самостоятельной работы.

Максимально за самостоятельную работу можно заработать 100 баллов.

Контрольные мероприятия
Возможное количество баллов

Минимум
Максимум

Расчётно-графическая работа
8
15

Аналитическая расчетная работа №1
8
15

Аналитическая расчетная работа №2
8
15

Курсовая работа
25
45

Другие виды самостоятельной работы (тестирование по отдельным темам, активность на практических занятиях, участие в научной работе и др.)
6
10

Итого
55
100

Зачет студент получает, если он набрал 55 баллов и более и выполнил все задания, предусмотренные учебным планом.

Набранные за семестр баллы переводятся в пятибалльную шкалу по следующей схеме:
  • до 55 баллов - неудовлетворительно;
  • 55-70 баллов - удовлетворительно;
  • 71-85 баллов – хорошо;
  • 86-100 баллов – отлично.



Разработчик:

СПб ГУЭФ, проф.кафедры статистики и эконометрики С.В.Курышева

Эксперт:

СПбЭМИ РАН, научн. сотрудник, к.ф-м.н. А.В.Сурков