Программа дисциплины «Методы социально-экономического прогнозирования»




Скачать 182.2 Kb.
Дата05.05.2016
Размер182.2 Kb.



Национальный исследовательский университет «Высшая школа экономики»
Программа дисциплины «Методы социально-экономического прогнозирования»
для направления 38.06.01 «Экономика», профили «Экономика, организация и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические и инструментальные методы экономики» подготовки научно-педагогических кадров в аспирантуре






Правительство Российской Федерации
Федеральное государственное автономное образовательное

учреждение высшего профессионального образования

"Национальный исследовательский университет

"Высшая школа экономики"

Программа дисциплины «Методы социально-экономического прогнозирования»


для направления подготовки 38.06.01 "Экономика",

профили «Экономика, организация и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические и инструментальные методы экономики»

подготовки научно-педагогических кадров в аспирантуре


Автор программы:



Светуньков Сергей Геннадьевич,

профессор департамента Менеджмента,

ssvetunkov@hse.ru
Утверждена на заседании Академического совета Аспирантской школы по экономике

«__» ____________ 2014г.


Академический руководитель

Аспирантской школы по экономике


­­­­­­­­­­­­­­­­­_________________ О.А. Демидова

Санкт-Петербург – 2014


Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения разработчика программы.

1.Область применения и нормативные ссылки


Настоящая программа учебной дисциплины устанавливает минимальные требования
к знаниям и умениям аспиранта по направлению подготовки 38.06.01 "Экономика" подготовки научно-педагогических кадров в аспирантуре по профилям «Экономика, организация
и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические
и инструментальные методы экономики» и определяет содержание и виды учебных занятий
и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину и аспирантов направления подготовки 38.06.01 "Экономика" подготовки научно-педагогических кадров


в аспирантуре по профилям «Экономика, организация и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические и инструментальные методы экономики».

Программа разработана в соответствии c:



  • Образовательным стандартом НИУ ВШЭ;

  • Образовательной программой направления подготовки 38.06.01 "Экономика" подготовки аспиранта;

  • Учебным планом подготовки аспирантов по направлению подготовки 38.06.01 "Экономика" подготовки научно-педагогических кадров в аспирантуре
    по профилям «Экономика, организация и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические и инструментальные методы экономики», утвержденным в 2014 г.

2.Цели освоения дисциплины


Основная цель – подготовка аспирантов к использованию методов социально-экономического прогнозирования в своей профессиональной и исследовательской деятельности.

Задачами освоения дисциплины являются:

- формирование компетенций, необходимых для социально-экономического прогнозирования,

- получение системного знания о современных методах социально-экономического прогнозирования,

- владение методами количественного и качественного анализа, моделирования, теоретического и экспериментального исследования, включая анализ временных рядов,

- овладение принципами выбора подходящих моделей и методами и применения их на практике для составления наиболее точных прогнозов.


3.Компетенции обучающегося, формируемые в результате освоения дисциплины


В результате освоения дисциплины аспирант должен:

  • Знать

  • понятийный аппарат социально-экономического прогнозирования;

  • основные принципы социально-экономического прогнозирования;

  • основные математические модели, описывающие различные тенденции, проявляющиеся в рядах данных;

  • Уметь

  • определять тип временного ряда, имеющегося в распоряжении;

  • определять, какой инструмент нужно применить для анализа и прогнозирования того или иного временного ряда;

  • составлять краткосрочные и среднесрочные прогнозы;

  • оценивать точность построенных моделей;

  • оценивать точность данных прогнозов;

  • обосновывать полученные прогнозы с точки зрения фундаментальных предпосылок;

  • Иметь навыки (приобрести опыт)

  • прогнозирования временных рядов различной природы;

  • работы в прикладных пакетах MS Excel, Eviews и R;

  • составления отчётов по проведённом анализу и составленным прогнозам.

