Войти
Регистрация
А что за работа до 10.00 ? Это нарушения трудового законодательства.. надеюсь, у вас рабочий день не с 13.00 часов?
Наверх
#82
Отправлено 30.10.2006, 13:37:51
d'sparil
-
- В доску свой
- 1 331 сообщений
Читатель
Пока нашу тему не перенесли во флейм, приведу краткий курс по эконометрике.
Литература:
1) Айвазян С.А., Мхитарян А. ?Статистические методы в экономике?. Части 1, 2, Москва 2000 г.
2) К. Доугерти ?Введение в эконометрику?, Москва 2001 г.
3) А. Пересецкий, Магнус ?Эконометрика?, Москва, 2003 г.
Часть 1. Временные ряды.
Все данные по макроэкономическим показателям представляют собой временные ряды, поскольку их регистрация происходит во времени. Всякий эконометрический анализ основывается на исходных статистических данных.
Эконометрический анализ посвящен методам построения, идентификации (т.е. статистического оценивания параметров) и верификации (т.е. статистической проверке адекватности) моделей многомерных временных рядов. При этом с точки зрения прикладного назначения этих моделей нас будет интересовать прежде всего проблема прогнозирования основных макроэкономических показателей. Добавим к этому, что в данной работе будут рассматриваться лишь дискретные (по времени наблюдения) одномерные временные ряды для равностоящих моментов наблюдений, т.е. t2-t1=t3-t2=?=tN-tN-1=∆, где ∆ - заданный временной такт (день, месяц, квартал, год). Поэтому в дальнейшем исследуемый временной ряд нам будет удобнее представлять в виде: x(1), x(2), ?, x(N), где: x(t) ? значение анализируемого показателя, зарегистрированного в t ?м такте времени (t=1,?,N).
Определение 1. Ряд наблюдений x(t1), x(t2), ?, x(tN) анализируемой случайной величины ξ(t), произведенных в последовательные моменты времени t1, t2, ?, tN, называется временным рядом.
В чем же состоят принципиальные отличия временного ряда от последовательности наблюдений x1, x2, ?, xn, образующих случайную выборку? Этих отличий два:
1) в отличии от элементов случайной выборки члены временного ряда не являются статистически независимыми.
2) члены временного ряда не являются одинаково распределенными, т.е. P{x(t1)<x}≠P{x(t2)<x} t1≠t2.
Это значит, что мы не можем распространять свойства и правила статистического анализа случайной выборки на временные ряды. С другой стороны, взаимозависимость членов временного ряда создает свою специфическую базу для построения прогнозных значений анализируемого показателя (т.е. для построения оценок (N+k) для неизвестных значений x(N+k)) по имеющимся наблюдениям x(1), x(2), ?, x(N).
Одним из основных моментов анализа временных рядов является классификация и определение структуры основных факторов, под воздействием которых формируются значения элементов временного ряда.
Обычно факторы делятся на неслучайные и стохастические.
Целесообразно выделить следующие 3 типа неслучайных факторов:
1) долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого показателя x(t). Обычно эта тенденция описывается с помощью той или иной неслучайной функции ftr(t), как правило, монотонной. Эту функцию называют функцией тренда или просто ? трендом. При этом, тренд может быть как линейным, так и полиномиальным;
2) сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Условимся обозначать результат действия сезонных факторов с помощью неслучайной функции φ(t). Поскольку эта функция должна быть периодической (с периодами, кратными ?сезонам?), в ее аналитическом выражении участвуют гармоники (тригонометрические функции), периодичность которых, как правило, обусловлена содержательной сущностью задачи;
3) циклические (конъюнктурные), формирующие изменения анализируемого показателя, обусловленные действием долговременных циклов экономической, демографической или астрофизической природы (волны Кондратьева, демографические ?ямы?, циклы солнечной активности). Результат действия циклических факторов будем обозначать с помощью неслучайной функции ψ(t).
