Эконометрика

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Новосибирский Государственный Технический Университет»

Кафедра экономической информатики

Расчётно-графическое задание

по дисциплине

«Эконометрика»

Факультет: Бизнеса

Группа: ФБИ-82

Студент: Голышкина Е.В.             

Преподаватель: Наумов А.А.

Новосибирск

2011

Содержание

Введение              3

1. Постановка и характеристика задач              4

2. Прогнозирование на основе регрессионных моделей              5

2.1 Реализация программы в среде MatLab               10

3. Имитационное моделирование в среде WINDOWS              13

4. Реинжиниринг бизнес-процессов              17

5. Вывод              25

6. Список использованных источников              26

Введение

Целью расчётно-графического задания является исследование методов и алгоритмов решения эконометрических задач в соответствии с выбранными темами:

       Прогнозирование на основе регрессионных моделей

       Имитационное моделирование в среде WINDOWS

       Реинжиниринг бизнес-процессов

Помимо теоретической части, мною была реализована программа в среде MatLab, которая позволяет спрогнозировать будущее, но на небольшой промежуток времени. В ходе проведенной работы я ознакомилась с основными методиками и алгоритмами рассматриваемых эконометрических задач.

1.                   Постановка и характеристика задач

В данной расчётно-графической работе мне необходимо разобрать три эконометрические задачи, а именно:

a)      Прогнозирование на основе регрессионных моделей

b)      Имитационное моделирование в среде WINDOWS

c)      Реинжиниринг бизнес-процессов

Так, прогнозирование является одной из основных сфер практического применения эконометрических моделей. Эконометрические прогнозные исследования, начало которым было положено в конце 20-х годов ХХ-го столетия, уже через два-три десятилетия сформировались в самостоятельное направление в экономической науке. При этом круг прогнозируемых процессов постоянно расширялся. В настоящее время эконометрические прогнозы разрабатываются практически для всех процессов, характеризующих развитие общества как на микро-, так и на мезо-, и макроуровнях его организации. В частности, самое широкое применение эконометрические модели находят в разработках прогнозов спроса и предложения, научно-технического прогресса, финансов и цен, уровня жизни, производительности труда, валового продукта, миграции, занятости и многих других явлений.

Имитационное моделирование — это наиболее мощный и универсальный метод исследования и оценки эффективности  систем,  поведение  которых  зависит  от  воздействия  случайных  факторов. Целью моделирования, в конечном счете, является принятие обоснованных, целесообразных управленческих решений. К  таким системам можно отнести и летательный аппарат, и популяцию животных, и предприятие, работающее в условиях слабо регулируемых рыночных отношений. Таким образом, имитационное моделирование представляет собой разработку имитационных моделей, постановку экспериментов на них и становится сегодня обязательным этапом в принятии ответственных решений во всех областях деятельности человека в связи с усложнением систем, в которых он должен действовать и которыми должен управлять.  

Реинжиниринг бизнес-процессов (англ. Business process reengineering)— фундаментальное переосмысление и радикальное перепроектирование бизнес-процессов для достижения максимального эффекта производственно-хозяйственной и финансово-экономической деятельности, оформленное соответствующими организационно-распорядительными и нормативными документами. Реинжиниринг использует специфические средства представления и обработки проблемной информации, понятные как менеджерам, так и разработчикам информационных систем.Смысл реинжиниринга бизнес-процессов в двух его основных этапах:

1) определение оптимального (идеального) вида бизнес-процесса (в первую очередь основного);

2) определение наилучшего (по средствам, времени, ресурсам и т.п.) способа перевода существующего бизнес-процесса в оптимальный.

Как научно-практическое направление, реинжиниринг бизнес-процессов впервые появился в США и за несколько лет превратился в одну из ведущих и активно развивающихся отраслей информатики. Сегодня начинается продвижение консалтинговых услуг и инструментариев по реинжинирингу и на российский рынок. Отечественная практика применения реинжиниринга показала, что этот метод необходим, особенно в условиях проведения глобальной экономической реформы и активного внедрения России в мировую экономическую систему.

