УМК=ММБП - Южный федеральный университет

МИНОБРНАУКИ РОССИИ
Федеральное государственное автономное образовательное
учреждение высшего профессионального образования
«ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
Экономический факультет
Рассмотрен и рекомендован к утверждению
на заседании кафедры экономической
кибернетики
протокол от 27.06.2013 г. № 10
УТВЕРЖДАЮ
Декан экономического факультета
______________________________________
Подпись
В.А.Алешин
Дата
УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ДИСЦИПЛИНЫ
МЕТОДЫ И МОДЕЛИ БИЗНЕС-ПРОГНОЗИРОВАНИЯ
Направление подготовки
Профиль подготовки
Квалификация (степень) выпускника
Форма обучения
080500.62 Бизнес-информатика
Бизнес-аналитика
Бакалавр
Очная
Разработчик:
Рунова Лидия Павловна, доцент кафедры экономической кибернетики, к.э.н.,
доцент_
Ростов-на-Дону – 2013
МИНОБРНАУКИ РОССИИ
Федеральное государственное автономное образовательное
Учреждение высшего профессионального образования
«ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»
Экономический факультет
УТВЕРЖДАЮ
Декан экономического факультета
_______________________________
Подпись
В.А.Алешин
Дата
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
МЕТОДЫ И МОДЕЛИ БИЗНЕС-ПРОГНОЗИРОВАНИЯ
Направление подготовки:
_______________080500.62 Бизнес-информатика___________
Профиль подготовки Бизнес-аналитика
Квалификация (степень) выпускника
Бакалавр
Кафедра экономической кибернетики
Курс 3 Семестр 5
Форма обучения очная
Программа разработана Руновой Лидией Павловной, доцентом кафедры
экономической кибернетики, к.э.н., доцентом_
Рецензент: Лазарева Елена Иосифовна, профессор кафедры экономической
кибернетики, д.э.н., старший научный сотрудник
Ростов-на-Дону - 2013
Рассмотрена и рекомендована к
утверждению
на
заседании
учебно-методического совета
Экономического факультета,
протокол заседания
от ________________ № _______
Рассмотрена
и рекомендована
утверждению на заседании кафедры
экономической кибернетики,
протокол заседания
от 27.06.2013 г. № 10
к
СОГЛАСОВАНО
Протокол заседания кафедры экономической
кибернетики/учебно-методического
совета
экономического факультета
от ___________________ №______________
1. Цели
освоения дисциплины
прогнозирования”
“Методы
и
модели
бизнес-
Конечная цель хорошего прогноза – дать
результат, выгода от использования которого превысит
затраты на его получение.
Предмет дисциплины “Методы и модели бизнес-прогнозирования” –
самые сложные вопросы профессиональной деятельности менеджеров, топменеджеров, управленческого персонала крупных, средних и малых
предприятий, которые должны предвидеть ход развития бизнес-процесса,
циклические колебания экономической конъюнктуры, уметь вырабатывать
эффективную стратегию. Без этого принятые решения могут оказываться
ошибочными, вложенные инвестиции не окупятся, последствия реализации
бизнес-проектов будут противоположны ожидаемым.
Целями
освоения
дисциплины
“Методы
и
модели
бизнес-
прогнозирования” являются:
• Развить системное мышление студентов бакалавриата направления
”Бизнес-информатика”
путем детального
изучения
теории и
технологии прогнозирования бизнес-процессов;
• Ознакомить слушателей с математическим инструментарием, который
может быть использован в прогнозировании бизнес-процессов на
основе использования новейших информационных технологий;
• Привить к студентам практические навыки решения задач бизнеспрогнозирования на базе современного программного обеспечения
и новейших информационных технологий.
2. Место дисциплины в структуре ООП бакалавриата направления
”Бизнес-информатика”
Учебная дисциплина ”Методы и модели бизнес-прогнозирования”
относится к профессиональному циклу (Б.2), модуль 8 (Управление
бизнесом). Данная дисциплина является обязательной и предлагается
студентам в пятом семестре третьего курса (6 зачетных единиц).
Дисциплина «Методы и модели бизнес-прогнозирования» логически и
содержательно взаимосвязана с такими дисциплинами, как «Теория
вероятностей и математическая статистика», «Линейная алгебра», «Анализ
данных», «Эконометрика».
Входные
требования
к
студентам:
теория
вероятностей
и
математическая статистика – основные законы распределения случайных
величин, их характеристики, оценки характеристик распределений и
свойства оценок; линейная алгебра – основные понятия и определения,
операции над матрицами; анализ данных - критерии оценки случайности,
однородности
выборочных
эконометрика
-
объясняющей
линейная
переменной,
данных,
методы
регрессионная
формирования
выборки;
модель для случая
множественная
линейная
одной
регрессия,
функциональные преобразования переменных в нелинейной регрессионной
модели.
При
изучении
данной
дисциплины
студент,
обучающийся
в
бакалавриате по направлению «Бизнес-информатика», получает возможность
на
основе
этих
знаний
изучать
теорию
и
технологию
бизнес-
прогнозирования.
Теоретические знания и практические навыки, полученные студентами
при изучении данной дисциплины, должны быть использованы в процессе
прохождения производственной практики на 4 курсе (Б.5), при подготовке
курсовых работ и выпускной работы, при выполнении научных студенческих
работ.
3. Компетенции обучающегося, формируемые в результате освоения
дисциплины “Методы и модели бизнес-прогнозирования ”
Процесс изучения дисциплины “Методы и модели бизнес-прогнозирования”
