ВВЕДЕНИЕ


В последнее время специалисты, обладающие знаниями и навыками проведения прикладного экономического анализа с использованием доступных математических и программных средств, пользуются спросом на рынке труда. Одной из центральных дисциплин в подготовке таких специалистов является дисциплина "Эконометрика".

Эконометрика является областью знаний, которая охватывает вопросы применения статистических методов к теоретическим моделям, описывающим реальные экономические процессы.

Очевидно, что с помощью моделей можно получить много информации об экономических процессах, объяснить те или иные явления или процессы, но никогда не удастся получить всю информацию и однозначно определить истинный механизм экономического процесса или явления.

И даже в тех случаях, когда достаточно адекватная исходным данным эконометрическая модель построена и вопрос только в использовании ее для объяснения экономической ситуации или принятия решения, следует весьма осторожно подходить к выводам и рекомендациям, следующим из модельных оценок.

Эконометрический анализ, как правило, проводят с помощью ПЭВМ. В последние несколько лет сформировался обширный набор из пакетов прикладных программ, позволяющих автоматизировать процессы такого анализа. К наиболее распространенным относятся пакеты SAS, SPSS, Stata и другие. Имеются простейшие опции для проведения эконометрического анализа в Ехсе1.

Но для специфических и конкретных применений эконометрических методов использование этих универсальных пакетов избыточно и достаточно использования специально разработанных программных продуктов под конкретную задачу.

Целью настоящей дипломной работы является создание программного продукта построения модели авторегрессии по методу Койка и исследование ее параметров. При этом программа должна предъявлять низкие требования к аппаратному обеспечению компьютера, быть доступна в использовании непрофессиональному пользователю, предоставлять удобный и интуитивно понятный интерфейс к функциям программы.


1 МОДЕЛИ ВРЕМЕННЫХ РЯДОВ

1.1 Классическая мультипликативная модель

Временным рядом называют серию числовых величин, полученных через регулярные промежутки времени. Например временными рядами будут серия ежедневных наблюдений в течение некоторого периода за ценами товара при закрытии торгов на бирже, дневные объемы выпуска товара, месячные показатели инфляции или индекса потребительских цен, ежеквартальные оценки валового национального продукта (принятые в США) или средних зарплат (принятые в России для ежеквартального индексирования пенсий), ежегодные данные об объеме, выручке и прибыли компании. Временные ряды, естественно, не ограничиваются исключительно экономическими величинами; известно их использование при анализе процессов в энергосистемах, атомной промышленности, химических и нефтехимических производствах, причем в этом случае часто используются более мелкие дискретности времени, чем в экономике - минуты и даже секунды при обработке данных о быстропротекающих процессах в атомной энергетике или при исследовании переходных процессов в химической кинетике. Известно даже успешное применение анализа временных рядов при слежении за подводными лодками "вероятного противника" в 70-80-е годы, и при обработке данных наблюдений в системах ПВО, и при прогнозах проходимости радиосигналов в атмосфере и ионосфере, и при моделировании транспортных потоков на автотрассах.

Основным положением, на котором базируется использование временных рядов для прогнозирования, является то, что факторы, влияющие на отклик изучаемой системы, действовали некоторым образом в прошлом и настоящем, и ожидается, что они будут действовать схожим образом и в не слишком далеком будущем. Поэтому основной целью анализа временных рядов будет оценка и вычленение этих влияющих факторов с целью прогноза дальнейшего поведения системы и выработки рациональных управленческих решений.

В свое время были разработаны многие методы вычленения влияющих факторов и оценки их взаимодействия и влияния на отклик системы, но пожалуй наиболее фундаментальной является классическая мультипликативная модель временного ряда, широко используемая при анализе ежемесячных, ежеквартальных и ежегодных данных, и потому чаще всего используемая в экономических исследованиях.

Характеризуя полученные данные можно выделить общую тенденцию (движения на повышение или понижение), которую принято называть трендом.

Тренд, однако, не является единственной составляющей ряда. На фоне отчетливого повышения отклика можно выделить периоды ускоренного и замедленного роста, а иногда и падения объема продаж. Считается, что тренд осложнен существованием циклической компоненты (циклической составляющей) и нерегулярной компоненты. При анализе рядов с более коротким шагом (квартальные или месячные данные) обнаруживаются и короткопериодичные отклонения от тренда, повторяющиеся с той или иной устойчивостью из года в год; эти отклонения объясняют существованием сезонной компоненты в отклике.

Циклическая компонента объясняет отклонения от тренда с периодичностью от 2 до 10 лет; обычно эта компонента может изменяться по длине периода и своей интенсивности и хорошо коррелирует с циклом деловой активности. На подъеме деловой активности значения отклика оказываются выше чисто трендовых, а в периоды спада и стагнации оказываются заметно ниже ожидаемых по тренду.

Сезонная компонента определяет короткопериодические колебания, связанные именно с изменениями внутригодовой активности, и повторяющиеся через более или менее фиксированные моменты времени; отслежены они, естественно, могут быть при ежеквартальных, ежемесячных и более частых наблюдениях. Естественно связать сезонную компоненту с влиянием традиций (сезонные и рождественские распродажи), социальных