Разделы презентаций


Сказка о прогнозировании

Содержание

Успешная деятельность фирмыЭффективное планированиеТочное прогнозирование фирмы

Слайды и текст этой презентации

Слайд 1Сказка о прогнозировании

Сказка о прогнозировании

Слайд 2Успешная деятельность фирмы
Эффективное планирование
Точное прогнозирование фирмы

Успешная деятельность фирмыЭффективное планированиеТочное прогнозирование фирмы

Слайд 3Методы прогнозирования:
Механическая экстраполяция


Барометрические методы

Опережающие показатели

Составные индексы
Диффузные индексы
Сбор мнений и обзоры целей

Простейшие модели

Анализ временных рядов

Методы прогнозирования:Механическая экстраполяцияБарометрические методы        Опережающие показатели

Слайд 4Механическая экстраполяция
Методы прогнозирования:
Изначально экстраполяционные методы являются механическими
и тесно не связаны

с экономической теорией

Механическая экстраполяцияМетоды прогнозирования:Изначально экстраполяционные методы являются механическимии тесно не связаны с экономической теорией

Слайд 5Тем не менее они широко используются профессиональными экономистами, занимающимися составлением

прогнозов
Потому, что удобны и в разумных пределах удовлетворяют требованиям менеджмента

Тем не менее они широко используются профессиональными экономистами, занимающимися составлением прогнозовПотому, что удобны и в разумных пределах

Слайд 6Тем не менее они широко используются профессиональными экономистами, занимающимися составлением

прогнозов
Потому, что удобны и в разумных пределах удовлетворяют требованиям менеджмента

Тем не менее они широко используются профессиональными экономистами, занимающимися составлением прогнозовПотому, что удобны и в разумных пределах

Слайд 7Механическая экстраполяция
Простейшие модели:
Все будущие значения изучаемой переменной каким – либо

образом являются функцией ее настоящего или недавнего состояния
^
Методы прогнозирования:
] Y

– экспериментальное значение исследуемой переменной
Y – прогнозируемое значение исследуемой переменной
t – индекс для различения периодов

^

Механическая экстраполяцияПростейшие модели:Все будущие значения изучаемой переменной каким – либо образом являются функцией ее настоящего или недавнего

Слайд 8Механическая экстраполяция
Методы прогнозирования:
Простейшие модели:
Неизменяющаяся модель
Прогнозируемое значение переменной для следующего

периода будет равняться его значению в настоящем периоде
Y t+1 =

Y t

^

Пропорционально - изменяющаяся модель

Изменение значения переменной от текущего до следующего периода будет пропорционально изменению значения переменной от предыдущего периода до текущего периода

Y t+1 = Y t + k ∆ Y t

^

Оценка k на основе ретроспективной информации.
к = 1 – равномерно изменяющаяся модель

Механическая экстраполяцияМетоды прогнозирования:Простейшие модели: Неизменяющаяся модельПрогнозируемое значение переменной для следующего периода будет равняться его значению в настоящем

Слайд 9Подавляющее большинство всех экономических, политических и социальных решений принимаются на

основе рассмотренных простейших моделей
Для большинства краткосрочных прогнозов простейшие модели являются

наиболее легко осуществимыми способами прогнозирования, так как они просты в применении и требуют минимума информации для расчета

Методы прогнозирования:

Механическая экстраполяция

Простейшие модели:

Подавляющее большинство всех экономических, политических и социальных решений принимаются на основе рассмотренных простейших моделейДля большинства краткосрочных прогнозов

Слайд 10ЗАДАЧА: Прогнозирование на основе экстраполяции
Известно, что в 2008 году на

серверы вашей компании было
осуществлено 245 DDoS-атак, в 2009 году –

315, в 2010 году – 298, в 2011 году – 306, в 2012 году – 379, в 2013 году – 376. Как специалист по информационной безопасности, используя метод экстраполяции по сложившемуся среднегодовому темпу роста числа атак, сделайте прогноз относительно числа DDoS-атак на серверы вашей компании в 2014 году.
ЗАДАЧА: Прогнозирование на основе экстраполяцииИзвестно, что в 2008 году на серверы вашей компании былоосуществлено 245 DDoS-атак, в

Слайд 112. Среднегодовой темп роста является показателем интенсивности
изменения уровней ряда динамики

и определяется по формуле средней
геометрической простой:
Методические указания по решению:
1. Прогнозное

значение параметра на основе экстраполяции по
сложившемуся среднегодовому темпу роста определяется по формуле

Кn+1 – прогнозное значение параметра;
Кn – значение параметра в отчетном периоде;
Тср.г. – среднегодовой темп роста параметра.