направлен на формирование следующих профессиональных компетенций:
а) аналитические:
-
проводить анализ процессов принятия решений для управления
предприятием (ПК-1);
- проводить макроэкономический анализ (ПК-2);
- проводить микроэкономический анализ (ПК-3);
- использовать статистические и эконометрические методы для анализа
бизнес-процессов (ПК-5);
г) научно-исследовательские:
-
использовать
соответствующий
математический
аппарат
и
инструментальные средства для обработки, анализа и систематизации
информации по теме исследования (ПК-22);
-
готовить
научно-технические отчеты, презентации, научные
публикации по результатам выполненных исследований (ПК-23).
Кроме того, выпускник должен обладать следующими специальными
компетенциями (СК):
- проводить статистический и интеллектуальный анализ данных (СК-1);
- использовать математический инструментарий и разрабатывать модели
для оценки бизнеса (СК-3);
- использовать математические методы и разрабатывать модели бизнеспрогнозирования (СК-4).
В результате освоения дисциплины
прогнозирования” обучающийся должен:
“Методы
и модели бизнес-
знать:
• теоретические основы прогнозирования;
• основные методы, методики и приемы прогнозирования;
уметь:
• применять методы прогнозирования в бизнесе;
• выбирать средства статистического анализа, наиболее эффективные
для построения конкретных бизнес-прогнозов;
• правильно понимать и интерпретировать полученные результаты
бизнес- прогнозирования;
владеть:
• навыками сбора первичной организации и хранения данных для
бизнес-прогнозирования;
• навыками самостоятельного построения прогнозов с использованием
современных профессиональных
компьютерных статистических
программ;
• навыками
самостоятельного
получения
знаний
и
повышения
квалификации в сфере прогностики и прогнозирования.
4. Структура и содержание дисциплины ”Методы и модели бизнеспрогнозирования ”
Общая трудоемкость данной дисциплины составляет 3 зачетные
единицы (108 часов).
№
дисциплины
Семестр
п/п
Неделя семестра
Раздел
Виды учебной работы, включая
самостоятельную
работу
студентов и трудоемкость (в
часах)
Формы текущего
контроля
успеваемости (по
неделям семестра)
Лекции
Форма
промежуточной
аттестации
(по
семестрам)
Практ.
Самост.
занятия
работа
1
2
Модуль 1. Роль
прогнозирования в
принятии
управленческих
решений. Бизнеспрогнозирование на
основе временных
рядов
5
Модуль
2
.Применение
регрессионных
моделей в бизнеспрогнозировании.
5
1-12
18
18
18
УО-1, УО-2, ПР-2,
ТС-1
13-18
18
18
18
УО-2, ПР-2, ТС-1
Итого
36
36
Экзамен
36
УО-4 (36 часов)
Всего 216 часов.
*Примечание 1:
- 1 зачетная единица = 36 часов
- на экзамен отводится 1 зачетная единица.
Примечание 2:
УО-1 – собеседование;
УО-2 – коллоквиум;
ПР-2 – контрольные работы;
ТС-1 – программы компьютерного тестирования;
УО-4 – экзамен.
Содержание дисциплины “Методы и модели бизнеспрогнозирования”
Модуль 1. Роль прогнозирования в принятии управленческих
решений. Бизнес-прогнозирование на основе временных рядов
Тема 1. Роль прогнозирования в управлении бизнес-процессом.
Классификация методов и моделей бизнес-прогнозирования. Понятие
“прогноз” в системе понятий науки об управлении. Место прогнозов в
процессе
управления.
Прогнозирование
прогнозирования. Классификация
и
прогностика.
Принципы
и анализ объектов прогнозирования.
Классификация прогнозов. Определение метода прогнозирования. Краткая
характеристика
основных
прогнозирования.
групп
Возможности
прогнозирования.
Основные
методов
и
роль
социально-экономического
каждой
схемы
из
групп
классификации
методов
методов
прогнозирования.
Тема 2.
Методы сглаживания и скользящие средние.
Бизнес-
прогнозирование на основе временных рядов. Общая постановка задачи.
Понятие временного ряда. Компоненты временного ряда. Наиболее часто
используемые на практике критерии проверки "наличия-отсутствия" тренда
(критерий серий, основанный на медиане выборки и метод Фостера Стюарта). Примеры.
Наивные
модели
прогнозирования.
Методы
прогнозирования,
основанные на усреднении. Простые средние. Скользящие средние. Двойные
скользящие
средние.
Экспоненциальное
Методы
сглаживание
с
экспоненциального
учетом
тренда:
сглаживания.
метод
Хольта.
Экспоненциальное сглаживание с учетом тренда и сезонных вариаций: метод
Винтерса.
Использование
метода
медианного
сглаживания
в
прогнозировании. Примеры.
Тема 3. Сезонность. Аддитивная и мультипликативная модели в
бизнес-прогнозировании. Анализ периодических колебаний во временных
рядах
и
прогнозирование.
Сезонность
(аддитивная
форма,
мультипликативные индексы). Примеры.
Понятие о стационарных временных рядах. Строго стационарный
процесс и стационарный процесс в узком смысле. Понятие слабой
стационарности (weak stationary) или стационарности в широком смысле.
Понятие автоковариационной функции. Основные и специальные требования
стационарности. Частная автокорреляционная функция (ЧАКФ) для рядов,
содержащих белый шум.
Тема 4. Модель авторегрессии и скользящего среднего (ARMA).
Модель авторегрессии и интегрированного скользящего
среднего
(ARIMA). Бизнес-прогнозирование с помощью моделей кривых роста.
Модель авторегрессии (AR). Модель авторегрессии первого порядка AR(1).
Модель авторегрессии второго порядка AR(2). Модель авторегрессии
порядка p AR (p). Примеры.
Модель
Бокса-Дженкинса.
Методология
