- •Введение
- •1. Понятие, задачи, принципы и методы прогнозирования и планирования
- •1.1.Понятие, задачи и принципы прогнозирования и планирования
- •1.2.Классификация методов прогнозирования
- •1.3.Экстраполяционные методы прогнозирования
- •1.4.Статистические методы прогнозирования
- •1.5.Экспертные методы прогнозирования
- •2.1. Основные типы линий тренда
- •1.6.Вопросы для самоподготовки
- •2. Анализ и прогноз рядов наблюдений
- •1. Линейная (прямая)
- •2. Парабола второго порядка
- •3. Экспонента
- •2.2. Построение линии тренда расходов на продукты питания в зависимости от уровня дохода семьи Задание 1. Построение линии тренда
- •2.3. Анализ данных с помощью пакета анализа данных еxcel
- •Задание 2. Генерация случайных чисел
- •Задание 3. Сглаживание обрабатываемых данных
- •2.4. Использование процедуры «поиск решения» для подбора коэффициентов функции аппроксимации данных наблюдений
- •Задание 4. Подбор коэффициентов функции аппроксимации
- •1. Сначала представьте имеющиеся данные в виде непрерывного ряда наблюдений и по этим данным постройте график и линию тренда изменения товарооборота за период 2002-2004гг.
- •2. После того, как данные наблюдений представлены в виде непрерывного ряда, постройте диаграмму (рис. 2.34) и найдите уравнение линии тренда (как было описано выше в зад. 1.1).
- •3. Используя Пакет анализа, выполните сглаживание значений ряда наблюдений y1 методами Скользящего среднего и Экспоненциального сглаживания (как в задании 1.3).
- •4. Для исследования временных изменений ряда наблюдений, например, сезонных, выполните следующие действия:
- •2.5. Вопросы для самоподготовки
- •3. Статистический анализ и прогноз рядов наблюдений
- •3.1. Линейная и экспоненциальная аппроксимация данных
- •3.2. Функции линейн() и лгрфприбл()
- •Дополнительная статистика
- •Задание 5. Прогнозирование с помощью функций линейн() и лгрфприбл(),
- •3.3. Функции прогноза тенденция() и рост()
- •Задание 6. Прогнозирование с помощью функций тенденция() и рост()
- •3.4. Функции прогноза сТандоткл() и доверит()
- •3.5. Функция Коррел()
- •Задание 7. Прогнозирование с помощью функции коррел
- •3.6. Функции наклон() и отрезок()
- •Задание 8. Прогнозирование с помощью функции наклон()
- •Синтаксис функции отрезок (Известные_значения_x; Известные_значения_y) Аргументы функции отрезок()
- •Задание 9. Прогнозирование с помощью функции отрезок()
- •3.7. Вопросы для самоподготовки
- •4. Анализ и прогнозирование в инвестиционном проектировании
- •1.7.4.1. Методы анализа и прогнозирования в инвестиционном проектировании
- •4.2. Алгоритм построения прогнозной модели
- •4.3. Интервальное экспертное прогнозирование
- •Задание 10. Пример выполнения интервального экспертного прогнозирования
- •4.4. Вопросы для самоподготовки
- •2.Использование элементов управления для графического прогнозирования
- •5.1. Использования элементов управления панели "форма"
- •Задание 11. Использование элементов управления панели «Форма»
- •2.1.Вопросы для самоподготовки
- •3.Подбор парметров16
- •3.1.Подбор параметра в таблице
- •Задание 12. Выполнение процедуры Подбор параметра
- •Задание 13. Выполнение процедуры Подбор параметра для поиска корней уравнения
- •3.2.Таблицы подстановки
- •Задание 14. Таблица с одним входом
- •Задание 15. Таблица с двумя входами
- •3.3.Сценарии
- •Задание 16. Создание сценариев
- •3.4.Вопросы для самоподготовки
- •4.Экспертные оценки
- •4.1.Подбор состава экспертов
- •4.2. Методы проведения экспертизы
- •Задание 16. Непосредственное назначение коэффициентов веса
- •Задание 17. Оценка важности параметра в баллах
- •Задание 18. Метод парных сравнений
- •Задание 19. Определение усредненных значений результатов экспертизы с использованием процедуры консолидации
- •4.3.Метод «делфи»
- •4.4.Вопросы для самоподготовки
- •8. Указания по выполнению самостоятельной работы
- •4.5.Порядок выбора варианта и данных
- •4.6.Варианты самостоятельных заданий Задание для самостоятельной работы № 1
- •Задание для самостоятельной работы № 2
- •Задание для самостоятельной работы № 3
- •Задание для самостоятельной работы № 4
- •Литература
Литература
MS Excel. Руководство пользователя. Официальное издание Microsoft. 1999.
