тема на выбор

В [5] под эконометрической моделью понимается регрессионная зависимость между экономическими показателями, которая характеризует состояние и динамику функционирования экономических процессов и систем. В частности модели временных рядов относятся к эконометрическим моделям. Модели временных рядов – это математические модели прогнозирования, которые стремятся найти зависимость будущего значения от прошлого внутри самого процесса и на этой зависимости вычислить прогноз.

---

Нам под силу даже аспирантский реферат в Перми . Закажите на Work5.

---

. Модель временного ряда имеет свои особенности. Во-первых, она имеет однонаправленный порядок по времени, во-вторых, близкие во времени наблюдения будут теснее связаны, чем удаленные. Модели временных рядов могут иметь различные формы. Модели временного ряда широко используются в различных областях науки, например, в метеорологии – для прогнозирования температуры воздуха, в экономике – для прогнозирования цен, в логистике – для прогнозирования объема заказа на закупку или производство товара. В настоящее время существует значительное количество моделей временных рядов. Среди наиболее распространенных методов для описания временных рядов выделяются корреляционный и спектральный анализ, модели авторегрессии и скользящей средней [2]. В настоящее время модели для описания временных рядов активно изучаются рядом авторов. В частности, в работах [9], [7] представлены методы построения различных моделей временных рядов. Более того, ряд авторов приводят результаты численного эксперимента, например, в работах [5], [6]. Это говорит о том, что в настоящее время теория временных рядов активно развивается. Изучением временных рядов и в частности изучением модели ARIMA занимались такие ученые как Бокс Дж. и Дженкинс Г. в своей монографии «анализ временных рядов. Прогноз и управление» (1976 г.). Более новые работы представлены такими авторами как Миллс Т. (1990 г.), Эндрес А. (1995 г.), Гамильтон Дж. (1994 г.). Актуальность темы данной работы с возрастающей потребностью в использовании моделей временных рядов для прогнозирования моделей реальных процессов во времени. Целью данной работы является рассмотрение моделей, используемых для описания моделей временных рядов, а также изучение понятия тренда, определение наличия тренда и его описание. Для достижения данной цели выполняются следующие задачи: 1. Рассматривается понятие временных рядов. 2. Приводится классификация и описание моделей для описания временных рядов. 3. Вводится понятие тренда. Приводятся основные методы для определения наличия тренда, для описания тренда. Работа состоит из 2 глав, содержит введение, заключение, список использованной литературы (12 источников).

В работе рассмотрены основные модели для описания временных ря-дов. Уделяется особое внимание исследованию моделей, используемых для описания временных рядов. В работе описаны авторегрессионная модель AR, модель скользящей средней MA, авторегрессионная модель скользящей средней ARMA, модели распределенных лагов DL, авторегрессионная модель с распределенными лагами ADL, модель ARIMA. Рассмотрено понятие тренда, приводятся методы как для определения наличия тренда (метод проверки существенности разности, метод Фостера-Стьюарта), так и для описания тренда (метод усреднения по левой и правой половине, метод укрупнения интервалов, метод простой скользящей средней, метод взвешенной скользящей средней, метод экспоненциального сглаживания, аналитическое выравнивание). Классические модели для описания временных рядов подробно представлены в работах Кремера Н.Ш., Магнуса Я.Р., Елисеевой И.И., Орлова, Шанченко Н.И. Ряд авторов исследует применение моделей на практике. В частности, в работе [9] исследуется применение модели ARIMA для прогнозирования финансовых временных рядов. Также необходимо отметить, что использование авторегрессионных моделей для прогнозирования различных показателей может оказаться весьма эффективным. В заключение хотелось бы также отметить, что в настоящее время не существует универсального способа обнаружения тренда. В связи с этим возникает проблема дальнейшего исследования методов для описания трендов. Необходимо отметить, что теория временных рядов постоянно развивается, происходит усовершенствование существующих методов для описания временных рядов. В настоящее время существует множество моделей для описания временных рядов. Помимо рассмотренных в работе моделей существуют также модели на основе генетического алгоритма, на опорных векторах, на нечеткой логике, на основе передаточных функций, на нейронных сетях. Существование большого количества моделей говорит о высокой практической значимости теории временных рядов. В настоящее время есть необходимость в дальнейшем исследовании теории временных рядов.

1. Елисеева, И.И. Эконометрика [Текст]: Учебник / И.И. Елисеева. – М.: Финансы и статистика, 2003. – 344 с. 2. Кремер, Н.Ш. Эконометрика [Текст]: Учебник для вузов / Н.Ш. Кремер, Б.А. Путко. – М.: ЮНИТИ-ДАНА, 2002. – 311 с. 3. Магнус, Я.Р. Эконометрика. Начальный курс: Учеб. / Я.Р. Магнус, П.К. Катышев, А.А. Пересецкий. – 6-е изд., перераб. и доп. – М.: Дело, 2004. – 576 с. 4. Орлов, А.И. Эконометрика: учебник для вузов [Текст] / А.И. Орлов. – Ростов н/Д: Феникс, 2009. – 276 с. 5. Прозорова, М.Н. Моделирование тенденции временного ряда [Текст] / М.Н. Прозорова, В.Б. Кузнецов // Молочнохозяйственный вестник. – 2014. – №3(15). – С. 91-96. 6. Реймер, В.В. Прогноз развития сельского хозяйства Амурской области [Текст] / В.В. Реймер, А.В. Улезько, А.А. Тютюников // Научный журнал КубГАУ. – 2015. – №114(10). – С. 1-19. 7. Скворцов, В.В. Методы изучения тенденции временных рядов в эконометрических исследованиях [Текст] / В.В. Скворцов // Социально-экономические явления и процессы. – 2008. – №2. – С.75-78. 8. Татаренко, С.И. Методы и модели анализа временных рядов [Текст]: метод.указания к лаб. работам / сост. С.И. Татаренко. – Тамбов: Изд-во тамб. гос. техн. ун-та, 2008. – 32 с. 9. Трегуб, А.В. Методика построения модели ARIMA для прогнозирования динамики временных рядов [Текст] / А.В. Трегуб, И.В. Трегуб // Лесной вестник. – 2011. – №5. – С.179-183. 10. Шанченко, Н.И. Лекции по эконометрике [Текст]: учебное пособие для студентов высших учебных заведений, обучающихся по специальности «Прикладная информатика (в экономике)» / Н.И. Шанченко. – Ульяновск: УлГТУ, 2008. – 139 с. 11. Шмойлова, Р.А. Теория статистики [Текст]: Учебник / Р.А. Шмойлова, В.Г. Минашкин, Н.А. Садовникова, Е.Б. Шувалова; Под ред. Р.А. Шмойловой. – 4-е изд., перераб. и доп. – М.: Финансы и статистика, 2004. – 656 с. 12. [Электронный ресурс]/ Режим доступа: http://help.prognoz.com/ru/ mergedProjects/ Lib/ 02_time_series_analysis/ uimodelling_ polinimial_ distributed_lags.htm