Бокса-Дженкинса.
Авторегрессионные модели. Модели со скользящим средним. Модели с
авторегрессией
и
скользящим
средним.
Простое
экспоненциальное
сглаживание и модель ARIMA. Преимущества и недостатки моделей
ARIMA. Примеры.
Применение моделей кривых роста в бизнес-прогнозировании. Методы
выбора кривых роста. Доверительные интервалы прогноза. Примеры.
Модуль 2. Применение регрессионных моделей в бизнеспрогнозировании. Экспертные методы бизнес-прогнозирования
Тема
5.
Применение
регрессионных
уравнения в бизнес-прогнозировании.
моделей
из
одного
Прогнозирование на основе
регрессионной модели из одного уравнения. Условный и безусловный
прогнозы (безусловный прогноз, прогноз при автокорреляции остатков,
условный
прогноз).
Проверка
и
сравнение
прогностических
возможностей: скользящий экзамен (процедура скользящего экзамена).
Тема6. Применение многофакторных регрессионных моделей в
бизнес-прогнозировании. Применение многофакторных регрессионных
моделей в прогнозировании. Методы оценки дисперсии прогноза при
детерминированном прогнозном
фоне.
Методы
оценки
дисперсии
прогноза при случайном прогнозном фоне.
Тема 7. Экспертные методы в бизнес-прогнозировании. Признаки
ситуаций,
требующих
применения
экспертных
методов
прогнозирования. Проблемы экспертного оценивания. Роль экспертизы в
прогнозировании.
Описание приемов упорядочения признаков путем
прямого ранжирования и методом парных сравнений.
Прогнозные расчеты методами экспертного оценивания. Типовая
последовательность
этапов
процедуры
экспертного
прогнозирования.
Обоснование способов представления экспертных суждений. Обоснование
качественного и количественного состава экспертной группы. Методы
обработки результатов экспертизы. Определение качества прогноза на основе
групповой экспертной оценки.
Тема 8. Примеры некоторых наиболее распространенных
экспертных методов прогнозирования, их содержание и назначение.
Метод Дельфи. Метод написания сценария. Метод мозгового штурма.
Экспертное прогнозирование с использованием процедур ПАТТЕРН,
ПРОФАЙЛ, КВЕСТ, МАИ, а также метод прогнозного графа, анализ на
проблемных сетях, метод решающих матриц, метод перекрестного
воздействия и др. Комбинирование прогнозов.
5. Образовательные технологии
Изложение теоретических положений в ходе лекционных занятий с
применением
современного
интерактивного
презентационного
оборудования. Проведение семинарских занятий, групповых дискуссий,
выполнение индивидуальных заданий студентами с использованием
современных информационных технологий прогнозирования.
В
целях
закрепления
теоретических
знаний
и
приобретения
практических навыков построения эконометрических моделей студенты по
модулям 2 и 3 «Временные ряды и прогнозирование» и «Прогнозирование
на основе регрессионных моделей» выполняют комплексное ситуационное
задание (ТС-3):
- сформулировать априорные предположения о взаимосвязи некоторой
экономической переменной с рядом факторов на основании качественного
анализа;
- составить схему построения и анализа модели множественной
регрессии или модели временных рядов;
-
используя
ППП
«Statistica»,
получить
оценки
важнейших
характеристик эконометрической модели;
- провести анализ статистических характеристик и характеристик
качества модели;
- построить прогноз на основе полученной модели;
- дать экономическую интерпретацию полученных результатов;
- сформулировать выводы и рекомендации о возможных сферах
использования модели.
Для
выполнения
задания
разработаны
следующие
учебно-
методические пособия:
1) Рунова
Л.П.
Методы
социально-экономического
прогнозирования. Учебно-методическое пособие. Ч.1. РГУ, 2002;
2) Рунова
Л.П.
Методы
социально-экономического
прогнозирования. Учебно-методическое пособие. Ч.2. РГУ, 2004;
3) Рунов
И.Л.,
Рунова
Л.П.
Анализ
временных
рядов
и
прогнозирование. Учебно-методические материалы. Ростов-надону, РГУ, 2006.
Эти учебно-методические ресурсы представлены в электронном
пространстве ЮФУ по следующим адресам:
http://incampus.ru/campus.aspx?id=10433076
http://dbs.sfedu.ru/pls/rsu/rsu$persons$.startup?p_per_id=461.
Удельный вес занятий, проводимых в интерактивных формах,
составляет не менее 20% аудиторных занятий.
6.
Оценочные средства для текущего контроля успеваемости,
промежуточной аттестации по итогам освоения дисциплины и учебнометодическое обеспечение самостоятельной работы студентов
Тесты рубежного контроля позволяют студенту самостоятельно
оценить
уровень
освоения
соответствующего
раздела
программы
дисциплины.
Тест содержит 6 заданий на выбор правильного ответа, на выполнение
отводится 3 минуты. Выберите наиболее правильный, по Вашему мнению,
вариант ответа и отметьте его любым значком в бланке ответов
Тест рубежного контроля №1
1. Найдите правильное утверждение
1)
Наука о принципах, методах и 2)
средствах
(инструментах)
научного
прогнозирования
называется прогнозированием
Прогноз – детерминированное
научно обоснованное суждение
относительно ненаблюдаемого
состояния объекта в какой-то
момент
времени
или
возможных путей достижения
такого
состояния,
определяемого в качестве цели
3)
Предиктор – человек (машина), 4)
Понятие предвидения включает
в себя только ненаучные
функцией которого является
формы
предвидения
разработка прогноза
(интуитивное,
обыденное,
религиозное)
2. Укажите, в какие формы выливается предсказание
1)
2)

