Часові ряди і їх попередній аналіз. Трендові моделі на основі кривих росту, оцінка їх адекватності й точності. Вибір та знаходження параметрів моделей прогнозування, побудова прогнозу. Автоматизація процесу прогнозування видобутку залізної руди.
Аннотация к работе
У процесі реформування економіки все більшою мірою зростає попит на прогнозні дослідження соціально-економічних процесів на різних рівнях керування й прийняття рішень. У демократичному відкритому суспільстві необхідно представляти альтернативні варіанти розвитку суспільства, можливості, що існують у кожного учасника ринкових відносин. Прогнозування дозволяє розкрити стійкі тенденції, або, навпаки, істотні зміни в соціально-економічних процесах, оцінити їхня ймовірність для майбутнього планового періоду, виявити можливі альтернативні варіанти, нагромадити науковий і емпіричний матеріал для обґрунтованого вибору тої або іншої концепції розвитку або планового рішення. Мета роботи - розглянути теоретичні аспекти прогнозування з застосуванням тренд-сезонних моделей динамічного ряду; автоматизувати процес прогнозування видобутку залізної руди підприємства «Схід-руда» на 2011 рік, маючи дані прибутку за попередні квартали.передбачення) - науково обґрунтоване судження, що дає випереджаючу інформацію про розвиток обєкта у майбутньому та можливих шляхів і термінів його досягнення. згладжувати) - збирання інформації щодо розвитку обєкта у минулому і перенесення закономірностей цього розвитку на майбутнє; · Прогноз - достовірне і більш визначене наукове передбачення, оскільки базується не тільки на якісних, а й на кількісних оцінках (проте має ймовірний, варіантний характер). Завдання Зясувати, як розвиватиметься обєкт за збереження існуючих умов (тенденцій) Визначити шляхи і строки досягнення можливого стану обєкта прогнозування у майбутньому як ціль його розвитку Алгоритм (логіка, послідовність) побудови прогнозу Вихідним пунктом у визначенні майбутнього стану обєкта є його минулий і теперішній рівень розвитку Здійснюється у зворотному напрямку - від заданого стану в майбутньому до тенденцій, що вже склалисяЧасовим рядом називається впорядкована за часом послідовність спостережень. Ряд у(t) називається стаціонарним (у вузькому сенсі), якщо закон розподілу вірогідностей випадкової величини у(t) не залежить від t. Метою аналізу часового ряду є досягнення розуміння причинних механізмів, що зумовили появу цього ряду. Для виявлення тренда в часових рядах, а також для побудови і аналізу трендових моделей використовується апарат теорії вірогідності і математичної статистики, розроблений для простих статистичних сукупностей. Окрім тренда самого ряду (тренда в середньому), він дозволяє встановити наявність тренда дисперсії часового ряду: якщо тренда дисперсії немає, то розкид рівнів ряду постійний; якщо дисперсія збільшується, то ряд «розгойдується».Основна мета створення трендових моделей економічної динаміки - на їхній основі зробити прогноз розвитку досліджуваного процесу на майбутній проміжок часу. Прогнозування на основі часового ряду економічних показників відноситься до одномірних методів прогнозування, що базується на екстраполяції, тобто на продовженні на майбутнє тенденції, що спостерігалася в минулому. Використання методу екстраполяції на основі кривих росту для прогнозування базується на двох припущеннях: · часовий ряд економічного показника дійсно має тренд, тобто переважну тенденцію;Найпростіші поліноміальні криві росту мають вигляд: (поліном першого порядку) Якщо розрахувати перші прирости за формулою то вони будуть постійної величини і рівні . Якщо перші прирости розрахувати для полінома другого порядку, то вони будуть мати лінійну залежність від часу й ряд з перших приростів на графіку буде представлений прямою лінією. Другі прирости для полінома другого порядку будуть постійні. Для полінома третього порядку перші прирости будуть поліномами другого порядку, другі прирости будуть лінійною функцією часу, а треті прирости, що розраховуються за формулою , будуть постійною величиною.На відміну від використання поліноміальних кривих використання експоненціальних кривих росту припускає, що подальший розвиток залежить від досягнутого рівня, наприклад, приріст залежить від значення функції. В економіці найчастіше застосовуються два різновиди експоненціальних (показникових) кривих: проста експонента й модифікована експонента. Проста експонента має вигляд: де і - позитивні числа, при цьому якщо >1, то функція зростає з ростом часу , якщо <1 - функція спадає.Для моделювання таких процесів використовуються так звані S-подібні криві росту, серед яких виділяють криву Гомперца й логістичну криву. Крива Гомперца має вигляд: де , - додатні параметри, причому <1; параметр - асимптота функції. У кривій Гомперца виділяються чотири ділянки: на першій - приріст функції незначний, на другій - приріст збільшується, на третій ділянці приріст приблизно постійний, на четвертій - відбувається сповільнення темпів приросту й функція необмежено наближається до значення . На підставі кривої Гомперца описується, наприклад, динаміка показників рівня життя; модифікації цієї кривої використовуються в демографії для моделювання показників смертності й т.д. Логістична крива, або крива Перла-Ріда - зростаюча функція, найчастіше виражається
План
Зміст
1. ТЕОРЕТИЧНІ ОСНОВИ ЕКОНОМІКО-МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ
1.1 Економічне прогнозування
1.2 Часові ряди і їх попередній аналіз
1.3 Трендові моделі на основі кривих росту
1.3.1 Поліноміальні криві росту
1.3.2 Експоненціальні криві росту
1.3.3 S - образні криві росту
1.4 Оцінка адекватності й точності трендових моделей
2. Економічний аналіз діяльності підприємства ТОВ «Схід-Руда»
2.1 Загальна характеристика підприємства як ланки народного господарства України
2.1.1 Тенденція розвитку гірничо-металургійного комплексу України
2.1.2 Історія розвитку та характеристика ТОВ «Схід-Руда»
2.1.3 Номенклатура й асортимент послуг підприємства
2.2 Загальна економічна характеристика підприємства ТОВ «Схід-Руда»
2.3 Аналіз основних фінансових показників ТОВ «Схід-Руда»
3. економіко-математичне моделювання ВИДОБУТКУ на ТОВ «Схід-руда»
3.1 Вибір моделей прогнозування
3.2 Знаходження параметрів моделей
3.3 Оцінка точності та адекватності моделей
3.4 Побудова прогнозу
3.5 Автоматизована інформаційна система для прогнозування за трендовими і адаптивними моделями