И.К. Беляевский. Маркетинговое исследование: информация, анализ, прогноз: Учебн. Пособие. – М.: Финансы и статистика, 2001.
А. Гарнаев. Использование MS Excel и VBA в экономике и финансах. СПб.:БХВ- Санкт-Петербург. 1999
Курицкий Б. Поиск оптимальных решений средствами Excel 7.0. BHV. Санкт-Петербург. 1997
Л.А Левин., Н.Ф. Телешева. Excel. Часть 2. Excel в финансово-экономических расчетах. Учебное пособие. Изд. КГТУ. 1998
Л.А. Левин Основы работы в Excel. Учебное пособие. Изд. КГТУ. 1997
Л.В. Символоков. Решение бизнес-задач в Microsoft Office. Изд. Бином.,2001
Теория статистики: Учебник. 2-е изд.,доп. и перераб. / Под ред. Р.А. Шмойловой. М.: Финансы и статистика, 1998.
Ответственный
редактор
Технический
редактор
Подписано в
печать Сдано в производство
Формат
60х84 1/16 Бумага типографская.
Печать офсетная.
Усл. печ. л. _____
Изд. № Тираж
200
экз. Заказ №
________________________________________________________________ Редакционно-издательский
отдел КГТЭИ.
1 Модель не обязательно должна быть формализована в виде каких-то математических уравнений. Житейский опыт - это тоже одна из форм модели, построенной на знании и понимании поведения объекта в аналогичных ситуациях.
2 Понятие временного ряда не ограничивается набором значений изменения состояния объекта во времени, это может быть изменение в пространстве, где роль оси времени выполняет любой другой параметр.
3 Как правило, данные наблюдений, характеризующие изменение параметра в некотором интервале времени, представляются не в виде непрерывного ряда наблюдений, а именно так как показано на рисунке.
4 Естественно, что в этом случае предполагается, что динамика процесса (продаж) будет развиваться также как и в период наблюдения
5 Величина квадрата разности между наблюденным и предсказанным значением служит оценкой точности аппроксимации данных. Чем меньше эта величина – тем выше точность оценки.
6 Эта величина в дальнейшем будет нами использоваться как целевая функция в операции «Поиск решения»
7 Представьте себе, что вы находитесь в гористой местности (например, на «Столбах) на вершине одной из гор. Вам предложили спуститься в самую низкую точку. Но самая низкая точка, которую вы можете найти, определяется границей вашего обзора. Совсем рядом может находиться точка, которая значительно ниже, чем вы сейчас видите. То есть решение задачи зависит от значения границ в пределах которых вы можете искать решение.
8 Напомним, что функции в Excel есть не что иное, как объединение нескольких вычислительных операций для решения определенной задачи. В качестве аргументов функции, как правило, используются адреса ячеек, содержащих определенные значения, либо другие, вложенные функции.
9 Функция вычисления линейного приближения будет рассмотрена более подробно, так принципы построения экспоненциального приближения и использование мастера функций - подобны.
10 Следует иметь в виду, что при создании формул ЛИНЕЙН() и ЛГРФПРИБЛ() массива с помощью Мастера функций русифицированные ранние версии Excel (до Excel 97) не возвращают массив данных в выделенный интервал ячеек независимо от значения аргумента «Статистика». Для преодоления этого, следует после ввода в ячейки массива формулы провести ее редактирование в строке формул (например, изменить значение аргумента «Константа» или «Статистика» и после этого нажать клавиши Ctrl + Shift + Enter.)
11 «Необязательность» состоит в том, что если массив данных х опущен (не задан), то Excel использует вместо него массив последовательных чисел 1,2,3....... такой же размерности, как и массив известных значений Y.
12 Во введенной формуле признаком того, что формула работает с массивом данных или в качестве ее аргумента используется массив чисел, служат фигурные скобки { }. Например, в формуле =СУММ({1,2,3}*4), первый операнд, {1,2,3}, является матрицей 1 на 3, а второй операнд, 4, скаляр. При обработке формулы второй операнд автоматически преобразуется в матрицу 1 на 3 таким образом, что эквивалентная формула будет иметь вид =СУММ({1,2,3}*{4,4,4}). Результат, возвращаемый формулой, 24, поскольку это сумма 1*4, 2*4 и 3*4.
13 Естественно, что использование этих функций предполагает, что вам уже известен вид функции сглаживания (линейный или экспоненциальный).
14 В случае когда экономическая система подверглась резким изменениям, например, дефолт, потребуются другие методы экономического анализа и прогнозирования, такие как эвристические.
15 Учтите, что всего в имени листа может быть 31 символ, включая пробелы, точки и прочее.
16 При написании данной главы были использованы материалы, любезно предоставленные Р.Н. Утюшевым и О.А. Стояловой