2.                   Прогнозирование на основе регрессионных моделей

Термин “эконометрическое прогнозирование” обычно означает процедуру получения на основе эконометрических моделей некоторых характеристик зависимого процесса у (совокупности зависимых процессов), относящихся к следующим за моментом Т (последней точкой периода наблюдения) моментам Т+1, Т+2,... . Для “типовой” эконометрической модели, состоящей из единственного уравнения, к числу важнейших таких характеристик относятся непосредственно прогнозные значения зависимой переменной ...(точечные прогнозы) и показатели их точности – обычно дисперсии прогнозов 2(уТ+1), 2(уТ+1),..., доверительные интервалы, в которых с заданной вероятностью будут находиться “истинные” значения рассматриваемого процесса уT+1, уT+2,... (интервальные прогнозы).

В этой связи следует отметить, что развитие эконометрических прогнозных исследований в значительной степени было обусловлено именно относительной простотой процедур разработки прогнозов, ясностью и определенностью использования их результатов в практике управления общественным развитием. В самом деле, для построенной на интервале времени (1,Т) эконометрической модели с известными оценками коэффициентов  a0, a1,…

уt=ft(a, x)+еt                                             (1)

процедура определения точечных прогнозов ... сводится к подставлению в уравнение (1) соответствующих прогнозным моментам Т+1, Т+2,... значений независимых переменных хi, i=1, 2,..., n; и фактической ошибки еT+1, еT+2,... . Заметим, что для “типовой” линейной модели

уt = a0+a1х1t+...+anхnt +et

для получения точечного прогноза в ее уравнение необходимо подставить значения независимых переменных хi, T+1, i=1, 2,..., n,  выражающих их уровни в этот же момент Т+1. В некоторых исследованиях, когда момент Т+1 относится к “будущему”, эти уровни могут быть точно неизвестными. Они могут определяться по результатам других прогнозных разработок, отражать какие-либо гипотезы, выдвигаемые в отношении характера развития независимых переменных. Если ошибка модели удовлетворяет стандартным для нее предположениям (равенство нулю математического ожидания, отсутствие автокорреляционных связей и т. д.), то точечный прогноз в этом случае определяется, как оценка математического ожидания значения у в точке Т+1 в предположении, что оценки коэффициентов ai  и уровни факторов хi, T+1   независимы, i=1, 2,..., n;

                   (2)

Такие прогнозы, полученные с использованием различных (предполагаемых) вариантов значений независимых переменных в будущие моменты времени, часто называют “условными”, “вариантными”, подчеркивая тот факт, что значения рассчитываются в зависимости от предполагаемых вариантов значений хi, T+1, i=1, 2,..., n; т. е. “условий” прогноза.

Однако, например, для модели авторегрессии первого порядка, прогнозное значение при тех же предположениях определяется как безусловное в некотором смысле математическое ожидание:

                              (3)

поскольку значение уT было известно. Аналогично и прогноз определяется как “безусловный”

                            (4)

так как значение независимого фактора однозначно (с точностью до ошибки) определено выражением (3).

Таким образом, все прогнозные значения уT+,=1,2.... , получаемые на основе авторегрессии можно рассматривать как “безусловные” прогнозы.

Легко заметить, что для модели с лаговыми зависимыми переменными следующего вида:

уt = a0+a1х1,t–3+a2х2,t–4 +t                                    (5)

безусловными прогнозами являются только значения поскольку необходимые для их получения значения независимых переменных хi, T–2, хi, T–1, хi, T, i=1, 2; известны. Точечные прогнозы ... следует рассматривать уже как “условные”, если значения хi, T+1, хi, T+2,... точно не известны.