Конечно, совсем не обязательно, чтобы в процессе формирования значений всякого временного ряда участвовали одновременно факторы всех трех типов. Примем (в качестве гипотезы) для определенности аддитивную структурную схему влияния факторов (1), (2), и (3) на формирование значений x(t), которая означает правомерность представления значений членов временного ряда в виде разложения:
x(t)=χ(1)ftr(t)+χ(2)φ(t)+χ(3)ψ(t) t=1,2,?,N, (1.1)
где: χ(i)= ,
i = (1), (2) или (3).
Выводы о том, участвуют или нет факторы данного типа в формировании значений x(t), могут базироваться как на анализе содержательной сущности задачи (т.е. быть априорно-экспертными по своей природе), так и на специальном статистическом анализе исследуемого временного ряда.
Случайная составляющая динамического ряда формируется из двух факторов:
1) воздействие других случайных динамических рядов (очищенных от неслучайных функций);
2) воздействие случайных нерегистрируемых факторов с помощью случайных величин (?остатков?, ?ошибок?).
Их воздействие на формирование значений временного ряда как раз и обуславливает стохастическую природу элементов x(t), а следовательно, и необходимость интерпретации x(1), x(2), ?, x(N) как наблюдений, произведенных над случайными величинами ξ(1), ξ(2), ?, ξ(N), соответственно.
Отталкиваясь от приведенного выше аддитивного разложения (1.3) временного ряда x(t), можно дать общую формулировку базисной цели его статистического анализа ? по имеющейся траектории анализируемого временного ряда x(t) требуется:
? определить, какие из неслучайных функций ftr(t), φ(t), ψ(t) присутствуют в разложении (1.3), т.е. определить значения индикаторов χ(i) (i = (1), (2) или (3)) в разложении (1.3);
? построить ?хорошие? оценки для тех неслучайных функций, которые присутствуют в разложении (1.3);
? очистить динамический ряд от неслучайной составляющей. Для очищения динамического ряда от содержания неслучайных функций от самого динамического ряда отнимаются значения, полученные с помощью оценки данных с помощью вышеуказанных неслучайных функций. Остаток представляет собой временной ряд, состоящий из случайных (нерегулярных) элементов.
? подобрать модель, адекватно описывающую поведение случайных факторов, и статистически оценить параметры этой модели.
Успешное решение задач поставленных выше, обусловленных базисной целью статистического анализа временного ряда, является основой для достижения конечных прикладных целей исследования и, в первую очередь, для решения задачи краткосрочного прогноза значений временного ряда.
Литература:
1) Айвазян С.А., Мхитарян А. ?Статистические методы в экономике?. Части 1, 2, Москва 2000 г.
2) К. Доугерти ?Введение в эконометрику?, Москва 2001 г.
3) А. Пересецкий, Магнус ?Эконометрика?, Москва, 2003 г.
Часть 1. Временные ряды.
Все данные по макроэкономическим показателям представляют собой временные ряды, поскольку их регистрация происходит во времени. Всякий эконометрический анализ основывается на исходных статистических данных.
Эконометрический анализ посвящен методам построения, идентификации (т.е. статистического оценивания параметров) и верификации (т.е. статистической проверке адекватности) моделей многомерных временных рядов. При этом с точки зрения прикладного назначения этих моделей нас будет интересовать прежде всего проблема прогнозирования основных макроэкономических показателей. Добавим к этому, что в данной работе будут рассматриваться лишь дискретные (по времени наблюдения) одномерные временные ряды для равностоящих моментов наблюдений, т.е. t2-t1=t3-t2=?=tN-tN-1=∆, где ∆ - заданный временной такт (день, месяц, квартал, год). Поэтому в дальнейшем исследуемый временной ряд нам будет удобнее представлять в виде: x(1), x(2), ?, x(N), где: x(t) ? значение анализируемого показателя, зарегистрированного в t ?м такте времени (t=1,?,N).
Определение 1. Ряд наблюдений x(t1), x(t2), ?, x(tN) анализируемой случайной величины ξ(t), произведенных в последовательные моменты времени t1, t2, ?, tN, называется временным рядом.