Предчувствие

Предчувствие

Предвидение

Предвосхищение

Прогнозирование

Прогнозирование

Предуказание
3)
4)

Предчувствие

Предвидение

Предвосхищение

Предвосхищение

Предугадывание

Предугадывание

Прогнозирование

Прогнозирование
3. Выберите утверждение, не описывающее функцию прогнозирования
1)
Оценка
объекта 2)
Формирование
конкретных
прогнозирования
планов и нормативов развития
3)
Научный
анализ 4)
Выявление
объективных
социальноальтернатив экономического и
экономических и научносоциального развития
технических процессов и
тенденций
4. Выберите правильное соотношения предсказательной и предуказательной
функций для проведения прогноза перед планом
1)
Предуказательная более 60%
2)
Предсказательная более 60%
Предсказательная менее 40%
Предуказательная менее 40%
3)
Предуказательная около 50%
4)
Прогноз всегда выполняется
Предсказательная около 50%
раньше плана
5. Какова цель классификации объектов прогнозирования?
1)
Создание предпосылок для 2)
Создание предпосылок для
выбора
адекватных
выбора адекватных методов
методов
анализа
и
анализа и прогнозирования
прогнозирования объекта
субъектов экономики
3)
Создание
предпосылок
для 4)
Создание предпосылок для
выбора адекватных методов
выбора адекватных методов
анализа
и
прогнозирования
анализа и прогнозирования
сложных экономических систем
сложных
социальноэкономических систем
Тест рубежного контроля №2.1
1. Выберите неверное утверждение:
1) Ряд
наблюдений 2) Временные
ряды
делятся
на
моментные и интервальные. В
y(t1 ), y(t2 ),..., y (t N )
(или
моментных временных рядах уровни
y1, y2 ,..., yN ), анализируемой
характеризуют значения показателя по
 (t ) ,
случайной величины
состоянию
за
определенные
произведенных
в
интервалы (периоды) времени.
последовательные
моменты
времени
t 1 , t 2 ,..., t N называется
временным рядом
3) В общем случае
временного
ряда
следующий вид:
модель 4)
имеет
yt  f (t )   t ,
где f (t ) - систематическая
составляющая ряда;
t
-
случайная
составляющая ряда с нулевым
математическим
ожиданием
M [ t ]  0
и
дисперсией
D[ t ]   .
Если временной ряд представляется в
виде
суммы
соответствующих
компонент, то полученная модель
носит название аддитивной (1.1), если
в
виде
произведения
мультипликативной
(1.2)
или
смешанного типа (1.3):
Yt  u t  st  vt  et
Yt  ut  st  vt  et
(1.1)
(1.2)
Yt  ut  st  vt  et ,
(1.3)
2
где Yt - уровни временного ряда;
u t -трендовая составляющая;
s t - сезонная компонента;
vt - циклическая компонента;
et - случайная компонента
2. К основным методам сглаживания временного ряда не относится
1)
Метод
множественной 2)
Метод аналогий
регрессии
3) Метод
авторегрессии
и 4) Полиномиальные модели
скользящего среднего
3. Что такое тренд?
1) Это долговременная (вековая) 2)
составляющая, формирующая
общую
в
длительной
перспективе тенденцию в
изменении
анализируемого
признака yt .
Это
кратковременная
(текущая)
составляющая, формирующая общую
в длительной перспективе тенденцию
в изменении анализируемого признака
yt .
3) Это общая (стохастическая) 4)
составляющая, формирующая
в
заданной
перспективе
тенденцию
в
изменении
Это
долговременная
(вековая)
составляющая,
формирующая
конкретную в длительной перспективе
тенденцию
в
изменении
анализируемого признака yt .
анализируемого признака yt .
4. Что такое сезонная составляющая?
1) Это
составляющая, 2)
формирующаяся под влиянием
сезонных
колебаний
экономического показателя в
течение
прошлого
периода
времени.
3) Это
составляющая,
не 4)
формирующаяся под влиянием
сезонных
колебаний
экономического показателя в
течение
прошлого
периода
времени.
Это
составляющая,
формирующаяся под влиянием
сезонных
колебаний
экономического
показателя
в
течение
заданного
периода
времени.
Это
составляющая,
формирующаяся под влиянием
случайных
колебаний
экономического
показателя
в
течение
заданного
периода
времени.
5. С чего начинается решение задачи по анализу и прогнозированию временных
рядов?
1)
C
вычисления 2) С исследования необходимости
эффективности
данного показателя, тем более, что
исследуемого показателя,
современные
программные
тем
более,
что
средства
предоставляют
современные программные
пользователю
большие
средства
предоставляют
возможности для этого
пользователю
большие
возможности для этого.
3) C
построения
графика 4) С
построения
графика
исследуемого показателя, тем
исследуемого показателя, тем
более,
что
современные
более,
что
современные
программные
средства
не
программные
средства
предоставляют
пользователю
предоставляют
пользователю
никаких возможностей для этого.
большие возможности для этого.
Тест рубежного контроля №2.2
1. Укажите правильное утверждение
1)
Проверка
независимости 2)
значений
ряда
остаточной
компоненты (оценка наличия
автокорреляции) осуществляется
на основе критерия Дарбина-
Проверка
независимости
значений
ряда
остаточной
компоненты (оценка наличия
автокорреляции)
осуществляется
на
основе
Уотсона:
критерия Пирсона:
n
n
d
 ( Ei  Ei 1 )
i 1
n
E
i 1
3)
d
2
 (E
i 1
i
n
E
.
i 1
Проверка
независимости
значений
ряда
остаточной
компоненты (оценка наличия
автокорреляции)
осуществляется
на
основе
критерия Тейла:
n
d
 (E
i 1
i
n
 Ei 1 )
E
i 1
.
2
i
2
i
Проверка
независимости 4)
значений
ряда
остаточной
компоненты (оценка наличия
автокорреляции) осуществляется
на основе критерия Хольта:
n
 Ei 1 ) 2
2
.
2
i
d
 (E
i 1
i
n
 Ei 1 ) 2
E
i 1
.
2
i
2. Какой процесс называется строго стационарным?
1) Стохастический
процесс 2) Стохастический
процесс
называется строго стационарным
называется
строго
(strictly
stationary)
или
стационарным
(strictly
стационарным в узком смысле,
stationary) или стационарным в
если его свойства зависят от
узком смысле, если его свойства
изменения
начала
отсчета
не зависят от изменения конца
времени.
отсчета времени.
3)
Стохастический
процесс 4)
называется строго стационарным
(strictly
stationary)
или
стационарным
в
широком