В результате освоения дисциплины студент осваивает следующие компетенции:

Компетенция

Код по ФГОС/ НИУ

Дескрипторы – основные признаки освоения (показатели достижения результата)

Формы и методы обучения, способствующие формированию и развитию компетенции

Способность проводить теоретические и экспериментальные исследования в области экономики и менеджмента, в том числе с использованием новейших информационно-коммуникационных технологий

ОПК-1

Использует методы социально-экономического прогнозирования для решения задач научного исследования и выполнения домашнего задания.

Использует прикладные пакеты для решения задач социально-экономического прогнозирования



Лекции

Семинары


Домашнее задание

Способность формулировать цели, ставить конкретные задачи научных исследований в фундаментальных и прикладных областях экономики

ПК-1

Выделяет задачи исследования, которые могут быть решены с помощью методов социально-экономического прогнозирования.

Знает и умеет применять социально-экономическое прогнозирование в конкретных областях деятельности



Семинары

Домашнее задание



Способность решать поставленные задачи с использованием новейшего отечественного и зарубежного опыта и с применением современных технических средств и информационных технологий

ПК-2


Знаком с актуальной зарубежной литературой по методам социально-экономического прогнозирования. Использует методы и технологии, предлагаемые исследователями в России и за рубежом.

Лекции

Семинары


Домашнее задание

способность использовать экономические методы и теории при осуществлении профессиональной деятельности

ПК-3

Использует методы социально-экономического прогнозирования для написания раздела диссертации.

Использует методы социально-экономического прогнозирования для решения прикладных задач в области экономики



Семинары

Домашнее задание



4.Место дисциплины в структуре образовательной программы


Настоящая дисциплина относится к дисциплинам по выбору вариативной части для Направления 38.06.01 "Экономика", профили «Экономика, организация и управление предприятиями, отраслями, комплексами: сфера услуг», «Математические и инструментальные методы экономики».

Изучение данной дисциплины базируется на обязательных дисциплинах «Методы научных исследований в экономике и менеджменте», «Эконометрика», «Математика для экономистов».



Основные положения дисциплины должны быть использованы при написании аспирантами выпускной квалификационной работы, в научно-исследовательской и педагогической деятельности.

5.Тематический план учебной дисциплины




Название раздела

Всего часов

Аудиторные часы

Самостоятельная работа










Лекции

Семинары









Введение. Временные ряды. Классификация методов прогнозирования. Ошибки в моделях. Точность моделей.

12

1

2

9






Сглаживание рядов данных. Простейшие методы прогнозирования. Модели трендов

12

1

2

9






Тренд-сезонные модели. Построение интервальных прогнозов.

16

2

4

10






Регрессионный анализ. Синтез однофакторных моделей. Фиктивные переменные.

16

1

4

11






Модели авторегрессии. ARIMA. ARARMA. SARIMA.

16

2

4

10






Модели экспоненциального сглаживания. Введение. МНК с дисконтированием.

16

2

4

10






Модели Хольта и Хольта-Уинтерса. Обобщённая модель Брауна. CEWMA.

16

2

4

10






Модели демпфированного тренда. Элементарные модификации модели Брауна.

16

2

4

10






Метод стохастической аппроксимации.

16

2

2

12






Метод Theta.

16

1

2

13







Итого:

152

16

32

108



6.Формы контроля знаний аспирантов


Итоговая форма контроля – экзамен, проводится в конце 1-го полугодия 2-го года обучения. Текущий контроль работы аспирантов осуществляется на основе их участия в работе на семинарских занятиях и выполнения ими самостоятельного домашнего задания.

Оценки по всем формам текущего контроля выставляются по 10-ти балльной шкале.