где Тц1, Тц2,…,Тцn – цепные темпы роста параметра по периодам;
n – число периодов.

2. Среднегодовой темп роста является показателем интенсивностиизменения уровней ряда динамики и определяется по формуле среднейгеометрической простой:Методические указания

Слайд 123. Цепной темп роста представляют собой отношение каждого следующего уровня

ряда динамики к предыдущему и рассчитывается по формуле:
Цепные темпы роста,

как и среднегодовые, могут быть представлены
как в форме коэффициента, так и в процентном выражении.

4. Темпы прироста, как цепные, так и среднегодовые, характеризуют
относительную скорость изменения уровня ряда динамики за соответствующий период (или в единицу времени)

где Тпр.ц – цепной темп прироста;
Тц – цепной темп роста.

где Тпр.ср.г. – среднегодовой темп прироста;
Тср.г. – среднегодовой темп роста.

3. Цепной темп роста представляют собой отношение каждого следующего уровня ряда динамики к предыдущему и рассчитывается по

Слайд 13Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Временные ряды состоят из значений, соответствующих

определенным точкам или периодам
Упорядоченные во времени показатели: объем продаж, объем

производства, цены….
Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Временные ряды состоят из значений, соответствующих определенным точкам или периодамУпорядоченные во времени показатели:

Слайд 14Почему для временных рядов типична флуктуация?
Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
В

экономических временных рядах обычно присутствуют четыре источника вариации:
Тренд (Т)
Сезонные изменения

(S)
Циклические изменения (С)
Иррегулярные силы (I)
Почему для временных рядов типична флуктуация?Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:В экономических временных рядах обычно присутствуют четыре источника

Слайд 15Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
1) Тренд (Т)
Представляет собой долговременное увеличение

или уменьшение ряда
Сезонные изменения (S)
Вследствие погодных условий и привычек проявляются

примерно в одно и то же время года (например, Новый Год, Пасха и другие праздники, во время которых делаются различные покупки)
Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:1) Тренд (Т)Представляет собой долговременное увеличение или уменьшение рядаСезонные изменения (S)Вследствие погодных условий

Слайд 16Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
3) Циклические изменения (С)
Охватывают периоды в

несколько лет, отражают уровень экономического подъема или спада
Иррегулярные события (I)
Забастовки,

войны. Непостоянны в своем влиянии на отдельные ряды, но, тем не менее, их необходимо учитывать
Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:3) Циклические изменения (С)Охватывают периоды в несколько лет, отражают уровень экономического подъема или

Слайд 17Из четырех сил, действующих на экономические временные ряды

Из четырех сил, действующих на экономические временные ряды

Слайд 18Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Иррегулярные события (I)
Тренд (Т)
Сезонные изменения

(S)
Достаточно легко определить и предсказать
Непредсказуемы, но можно сгладить, например способом

скользящего среднего

Привлекает основное внимание экономистов, применяющих анализ временных рядов для составления прогнозов

Расчет тренда первоначально требует устранения сезонного влияния

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Иррегулярные события (I) Тренд (Т)Сезонные изменения (S)Достаточно легко определить и предсказатьНепредсказуемы, но можно

Слайд 19Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Сезонные изменения и метод скользящего среднего
Скользящее

среднее рассчитывается путем суммирования значений за каждый период в течение

некоторого выбранного промежутка времени и последующего деления полученной суммы на количество периодов

Сезонные изменения могут быть учтены в прогнозе с помощью сезонного индекса, который может быть рассчитан по методу скользящего среднего

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Сезонные изменения и метод скользящего среднегоСкользящее среднее рассчитывается путем суммирования значений за каждый