смысле, если его свойства не
зависят от изменения начала
отсчета времени.
Стохастический
процесс
называется
строго
стационарным
(strictly
stationary) или стационарным в
узком смысле, если его свойства
не зависят от изменения начала
отсчета времени.
3. Стационарный в широком смысле временной ряд - это
1) Это выборка типа {…, y-2, y-1, y0, y1, 2) Если совместное распределение
вероятностей m наблюдений
y2, …}.
y(t1 ), y( t 2 ),..., y( t m ) , сделанные в
любые
3) Свойства которого не меняются 4)
при изменении начала отсчета
времени.
4. Выберите верное утверждение
1) Если числовая последовательность 2)
y1, y2, … yN имеет период m, тогда
эту последовательность нельзя
представить
как
сумму
m
периодических
тригонометрических
функций,
имеющих период m и меньше.
моменты
времени
t1 , t 2 ,..., t m , такое же, как и для m
наблюдений
y(t1   ), y(t 2   ),..., y(t m   )
сделанных в моменты времени
t 1   , t 2   ,..., t m   .
ряд средние значения которого
Myt,
дисперсии
Dyt
и
ковариации  ( ) = M[(yt 
Myt)(yt+ Mxt+)] не зависят от t,
для которого они вычисляются.
3) Если числовая последовательность 4)
y1, y2, … yN имеет период m, тогда
эту последовательность можно
представить
как
сумму
m
периодических
тригонометрических
функций,
имеющих период m и больше.
Если
числовая
последовательность y1, y2, … yN
имеет период m, тогда эту
последовательность
можно
представить как сумму m
периодических
тригонометрических функций,
имеющих период m и меньше.
Если
числовая
последовательность y1, y2, … yN
имеет период m, тогда эту
последовательность
можно
представить как сумму m
периодических гармонических
функций, имеющих период m и
меньше.
5. Выберите верное утверждение
1) Если мы хотим строить прогнозы 2)
значений временного ряда, мы как
минимум желаем, чтобы его
математическое
ожидание
и
ковариация были постоянны во
времени.
3) Если мы хотим строить прогнозы 4)
значений временного ряда, мы как
максимум желаем, чтобы его
математическое
ожидание
и
ковариация были постоянны во
Если
мы
хотим
строить
прогнозы значений временного
ряда, мы как минимум желаем,
чтобы
его
математическое
ожидание и дисперсия были
постоянны во времени.
Если
мы
хотим
строить
прогнозы значений временного
ряда, мы как минимум желаем,
чтобы
его
математическое
ожидание и ковариация были
не постоянны во времени.
времени.
Тест рубежного контроля №2.3
1. Выберите верное утверждение:
1) Построение модели AR(p) вида, 2) Построение модели AR(p) вида,
адекватной
реальному
адекватной реальному временному
временному ряду yt, предполагает
ряду yt, предполагает решение двух
решение двух не связанных
взаимосвязанных
задач:
между собой задач: определения
определения
рационального
рационального порядка модели
порядка модели (величины p) и
(величины p) и оценки значений
оценки
значений
ее
ее коэффициентов.
коэффициентов.
3) Построение модели AR(p) вида, 4) Построение модели AR(p) вида,
адекватной
реальному
адекватной реальному временному
временному ряду yt, предполагает
ряду yt, предполагает решение двух
решение трех различных задач:
различных задач: определения
определения
рационального
рационального порядка модели
порядка модели (величины p),
(величины p) и оценки стоимости
оценки
значений
ее
построения модели.
коэффициентов
и
оценки
стоимости построения модели.
2. Могут ли оценки Юла-Уокера обладать свойствами несмещённости и
эффективности?
1)
Теоретически могут.
2)
Не могут.
3) Должны.
4) Неизвестно.
3. Выберите верное утверждение
1) При
построении
моделей 2)
временных
рядов
нужно
стремиться к минимизации числа
их параметров, а, следовательно,
и порядка самой модели.
3) При
построении
моделей 4)
временных рядов не нужно
стремиться к минимизации числа
их параметров, а, следовательно,
и порядка самой модели.
4. Выберите верное утверждение
1) Качество оценок Юла-Уокера не 2)
может быть проверено путем
При
построении
моделей
временных
рядов
нужно
стремиться к максимизации числа
их параметров, а, следовательно, и
порядка самой модели.
При
построении
моделей
временных
рядов
нужно
стремиться к минимизации числа
их параметров и к максимизации
порядка самой модели.
Качество
оценок
Юла-Уокера
никак не связано со свойствами
исследования
свойств
ряда
ошибки εt.
3) Качество оценок Юла-Уокера 4)
может быть проверено путем
исследования
свойств
ряда
ошибки εt.
5. Выберите верное утверждение
1) В моделях скользящего среднего
текущее значение стационарного
случайного
процесса
второго
порядка yt, представляется в виде
линейной комбинации текущего и
будущих значений ошибки εt, εt-1,..,
εt-q,
по
своим
свойствам
соответствующей «белому шуму».
3) В моделях скользящего среднего
текущее значение стационарного
случайного
процесса
второго
порядка yt, представляется в виде
нелинейной комбинации текущего
и прошедших значений ошибки εt,
εt-1,.., εt-q, по своим свойствам
соответствующей «белому шуму».
ряда ошибки εt.
Качество
оценок
Юла-Уокера
может быть проверено путем
исследования свойств ряда yt-1, yt2,…, yt-τ .
2 В моделях скользящего среднего
) текущее значение стационарного
случайного
процесса
второго
порядка yt, представляется в виде
линейной комбинации прошедших
и будущих значений ошибки εt, εtεt-q, по своим свойствам
1,..,
соответствующей «белому шуму».
4 В моделях скользящего среднего
) текущее значение стационарного
случайного
процесса
второго
порядка yt, представляется в виде
линейной комбинации текущего и
прошедших значений ошибки εt, εtεt-q, по своим свойствам
1,..,
соответствующей «белому шуму».
Тест рубежного контроля №3
1. Спецификация модели подразумевает:
1)
Выделение состава экзогенных 2)
Обоснование
возможных
переменных
трансформаций представления
исходных данных
3)
Интерпретацию
результатов 4)
Исходное
тестирование
экзогенных переменных
моделирования
2. Выберите неверное утверждение
1)
Под
статистической
или 2)
регрессионной
моделью
понимается