Тип контроля

Форма контроля

Полугодие

Параметры

1




Текущий

Аудиторная работа

1

Выполнение аспирантами практических заданий на семинарах

Текущий

Домашнее задание

1

Письменное домашнее задание

Итоговый

Экзамен


1

Письменный экзамен продолжительностью выполнения 80 минут



7.Критерии оценки знаний, навыков


Аудиторный контроль осуществляется путем проверки выполнения практические заданий. В курсе предусмотрено 11 практических заданий, за каждое из которых можно получить максимум 10 баллов. В результате выполнения всех заданий можно получить максимум 110 баллов. Итоговая оценка за работу на семинарских занятиях выставляется путём нормирования фактически набранного количества баллов за 11 занятий по 110 баллам. Во время перевода в десятибалльную систему осуществляется математическое округление до целых чисел.

Текущий контроль осуществляется в форме письменной работы, цель которой – продемонстрировать умения по анализу и прогнозированию выбранной области. Проводится аспирантом в течение курса. Оценка выставляется по десятибалльной шкале.

Итоговый контроль осуществляется в форме письменного экзамена по окончании курса, продолжительностью около 80 мин. Оценка за экзамен осуществляется по десятибалльной шкале. Нормирование – по максимально возможному баллу.

8.Порядок формирования оценок по дисциплине


Оценки за работу на семинарских занятиях выставляются в рабочую ведомость. Результирующая оценка по 10-ти балльной шкале за работу на семинарских занятиях определяется перед итоговым контролем - Оаудиторная.

Накопленная оценка за курс выставляется по 10-балльной шкале и состоит из оценок за аудиторную работу и за домашнее задание – Одз.

Онакопленная = 0,5Оаудиторная + 0,5 Одз
Итоговая накопленная оценка за курс выставляется по 10-бальной системе и формируется как средневзвешенная со следующими весами:
Орезульт. = 0,6·Онакопленная + 0,4·Оэкзамен
где Оэкзамен – оценка, полученная студентом за выполнение экзаменационного задания.

В диплом ставится оценка за итоговый контроль, которая является результирующей оценкой по учебной дисциплине.



Округление всех промежуточных и итоговых оценок осуществляется по правилам математического округления.

9.Содержание дисциплины


  1. Введение. Временные ряды. Классификация методов прогнозирования. Ошибки в моделях. Точность моделей

Введение. Основные понятия прогнозирования. Временной ряд. Обратимые и необратимые, стационарные и нестационарные процессы. Классификация методов прогнозирования по сроку. Виды ошибок в моделях. Грубые, систематические и случайные ошибки. Оценка точности прогнозов. Коэффициенты оценки аппроксимации рядов данных моделями. Примеры.


  1. Сглаживание рядов данных. Простейшие методы прогнозирования. Модели трендов

Простое скользящее среднее. Примеры. Экспоненциально-взвешенное скользящее среднее. Примеры. Математическая статистика и расчёт средних величин для получения прогнозов. Метод Naïve. Метод дрейфа. Метод средних. Виды трендов.


  1. Тренд-сезонные модели. Построение интервальных прогнозов

Вычленение сезонности. Классическая декомпозиция. Аддитивные и мультипликативные тренд-сезонные модели. Основные принципы построения интервальных прогнозов.


  1. Регрессионный анализ. Синтез однофакторных моделей. Фиктивные переменные

Основные принципы регрессионного анализа. Синтез однофакторных моделей в многофакторную. Использование фиктивных переменных в учёте сезонных колебаний.


  1. Модели авторегрессии. ARIMA. ARARMA. SARIMA

Методология Бокса-Дженкинса. Проведение тестов на стационарность. Методы приведения рядов данных к стационарному виду. Принципы построение моделей ARIMA, ARARMA, SARIMA. Backcasting.


  1. Модели экспоненциального сглаживания. Введение. МНК с дисконтированием

Модель простого экспоненциального сглаживания. Трактовка постоянной сглаживания. Интерпретация модели. Использование модели для определения стационарности ряда. Расчёт коэффициентов любой модели с помощью МНК с дисконтированием. Построение доверительных интервалов для модели, полученной МНК с дисконтированием.


  1. Модели Хольта и Хольта-Уинтерса. Обобщённая модель Брауна. CEWMA

Принципы построения моделей Хольта и Хольта-Уинтерса. Вывод ограничений на постоянные сглаживания моделей. Обобщённая модель Брауна. Выбор вида модели и оценка коэффициентов. Модель CEWMA. Ограничения на коэффициенты модели, область применения.