В чем же состоят принципиальные отличия временного ряда от последовательности наблюдений x1, x2, ?, xn, образующих случайную выборку? Этих отличий два:
1) в отличии от элементов случайной выборки члены временного ряда не являются статистически независимыми.
2) члены временного ряда не являются одинаково распределенными, т.е. P{x(t1)<x}≠P{x(t2)<x} t1≠t2.
Это значит, что мы не можем распространять свойства и правила статистического анализа случайной выборки на временные ряды. С другой стороны, взаимозависимость членов временного ряда создает свою специфическую базу для построения прогнозных значений анализируемого показателя (т.е. для построения оценок (N+k) для неизвестных значений x(N+k)) по имеющимся наблюдениям x(1), x(2), ?, x(N).
Одним из основных моментов анализа временных рядов является классификация и определение структуры основных факторов, под воздействием которых формируются значения элементов временного ряда.
Обычно факторы делятся на неслучайные и стохастические.
Целесообразно выделить следующие 3 типа неслучайных факторов:
1) долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого показателя x(t). Обычно эта тенденция описывается с помощью той или иной неслучайной функции ftr(t), как правило, монотонной. Эту функцию называют функцией тренда или просто ? трендом. При этом, тренд может быть как линейным, так и полиномиальным;
2) сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Условимся обозначать результат действия сезонных факторов с помощью неслучайной функции φ(t). Поскольку эта функция должна быть периодической (с периодами, кратными ?сезонам?), в ее аналитическом выражении участвуют гармоники (тригонометрические функции), периодичность которых, как правило, обусловлена содержательной сущностью задачи;
3) циклические (конъюнктурные), формирующие изменения анализируемого показателя, обусловленные действием долговременных циклов экономической, демографической или астрофизической природы (волны Кондратьева, демографические ?ямы?, циклы солнечной активности). Результат действия циклических факторов будем обозначать с помощью неслучайной функции ψ(t).
Конечно, совсем не обязательно, чтобы в процессе формирования значений всякого временного ряда участвовали одновременно факторы всех трех типов. Примем (в качестве гипотезы) для определенности аддитивную структурную схему влияния факторов (1), (2), и (3) на формирование значений x(t), которая означает правомерность представления значений членов временного ряда в виде разложения:
x(t)=χ(1)ftr(t)+χ(2)φ(t)+χ(3)ψ(t) t=1,2,?,N, (1.1)
где: χ(i)= ,
i = (1), (2) или (3).
Выводы о том, участвуют или нет факторы данного типа в формировании значений x(t), могут базироваться как на анализе содержательной сущности задачи (т.е. быть априорно-экспертными по своей природе), так и на специальном статистическом анализе исследуемого временного ряда.
Случайная составляющая динамического ряда формируется из двух факторов:
1) воздействие других случайных динамических рядов (очищенных от неслучайных функций);
2) воздействие случайных нерегистрируемых факторов с помощью случайных величин (?остатков?, ?ошибок?).
Их воздействие на формирование значений временного ряда как раз и обуславливает стохастическую природу элементов x(t), а следовательно, и необходимость интерпретации x(1), x(2), ?, x(N) как наблюдений, произведенных над случайными величинами ξ(1), ξ(2), ?, ξ(N), соответственно.
Отталкиваясь от приведенного выше аддитивного разложения (1.3) временного ряда x(t), можно дать общую формулировку базисной цели его статистического анализа ? по имеющейся траектории анализируемого временного ряда x(t) требуется:
? определить, какие из неслучайных функций ftr(t), φ(t), ψ(t) присутствуют в разложении (1.3), т.е. определить значения индикаторов χ(i) (i = (1), (2) или (3)) в разложении (1.3);
? построить ?хорошие? оценки для тех неслучайных функций, которые присутствуют в разложении (1.3);
? очистить динамический ряд от неслучайной составляющей. Для очищения динамического ряда от содержания неслучайных функций от самого динамического ряда отнимаются значения, полученные с помощью оценки данных с помощью вышеуказанных неслучайных функций. Остаток представляет собой временной ряд, состоящий из случайных (нерегулярных) элементов.
? подобрать модель, адекватно описывающую поведение случайных факторов, и статистически оценить параметры этой модели.
Успешное решение задач поставленных выше, обусловленных базисной целью статистического анализа временного ряда, является основой для достижения конечных прикладных целей исследования и, в первую очередь, для решения задачи краткосрочного прогноза значений временного ряда.
#84
Отправлено 30.10.2006, 13:52:29
dakafi
-
- В доску свой
- 1 113 сообщений
В целом, еще в процессе обучения я понял, что большинство тестов (Гетероск., Автокор., даже условия ГМ) иногда мешают построению модели, либо не оправдывают затраченное время. то есть цель не оправдывает средства. Дополнительно они могут ввести и в заблуждение.
ИМХО
ИМХО
#89
Отправлено 02.11.2006, 12:43:58
Forecastman
-
- Частый гость
- 96 сообщений
Это какой универ надо закончить, что бы 2 года учиться скопировать текст, а потом вставить?Пока нашу тему не перенесли во флейм, приведу краткий курс по эконометрике.
Литература:
1) Айвазян С.А., Мхитарян А. ?Статистические методы в экономике?. Части 1, 2, Москва 2000 г.
2) К. Доугерти ?Введение в эконометрику?, Москва 2001 г.
3) А. Пересецкий, Магнус ?Эконометрика?, Москва, 2003 г.
Часть 1. Временные ряды.
Все данные по макроэкономическим показателям представляют собой временные ряды, поскольку их регистрация происходит во времени. Всякий эконометрический анализ основывается на исходных статистических данных.
Эконометрический анализ посвящен методам построения, идентификации (т.е. статистического оценивания параметров) и верификации (т.е. статистической проверке адекватности) моделей многомерных временных рядов. При этом с точки зрения прикладного назначения этих моделей нас будет интересовать прежде всего проблема прогнозирования основных макроэкономических показателей. Добавим к этому, что в данной работе будут рассматриваться лишь дискретные (по времени наблюдения) одномерные временные ряды для равностоящих моментов наблюдений, т.е. t2-t1=t3-t2=?=tN-tN-1=∆, где ∆ - заданный временной такт (день, месяц, квартал, год). Поэтому в дальнейшем исследуемый временной ряд нам будет удобнее представлять в виде: x(1), x(2), ?, x(N), где: x(t) ? значение анализируемого показателя, зарегистрированного в t ?м такте времени (t=1,?,N).
Определение 1. Ряд наблюдений x(t1), x(t2), ?, x(tN) анализируемой случайной величины ξ(t), произведенных в последовательные моменты времени t1, t2, ?, tN, называется временным рядом.
В чем же состоят принципиальные отличия временного ряда от последовательности наблюдений x1, x2, ?, xn, образующих случайную выборку? Этих отличий два:
1) в отличии от элементов случайной выборки члены временного ряда не являются статистически независимыми.
2) члены временного ряда не являются одинаково распределенными, т.е. P{x(t1)<x}≠P{x(t2)<x} t1≠t2.
Это значит, что мы не можем распространять свойства и правила статистического анализа случайной выборки на временные ряды. С другой стороны, взаимозависимость членов временного ряда создает свою специфическую базу для построения прогнозных значений анализируемого показателя (т.е. для построения оценок (N+k) для неизвестных значений x(N+k)) по имеющимся наблюдениям x(1), x(2), ?, x(N).
Одним из основных моментов анализа временных рядов является классификация и определение структуры основных факторов, под воздействием которых формируются значения элементов временного ряда.
Обычно факторы делятся на неслучайные и стохастические.