статистическая
зависимость одной переменной
от одной или нескольких
независимых переменных.
В
случае
работы
с
детерминированными
аргументами модели прогноз
принимает форму условного, а
в случае использования на
входе
стохастических
переменных
мы
должны
оценивать значения прогноза
как безусловные.
3)
Необходимым
условием 4)
возможности
построения
регрессионной модели является
наличие у изучаемого объекта
социально-экономического
прогнозирования
свойства
инерционности и достаточный
объем
фактографической
(статистической) информации
по объекту.
Важнейшей
предпосылкой
применения
статистических
регрессионных моделей для
прогнозирования тех или иных
социально-экономических
показателей
(значений
переменной
y)
является
уверенность в неизменности во
времени общих тенденций в
развитии или механизмов,
порождающих
соответствующие взаимосвязи
между объектами.
3. К типичным ошибкам спецификации не относится
1)
Игнорирование существенной 2)
Мультиколлинеарность
переменной
переменных
3)
Неправильная
4)
Наличие
автокорреляции
интерпретация
случайных
возмущений
результатов модели
(остатков).
4.
С
помощью
какой
процедуры
гетероскедастичности?
1)
Метод главных компонент
2)
3)
Тест Дарбина-Уотсона
4)
5. Выберите верное утверждение
1)
Экзогенные переменные – 2)
это такие переменные, значения
которых
определяются
в
процессе
и
внутри
функционирования системы под
воздействием экзогенных и во
взаимодействии друг с другом
возможно
обнаружение
Тест ранговой корреляции
Спирмена
Тест Чоу
Уравнение
структурной
формы
называется
сверхидентифицируемым,
если все участвующие в нем
неизвестные коэффициенты
однозначно
восстанавливаются
по
коэффициентам приведенной
формы
без
каких-либо
ограничений на значения
последних.
3)
Под эконометрической моделью 4)
понимается
система
зависимостей, часть из которой
носит статистический характер
(поведенческих соотношений) и
записывается
в
виде
функциональных зависимостей
со случайной компонентой, в т.ч.
трендовых, авторегрессионных,
лаговых.
Другая
часть
представляет собой систему
тождеств
или
балансовых
соотношений.
эконометрическая
модель
используется для объяснения
поведения
экзогенных
переменных в зависимости от
значений
эндогенных
и
лаговых переменных.
Тест рубежного контроля №4
1. Выберите неверное утверждение:
1)
Экспертные
суждения, 2)
Совокупность
процедур,
выраженные в количественной
необходимых для получения
форме и по своему характеру
коллективных
экспертных
интерпретируемые
как
суждений,
включая
и
оценочные
называются
экспертный
опрос
–
экспертными оценками
экспертизой
3)
Выявление
индивидуальных 4)
Группа
экспертоворганизаторов
называется
экспертных
суждений
экспертной группой
называется
экспертным
опросом
2. Выберите, какой из приведенных этапов не входит в процедуру метода
Дельфи
1)
Формирование
экспертной 2)
Формирование
экспертной
группы
группы
3)
Коллективное обсуждение
4)
Формулирование вопросов
3. Какое утверждение противоречит логике метола мозгового штурма
1)
Допускаются
критические 2)
Каждый из участников имеет
замечания в адрес предыдущих
право выступать много раз, но
выступлений
не подряд
3)
Не разрешается зачитывать 4)
подряд список идей, который
может
быть
подготовлен
участниками заранее
Высказывания
должны быть
сжатыми
участников
четкими и
4.
Выберите неверное утверждение о морфологических методах в
прогнозировании:
1)
Пространство поиска называется 2)
Суть
морфологических
морфологическим множеством, а
методов заключается в том,
процесс
определения
это
что сначала мы определяем
пространства
–
пространство поиска, которое
морфологическим анализом
обязательно должно включать
в себя искомое решение
(схему объекта), а затем
сужаем это пространство,
осуществляя поиск этого
решения
3)
В систематизированном виде 4)
Морфологический
синтез
предшествует
этапу
морфологический
подход
морфологического анализа
разработан и применен впервые
швейцарским астрономом Ф.
Цвикки и долгое время был
известен как метод Цвикки.
5. Выберите неправильное утверждение
1)
Метод 635 предполагает, что 2)
шесть человек высказывают по
три идеи по заданному вопросу
за пять минут.
3)
Сущность метода мозгового 4)
штурма состоит в актуализации
творческого
потенциала
специалистов при «мозговой
атаке» проблемной ситуации,
реализующей вначале генерацию
идей
и
последующее
деструирование
(разрушение,
критику)
этих
идей
с
формулированием контридей.
Идея метода аналогий состоит
в вычленении возникшей
проблемы и попытке ее
решения с помощью идей из
других сфер жизни и науки.
Метод мозгового штурма
(англ. brainstorming) был
разработан
Алексом
Осборном в 1995 году
Ключевые вопросы, на которые следует найти ответы, чтобы
начать процесс бизнес-прогнозирования:
1. Почему необходим прогноз?
2. Кто будет использовать прогноз и в чем состоят его основные
требования?
3. Какой уровень – отдельные составляющие или обобщенные показатели
– требуются, и каковы соответствующие временные рамки?
4. Какие имеются данные, и будет ли их достаточно для того, чтобы
получить необходимый прогноз?
5. Какие методы необходимо выбрать для построения данного прогноза?
6. Во что обойдется выполнение прогноза?
Экзаменнационная программа дисциплины
”Методы и модели бизнес-прогнозирования ”
1. Понятия “предвидение”, “прогноз” в системе понятий науки об
управлении.
2. Краткий исторический очерк развития методов бизнес-прогнозирования.
3. Место прогноза в процессе управления.
4. Соотношение плана и прогноза.
5. Основные принципы прогнозирования.
6. Основные функции прогнозирования.
7. Анализ объекта прогнозирования.
8. Классификация прогнозов.
9. Определение метода прогнозирования. Краткая характеристика основных
групп методов прогнозирования.
10.
Основные
схемы
классификации
методов
прогнозирования.
Сравнительная характеристика этих схем.
11. Математические методы выбора группы методов прогнозирования.