  1. Модели демпфированного тренда. Элементарные модификации модели Брауна

Модели демпфированного тренда. Вывод моделей, оценка коэффициентов. Сравнение с моделями Хольта и Хольта-Уинтерса. Применение метода Брауна в адаптации коэффициентов произвольных моделей.


  1. Метод стохастической аппроксимации

Принцип адаптации коэффициентов регрессионных моделей с помощью метода стохастической аппроксимации. Методы расчёта коэффициента демпфирования колебаний. Методы задания границ чувствительности. Прогнозирование сезонных временных рядов тренд-сезонными моделями, оценённых с помощью метода стохастической аппроксимации.


  1. Метод Theta

Принцип построения метода Theta. Разложение рядов данных с помощью разностей. Принцип подбора коэффициента сглаживания.

10.Образовательные технологии


    При проведении обучения используются компьютерные программы для редактирования текстов и работы с электронными таблицами. На лекциях и на семинарских занятиях проводится разбор практических задач и кейсов. В самостоятельных исследованиях для обработки статистических данных студенты используют MS Excel и пакеты прикладных программ.



11.Оценочные средства для текущего контроля и аттестации студента

    1. Тематика домашних заданий


  1. Используя метод средних величин дайте краткосрочный прогноз по имеющемуся ряду данных. Оцените точность модели и адекватность прогноза.

  2. Используя метод Naïve дайте краткосрочный прогноз по имеющемуся ряду данных. Оцените точность модели и адекватность прогноза.

  3. Используя метод средних точек дайте краткосрочный прогноз по имеющемуся ряду данных. Оцените точность модели и адекватность прогноза.

  4. Используя метод дрейфа дайте краткосрочный прогноз по имеющемуся ряду данных. Оцените точность модели и адекватность прогноза.

  5. Сгладьте ряд данных используя модель простого скользящего среднего порядка 3, 5, 6, 12.

  6. Оцените по исходному ряду, какая модель тренда лучше подойдёт для его описания и прогнозирования.

  7. Используя МНК рассчитайте коэффициенты выбранного тренда. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  8. Постройте доверительные интервалы для вашей модели используя t-статистику или z-статистику.

  9. Постройте доверительные интервалы для вашей модели используя неравенство Чебышева.

  10. Постройте доверительные интервалы для вашей модели используя бутстрап (сгенерируйте остатки методом Монте-Карло).

  11. Приведите ряд данных к стационарному виду.

  12. Рассчитайте сезонные коэффициенты по имеющемуся ряду данных. Проведите десезонализацию исходного ряда данных.

  13. Постройте аддитивную или мультипликативную тренд-сезонную модель, используя метод классической декомпозиции.

  14. Оцените порядок авторегрессии, лучше всего подходящей для описания ряда данных и прогнозирования, используя методологию Бокса-Дженкинса.

  15. Постройте модель ARIMA по своему ряду данных. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  16. Постройте модель ARARMA по своему ряду данных. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  17. Постройте модель SARIMA по своему ряду данных. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  18. Постройте модель экспоненциального сглаживания. Дайте по ней прогноз.

  19. Постройте модель линейного тренда, используя МНК с дисконтированием. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  20. Постройте произвольную регрессионную модель, используя МНК с дисконтированием. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  21. Постройте модель Хольта. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  22. Постройте модель Хольта-Уинтерса. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  23. Постройте модель Хольта или Хольта-Уинтерса с демпфированным трендом. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  24. Постройте модель тренда, используя метод стохастической аппроксимации. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  25. Постройте тренд-сезонную модель, используя метод стохастической аппроксимации. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  26. Постройте регрессионную модель, используя метод стохастической аппроксимации. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.

  27. Постройте модель Theta по исходному ряду данных. Дайте прогноз по полученной модели. Оцените точность модели и адекватность прогноза.