Целесообразно выделить следующие 3 типа неслучайных факторов:
1) долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого показателя x(t). Обычно эта тенденция описывается с помощью той или иной неслучайной функции ftr(t), как правило, монотонной. Эту функцию называют функцией тренда или просто ? трендом. При этом, тренд может быть как линейным, так и полиномиальным;
2) сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Условимся обозначать результат действия сезонных факторов с помощью неслучайной функции φ(t). Поскольку эта функция должна быть периодической (с периодами, кратными ?сезонам?), в ее аналитическом выражении участвуют гармоники (тригонометрические функции), периодичность которых, как правило, обусловлена содержательной сущностью задачи;
3) циклические (конъюнктурные), формирующие изменения анализируемого показателя, обусловленные действием долговременных циклов экономической, демографической или астрофизической природы (волны Кондратьева, демографические ?ямы?, циклы солнечной активности). Результат действия циклических факторов будем обозначать с помощью неслучайной функции ψ(t).
Конечно, совсем не обязательно, чтобы в процессе формирования значений всякого временного ряда участвовали одновременно факторы всех трех типов. Примем (в качестве гипотезы) для определенности аддитивную структурную схему влияния факторов (1), (2), и (3) на формирование значений x(t), которая означает правомерность представления значений членов временного ряда в виде разложения:
x(t)=χ(1)ftr(t)+χ(2)φ(t)+χ(3)ψ(t) t=1,2,?,N, (1.1)
где: χ(i)= ,
i = (1), (2) или (3).
Выводы о том, участвуют или нет факторы данного типа в формировании значений x(t), могут базироваться как на анализе содержательной сущности задачи (т.е. быть априорно-экспертными по своей природе), так и на специальном статистическом анализе исследуемого временного ряда.
Случайная составляющая динамического ряда формируется из двух факторов:
1) воздействие других случайных динамических рядов (очищенных от неслучайных функций);
2) воздействие случайных нерегистрируемых факторов с помощью случайных величин (?остатков?, ?ошибок?).
видимо, автор с красным?
#93
Отправлено 09.11.2006, 15:16:41
Bomzh
-
- Частый гость
- 49 сообщений
2 D'sparil: Мечты сбываются и не сбываются...
Ваша умность, понятие относительное данного форума..
Егнатко превед! Ну напиши нам свою теорию прогнозирования, ты же у нас гений, среди удобрений
Превед, хочу что бы ты был моим удобрений для моих цветов...
#94
Отправлено 09.11.2006, 18:35:34
d'sparil
-
- В доску свой
- 1 331 сообщений
Читатель
2 D'sparil: Мечты сбываются и не сбываются...
Ваша умность, понятие относительное данного форума..
Егнатко превед! Ну напиши нам свою теорию прогнозирования, ты же у нас гений, среди удобрений
Превед, хочу что бы ты был моим удобрений для моих цветов...
много вас тут дебилов, мне разбирающихся в теме и желающих блеснуть умом (причем небольшим)
мне Ва откровенно жалко. недоэволюционировавшие обезьяны
#97
Отправлено 10.11.2006, 13:13:07
gutsul_back
-
- Свой человек
- 875 сообщений
Читатель
Кстати, уважаемые НР, Дакафи и Акико - почему не приходим на встречи?
Я бы с удовольствием, за темой слежу постоянно, но вы собираетесь в такое время, когда я никак не могу придти. В будние дни освобождаюсь только в 10 вечера. Насчет тем, планирую вплотную заняться инфляцией. Мне тут надо работку одну наваять. Решила наверняка что это будет она, но что именно... Пока определяюсь. Была мысль модель Кейгана посмотреть, но это как-то не актуально уже. Если есть интересные модели и просто мысли, буду рада если кто поделится..
привет! лучше встретится. как по поводу завтра. я завтра весь день свободен
#98
Отправлено 10.11.2006, 15:17:36
Hint
-
- В доску свой
- 2 290 сообщений
Угу, я тебе в личку уже написала, если буду в состоянии, то обязательно. Оч нужен дельный совет по поводу прогнозирования инфляции. Надо работу писать, а я четко с темой определиться не могу. Какую модель взять, инфляцию прогнозитьвать или NAIRU... в общем, темнота... 
Количество пользователей, читающих эту тему: 0
пользователей: 0, неизвестных прохожих: 0, скрытых пользователей: 0