12. Общая характеристика экспертных методов прогнозирования.
13. Содержание этапов и работ при проведении экспертных оценок.
14.
Описание
приемов
упорядочения
признаков
путем
прямого
ранжирования и методом парных сравнений.
15.
Определение назначения оценок согласованности мнений экспертов,
приемы их расчета.
16.
Обоснование качественного и количественного состава экспертной
группы.
17. Подготовка к проведению экспертного опроса.
18. Прогнозные расчеты методами экспертного оценивания.
19. Обоснование способов представления экспертных суждений.
20. Обоснование качественного и количественного состава экспертной
группы.
21 Методы обработки результатов экспертизы.
22. Определение качества прогноза на основе групповой экспертной оценки.
23. Пример составления прогноза развития фирмы на ближайшие пять лет.
24. Общая характеристика математических методов прогнозирования.
25. Сущность и содержание эконометрического метода прогнозирования.
26. Общая характеристика эконометрических методов прогнозирования.
27. Основные типы эконометрических моделей в прогнозировании.
28. Пример регрессионной модели прогнозирования.
29. Прогнозирование на основе регрессионной модели из одного уравнения.
30. Общая характеристика безусловного и условного прогнозов.
31. Безусловный прогноз.
32. Условный прогноз.
33. Точный и интервальный прогноз, основанный на модели линейной
регрессии.
34.
Использование временных рядов в прогнозировании. Понятие
временного ряда. Компоненты временного ряда.
35. Основные виды трендов в прогнозировании.
36.
Критерии проверки ”наличия-отсутствия”
тренда: критерий серий,
основанный на медиане выборки и метод Фостера - Стюарта.
37. Метод скользящих средних сглаживания временных рядов и его
модификации.
38. Метод экспоненциального сглаживания временных рядов и его
использование в прогнозировании.
39.
Временные ряды и прогнозирование. Анализ периодических колебаний
во временных рядах.
40. Временные ряды и прогнозирование. Сезонность (аддитивная форма).
Примеры.
41. Временные ряды и прогнозирование. Сезонность (мультипликативная
форма). Примеры.
42. Временные ряды и прогнозирование. Анализ остатков (автокорреляция,
автокорреляционная
функция,
проверка
автокоррелированности
остатков).
43. Временные ряды
и
прогнозирование. Модели стационарных и
нестационарных временных рядов и их идентификация. Проверка на
стационарность.
44. Временные ряды и прогнозирование. Понятие белого шума в моделях
динамики временных рядов.
45.
Временные ряды и прогнозирование. Тестирование на случайное
блуждание.
46. Временные ряды и прогнозирование. Понятие оператора лагового сдвига.
47. Использование модели авторегрессии (AR) в прогнозировании.
48. Модель авторегрессии первого порядка AR(1) в прогнозировании.
49. Модель авторегрессии второго порядка AR(2) в прогнозировании.
50. Модель скользящего среднего (MA) в прогнозировании.
51.Модель скользящего среднего первого порядка MA(1) в прогнозировании.
52. Модель скользящего среднего второго порядка MA(2) в прогнозировании.
53.Модель авторегрессии – скользящего среднего ARMA в прогнозировании.
54. Модель авторегрессии и интегрированного скользящего среднего в
прогнозировании.
55. Прогнозирование развития экономической системы с помощью моделей
кривых роста
56. Абсолютные показатели точности прогнозов.
57. Сравнительные показатели точности прогнозов.
58. Качественные показатели точности прогнозов.
УЧЕБНАЯ КАРТА ДИСЦИПЛИНЫ
«Методы и модели бизнес-прогнозирования»
Преподаватель
к.э.н., доцент Рунова Л.П. Кафедра экономической
кибернетики
Курс 3 Семестр 5
Направление подготовки: 080500.62 Бизнес-информатика. Профиль подготовки
Бизнес-аналитика. Квалификация (степень) выпускника Бакалавр
№
Виды
контрольных
мероприятий
Количество
баллов за 1
Количество баллов по модулю
Модуль
1.
Роль Модуль 2 .Применение
прогнозирования
в
контрольное
регрессионных
принятии
мероприятие управленческих
решений.
Бизнеспрогнозирование
на
основе
временных
рядов
моделей в бизнеспрогнозировании
Текущий
контроль
50
25
25
Посещение
лекций
и
практических
занятий
20
10
10
Работа
на
практических
занятиях
20
10
10
Промежуточно
е тестирование
10
5
5
Рубежный
контроль
30
15
15
1
Контрольная
работа
20
10
10
2
Тестирование
10
5
5
20
10
10
1
2
3
Промежуточн
ая аттестация
1
Экзамен
Преподаватель, к.э.н., доцент
Согласовано: заведующий кафедрой, д.э.н., проф.
Рунова Л.П.
Крюков С.В.
7. Учебно-методическое и информационное обеспечение дисциплины
СПИСОК РЕКОМЕНДУЕМЫХ ИСТОЧНИКОВ
а) ОСНОВНАЯ ЛИТЕРАТУРА
1.Айвазян С.А. Прикладная статистика и основы эконометрики. М.:
ЮНИТИ, 1998.
2.Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и
прогнозирование. Учебник. –М.: Финансы и статистика, 2001.
4.Дуброва Т.А. Статистические методы прогнозирования. Учебное
пособие для вузов. –М.: ЮНИТИ-ДАНА, 2003.
5.Дудорин
В.И.
и
др.
Методы
социально-экономического
прогнозирования (общие методы прогнозирования). Учебное пособие. – М.:
ГАУ , 1991.
6.Дудорин
В.И.
и
др.
Методы
социально-экономического
прогнозирования (специальные методы прогнозирования). Учебное пособие.
– М.: ГАУ , 1992.
7.Кузык
Б.Н.,
Кушлин
В.И.,
Яковец
Ю.В.
Прогнозирование,
стратегическое планирование и национальное программирование. Учебник. –
М.: Экономика, 2008.
8.Лугачев М.И., Ляпунцов Ю.П. Методы социально-экономического
прогнозирования. М.: ТЕИС, 1999.
9.Писарева О.М. Методы социально-экономического прогнозирования.
Учебник. –М.: НФПК ГУУ, 2003.
10. Слуцкин Л.Н. Курс MBA по прогнозированию в бизнесе. – М.:
Альпина бизнес букс, 2006.
11.Статистическое
моделирование
и
прогнозирование.
Под
ред.
Гранберга А.Г. М.: “Финансы и статистика”, 1990.
12.Ханк Джон Э., Райтс Артур Дж., Уичерн Дин У. Бизнес-
прогнозирование. Седьмое издание. М., С.-П., Киев, Изд. Дом “Вильямс”,
2003.
б) ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