Примерные задания для аудиторного контроля:

  1. По имеющемуся ряду данных определите, какую модель лучше построить для составления краткосрочного прогноза. Постройте доверительные интервалы для своей модели. Дайте прогноз на 3 наблюдения вперёд.

  2. По имеющемуся ряду данных определите, какую модель лучше построить для составления среднесрочного прогноза. Постройте доверительные интервалы для своей модели. Дайте прогноз на 12 наблюдений вперёд.

  3. Постройте по своему ряду данных тренд-сезонную модель. Дайте по ней прогноз на 12 наблюдений вперёд.

  4. Постройте по своему ряду данных модель экспоненциального сглаживания. Дайте по ней прогноз на 12 наблюдений вперёд.

  5. Постройте по своему ряду данных регрессионную модель, используя метод стохастической аппроксимации. Дайте по полученной модели прогноз.

      Вопросы для оценки качества освоения дисциплины


  1. Временной ряд. Классификация временных рядов. Прогноз. Отличие прогноза от предсказания. Период основания и упреждения прогноза. 3 основных принципа прогнозирования.

  2. Коэффициенты оценки качества моделей. Графическое, аналитическое и экспертное оценивание прогнозных свойств моделей.

  3. Модель Naïve.

  4. Модель дрейфа.

  5. Модель средних величин (средняя арифметическая, средняя геометрическая).

  6. Метод средних точек.

  7. Модель линейного тренда. Формула, свойства моделируемого процесса.

  8. Модель параболического тренда. Формула, свойства моделируемого процесса.

  9. Модель показательного тренда. Формула, свойства моделируемого процесса.

  10. Модель гиперболического тренда. Формула, свойства моделируемого процесса.

  11. Модель логарифмического тренда. Формула, свойства моделируемого процесса.

  12. Модель логистического тренда. Формула, свойства моделируемого процесса.

  13. Сглаживание рядов данных. Методы, их преимущества и недостатки.

  14. Классическая декомпозиция и вычленение сезонности в стационарных рядах данных.

  15. Аддитивные и мультипликативные тренд-сезонные модели.

  16. Методология Бокса-Дженкинса.

  17. Модели ARIMA, ARARMA, SARIMA.

  18. Модель экспоненциального сглаживания.

  19. МНК с дисконтированием данных.

  20. Модель Хольта.

  21. Модель Хольта-Уинтерса.

  22. Модели демпфированного тренда.

  23. Модель CEWMA.

  24. Метод стохастической аппроксимации.

  25. Модель Theta.



12.Учебно-методическое и информационное обеспечение дисциплины


Основная литература

1. Светуньков И.С., Светуньков С.Г. Методы и модели социально-экономического прогнозирования: учебник и практикум для академического бакалавриата. В 2-х т. Т. 1. Теория и методология прогнозирования. - М.: Издательство Юрайт, 2014. – 351 с.

2. Светуньков И.С., Светуньков С.Г. Методы и модели социально-экономического прогнозирования: учебник и практикум для академического бакалавриата. В 2-х т. Т. 2. Модели и методы. - М.: Издательство Юрайт, 2014. – 450 с.

3. Афанасьев В.Н. Юзбашев М.М. Анализ временных рядов и прогнозирование: учебник. – 2-е изд., перераб. и доп. – М.: Финансы и статистика; ИНФРА-М, 2010.



Дополнительная литература

Svetunkov Sergey. Complex-Valued Modeling in Economics and Finance – Springer Science+Business Media, New York, 2012. – 318 p.



13.Материально-техническое обеспечение дисциплины


    Курс преподаётся с помощью мультимедийных презентаций Power Point. Для проведения семинаров используется персональный компьютер/ноутбук совместно с мультимедиа-проектором. В самостоятельных исследованиях для обработки статистических данных студенты используют MS Excel и пакеты прикладных программ – SPSS 22.



База данных защищена авторским правом ©ekonoom.ru 2016
обратиться к администрации

    Главная страница