Значения независимых факторов, используемых при определении прогнозных значений зависимой переменной ... образуют так называемый “прогнозный фон”, характеризующий совокупность исходных данных, необходимых для получения прогнозов. В общем случае отметим, что прогнозный фон может иметь как экзогенную, так и эндогенную природу. В первом варианте значения прогнозного фона определяются вне модели (например, значения независимых факторов в прогнозный период хi,T+, =1,2,... , i=1, 2,..., п; в случае получения прогноза на основе “типовой” эконометрической модели).

Во втором варианте количественные характеристики прогнозного фона определяются в рамках самой эконометрической модели (например, прогноз на основе модели авторегрессии (4), в которой значение прогнозного фона определено с помощью этой же модели (3)).

Здесь следует отметить, что при разработке прогнозов важную роль играет процедура их верификации. Верификация предполагает обоснование достоверности прогноза, оценки его точности, качества. Одним из важнейших этапов верификации является выявление (или не выявление) систематической ошибки при формализованном описании (экстраполяции) тенденций развития исследуемого процесса. Такая ошибка может быть порождена, например, неправильно выбранной формой основного функционала эконометрической модели f(a, x), ошибками при выборе состава входящих в нее факторов, погрешностями в оценках коэффициентов модели. Появление систематической ошибки в общем случае может быть вызвано и неверным подбором “прогнозного фона”. 

Наличие такой систематической ошибки обычно приводит к тому, что прогнозные значения ..., определенные на основе эконометрической модели, будут существенно (и односторонне) отличаться от реальной тенденции развития рассматриваемого процесса.

В этой связи отметим, что разработка безусловных прогнозов на интервале (Т, Т1) – ex post forecast period – при известном прогнозном фоне может рассматриваться как один из приемов верификации прогнозов на будущий прогнозный период – ex ente forecast period. Отсутствие “систематических” расхождений между реальными значениями рассматриваемого процесса уT+1, уT+2,... и полученными с помощью эконометрической модели ...  является определенной гарантией “высокого качества” используемой модели. Отметим, что “систематические” расхождения на практике между значениями уT+   и =1,2.... ; характеризуются совпадением знаков у разностей уT+– и ростом их величины с увеличением периода упреждения, т. е. индекса .

Вместе с тем, следует иметь в виду, что “высокое качество” прогнозной эконометрической модели не является достаточной гарантией обоснованности эконометрических прогнозов, особенно в отдаленной перспективе. Дело в том, что в будущем тенденции развития рассматриваемых процессов, структура и сила взаимосвязей между ними могут существенно изменяться. Эти изменения могут носить эволюционный характер, накапливаясь постепенно, например, вследствие роста масштабов явлений. Они могут происходить и скачкообразно вслед за финансовыми кризисами, революционными преобразованиями в обществе и т. п. При этом “удачная” для периода (1,Т) эконометрическая модель, как правило, не сможет учесть такие изменения, поскольку она построена на основе информации, отражающей иной характер взаимосвязей между рассматриваемыми явлениями, имевший место в прошлом.

В некоторых случаях обоснованность и достоверность эконометрических прогнозов могут быть повышены путем либо  корректировки самих результатов формальной экстраполяции, т. е. “предварительных” прогнозных значений ..., полученных непосредственно с использованием построенной эконометрической модели, либо предварительной (до прогноза) корректировки самой модели, исходя из некоторых дополнительных сведений, предположений. Зачастую такие корректировки осуществляются на основе экспертной информации.

В такой ситуации при эконометрическом прогнозировании уместным является вопрос о максимально возможной глубине прогнозного периода. Очевидно, что, чем более инерционным является рассматриваемый процесс, чем устойчивее его взаимосвязи, чем стабильнее ситуация в обществе, экономике, тем больше может быть и прогнозный период. В некоторых научных публикациях можно встретить рекомендации определять глубину  эконометрического прогноза как 1/3 или 1/2 от величины оценочного периода, т. е. как 1/3Т, 1/2Т.