1.Бабешко Л.О. Коллокационные модели прогнозирования в финансовой
сфере. М.: Экзамен, 2001.
2. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. –
М.: Инфра-М, 2001.
3.Бестужев И.В.-Лада, Наместникова Г.А. Социальное прогнозирование.
Курс лекций. –М.: Педагогическое общество России, 2001.
6.Владимирова Л.П. Прогнозирование и планирование в условиях
рынка. – М.: Издательский Дом ”Дашков и К”, 2001.
7.Глущенко В.В., Глущенко И.И. Разработка управленческого решения.
Прогнозирование-планирование. Теория проектирования экспериментов. Г.
Железнодорожный Московской обл. ООО НПЦ “Крылья”, 2000.
9.Захарченко Н. И. Бизнес-статистика и прогнозирование в MS Excel.
Самоучитель. Серия: Самоучитель. –М.: Изд. ”Диалектика”, 2004 г.
10.Конрад Карлберг. Прогнозирование продаж в Excel для "чайников"
(Excel Sales Forecasting for Dummies). Серия: Для "чайников". –М.: Вильямс,
2006 г.
11. Минько А. А.
Прогнозирование в бизнесе с помощью Excel.
Просто как дважды два. –М.: Эксмо, 2007 г.
12. Пол Тиффани, Стивен Д. Питерсон. Бизнес-планы для "чайников"
(Business Plans for Dummies). Серия: Для "чайников". –М.: Диалектика,
Вильямс, 2007 г.
13.Прогнозирование
и
планирование
экономики.
Учебно-
практическое пособие под общей редакцией Г.А. Кандауровой. Минск:
БГЭУ, 2005.
14.Прогностика. Терминология. Под ред. Сифорова В.И. –М.: Наука,
1978.
15.Рабочая книга по прогнозированию. Под ред. Бестужева-Лада И.В.
и др. -М.: Мысль, 1982.
16.Рунова Л.П. Методы социально-экономического прогнозирования.
Учебно-методический комплекс. Ч.1. РГУ, 2002.
17.Рунова Л.П. Методы социально-экономического прогнозирования.
Учебно-методический комплекс. Ч.2. РГУ, 2004.
18.Рунов
прогнозирование.
И.Л.,
Рунова
Л.П.
Анализ
Учебно-методические
временных
материалы
для
рядов
и
студентов
специальности “Математические методы в экономике”. Ростов-на-дону, РГУ,
2006.
19. SPSS: искусство обработки информации. Анализ статистических
данных и восстановление скрытых закономерностей: Пер. с нем./ А.Бююль,
Цефель П. – СПб.: ООО «ДиаСофтЮП», 2001.
20.
Ямпольская
Д.О.
Количественные
методы
анализа
и
прогнозирования в маркетинге. Учебное пособие. С.-П.: ИНЖЭКОН, 2002.
21. Федеральный закон ”О государственном прогнозировании и
программах социально-экономического развития Российской Федерации от
20 июля 1995 г. за № 115-ФЗ.
22. Armstrong, J.S. (1985) Long-Range Forecasting: From Crystal Ball to
Compu Makridakis S., Wheelwright S.C., Hyndman R.J. Forecasting: methods and
applications. John Wiley, 1998.
23. Diebold, Francis X., Elements of forecasting in business, economics,
government, and finance. An International Thomson Publishing Company, 1998.
24. Forecasting with judgment/ edited by G.Wrigth and P.Goodvin. Wiley,
1998.
25. Hanke J.E., Ritsch A.G., Wichern D.W. Business forecasting. Prentice
Hall, 2001.
26. Principles of forecasting: a handbook for researches and practitioners,
ed. by J.S. Armstrong. Springer, 2001.
Программное обеспечение и Интернет-ресурсы
в) программное обеспечение и Интернет-ресурсы
Для самостоятельного решения практических задач используется
пакеты прикладных программ Statistica-8.0 и Econometric Views (3-я и
последующие версии).
Интернет-ресурсы:
1. Личная страница Л.П.Руновой в Кампусе ЮФУ:
http://incampus.ru/campus.aspx?id=10433076
2. Учебно-методические материалы Л.П.Руновой в Кампусе ЮФУ:
http://incampus.ru/campus.aspx?id=10433076#&tab=3
3. Личная страница Л.П.Руновой в ИИК ЮФУ:
http://dbs.sfedu.ru/pls/rsu/rsu$persons$.startup?p_per_id=461
4. Учебно-методические ресурсы Л.П.Руновой в ИИК ЮФУ:
http://dbs.sfedu.ru/pls/rsu/umr.umr_edit
5. ЦЭМИ:www.cemi.rssi.ru
6. Официальный сайт Росстата: www.gks.ru.
7.http://www.gfk.ru/Go/View?id=314
8.http://www.cis2000.ru/Budgeting/Mailing/BusinessForecast.shtml
9.http://mktg-sun.wharton.upenn.edu/forecast/LongRange%20Forecasting/contents.html
10. http://mktg-sun.wharton.upenn.edu/forecast/welcome.html
11. http://www.marketingprofs.com/Tutorials/Forecast/
12.http://www.forecast.ru (Центр макроэкономического анализа и
прогнозирования при ИНП РАН)
13.Сайт производителя ППП STATISTICA: www.statsoft.com
14.http://www.i-u.ru/biblio/archive/socprogn/
15.http://gtmarket.ru/laboratory/expertize/2006/2696
16.http://polbu.ru/bestuzhev_sforecasting
17.http://www.erlib.com/И._БестужевЛада/Социальное_прогнозирование/13/
18.http://journal.vlsu.ru/typo3temp/pics/e037b5cf12.jpg
19. Эконометрическая страничка: www.nsu.ru/ef/tsy/ecmr/index.htm.
Материально-техническое обеспечение дисциплины (модуля)
Для чтения лекций по дисциплине ”Методы и модели бизнеспрогнозирования” необходима аудитория с интерактивной доской, так как
предполагается использование презентационных материалов.
Для проведения практических занятий по дисциплине ”Методы и
модели бизнес-прогнозирования” необходима оборудованная современными
персональными компьютерами аудитория, так как предполагается решение
задач и моделирование бизнес-процессов с помощью современных пакетов
прикладных задач.
Для выполнения индивидуальных практических заданий имеется
компьютерный класс (23 персональных компьютера Intel Core(TM)2 Duo
1.66 GHz). Все компьютеры имеют выход в сеть Интернет, установлено
специальное программное обеспечение ППП «Statistica».
Основными компьютерными программами, используемыми в данном курсе,
являются программы Econometric Views (версии 3.1 и последующие) и ППП
«Statistica» . Используются также электронные таблицы Excel.
Программа составлена в соответствии с требованиями ФГОС ВПО с
учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки
”Бизнес-информатика”.
Автор _Рунова Л.П.___________________________
Рецензент (ы) ___Е.И. Лазарева ______________________
Программа одобрена на заседании ____________________________________________
(Наименование уполномоченного органа вуза (УМК, НМС, Ученый совет)
от
___________
года,
протокол
№
________.