Слайд 20Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Используя данные, представленные в таблице, рассчитаем

скользящее среднее и определим сезонный индекс
Перегруппируем представленные данные:

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Используя данные, представленные в таблице, рассчитаем скользящее среднее и определим сезонный индексПерегруппируем представленные

Слайд 21Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Шаг 1: Скользящее среднее за четыре

периода рассчитывается с помощью последовательного набора объемов продаж за 4

квартала

Каждое последующее вычисление не включает самый первый квартал и добавляет следующий квартал

Шаг 2: Центрированное скользящее среднее для каждого квартала рассчитывается как среднее каждой последовательной пары четырехпериодных скользящих средних

Шаг 3: Сезонные индексы рассчитываются путем деления фактического объема продаж за соответствующий квартал на центрированное скользящее среднее за тот же период

Шаг 4: упорядочить сезонные индексы поквартально

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Шаг 1: Скользящее среднее за четыре периода рассчитывается с помощью последовательного набора объемов

Слайд 22Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Шаг 5: Производим норматизацию: среднее значение

четырех средних сезонных индексов должно быть равно 1
Среднее значение

– 1,01: скорректируем сезонные индексы вверх или вниз, выявляя тренды и сохраняя при этом среднее значение для четырех индексов равным 1

0,99 1,38 0,98 0,65

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Шаг 5: Производим норматизацию: среднее значение четырех средних сезонных индексов должно быть равно

Слайд 23Шаг 6: составление прогноза для каждого из кварталов наступающего года:

умножаем самое последнее центрированное скользящее за квартал на его сезонный

индекс

Q1: 316 (для 1989) * 0,99 = 312,84 $
Q2: 322 (для 1989) * 1,38 = 444,36 $
Q3: 307 (для 1988) * 0,98 = 300, 86 $
Q4: 311 (для 1988) * 0,65 = 202,15 $

Средний сезонный индекс
0,99 1,38 0,98 0,65

Шаг 6: составление прогноза для каждого из кварталов наступающего года: умножаем самое последнее центрированное скользящее за квартал

Слайд 24Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Проектирование тренда
Как метод прогнозирования предполагает, что

начавшееся изменение переменной продолжится в будущем
Наиболее широко распространенным методом выявления

тренда является регрессионный анализ, а именно метод наименьших квадратов

Метод заключается в подборе линии регрессии по данным наблюдений таким образом, чтобы квадраты их отклонений от линии регрессии были минимальными

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Проектирование трендаКак метод прогнозирования предполагает, что начавшееся изменение переменной продолжится в будущемНаиболее широко

Слайд 25Оценки трендов более надежны, если они основаны на данных, освобожденных

от сезонных эффектов
Сезонные эффекты сглаживаем посредством скользящего среднего

Оценки трендов более надежны, если они основаны на данных, освобожденных от сезонных эффектовСезонные эффекты сглаживаем посредством скользящего

Слайд 26Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
] Y – наблюдаемое значение исследуемой

переменной
Y – прогнозируемое значение исследуемой переменной
Проектирование тренда
^
Сумма квадратов

отклонений между Y и Y записывается так:

^

^

Линия регрессии представлена уравнением Y = a + bt, где a и b - параметры оценки, а t – номер периода

^

Берем частные производные функции D относительно а и b и прировняв их к нулю, получим:

Чтобы найти значения параметров а и b, нужно решить эту систему уравнений

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:] Y – наблюдаемое значение исследуемой переменной  Y – прогнозируемое значение исследуемой

Слайд 27Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Проектирование тренда
Y = 284,382 + 1,632

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Проектирование трендаY = 284,382 + 1,632 t

Слайд 28Методы прогнозирования:
Механическая экстраполяция
Анализ временных рядов:
Циклические изменения (С)
Когда тренд и сезонные

изменения удалены из годового ряда экономических данных, начинают проявляться определенные

флуктуационные характеристики, названные некоторыми экономистами циклами деловой активности

Циклические изменения – это регулярные колебания, происходящие через несколько лет

Методы прогнозирования:Механическая экстраполяцияАнализ временных рядов:Циклические изменения (С)Когда тренд и сезонные изменения удалены из годового ряда экономических данных,

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика