WWW.LIB.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Электронные материалы
 

«УТВЕРЖДАЮ Проректор по учебной работе _Н.Г. Зарипов «» 2015 г. РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ «АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ФИНАНСОВО-ЭКОНОМИЧЕСКИХ РЯДОВ» Уровень ...»

2

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ

ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

Кафедра экономики предпринимательства

УТВЕРЖДАЮ

Проректор по учебной работе

_______________________Н.Г. Зарипов

«____» ________________2015 г.

РАБОЧАЯ ПРОГРАММА

УЧЕБНОЙ ДИСЦИПЛИНЫ

«АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ФИНАНСОВО-ЭКОНОМИЧЕСКИХ

РЯДОВ»

Уровень подготовки высшее образование - магистратура (высшее образование - бакалавриат; высшее образование – специалитет, магистратура) Направление подготовки (специальность) 380408 ФИНАНСЫ И КРЕДИТ (код и наименование направления подготовки, специальности) Направленность подготовки (профиль, специализация) (наименование профиля подготовки, специализации)

ФИНАНСЫ И КРЕДИТ

Квалификация (степень) выпускника магистр Форма обучения очная Уфа 2015 Содержание

1. Место дисциплины в структуре образовательной программы..……………..…. 3

2. Перечень результатов обучения………………………………………………..…. 4

3. Содержание и структура дисциплины (модуля)…………..…………………..…. 5



4. Учебно-методическое обеспечение самостоятельной работы………………..…. 8

5. Фонд оценочных средств……………………………………………………..…… 9

6. Учебно-методическое и информационное обеспечение дисциплины (модуля). 29

7. Образовательные технологии…………………………………………………….. 29

8. Методические указания по освоению дисциплины……………………………… 29

9. Материально-техническое обеспечение дисциплины…………………………... 30

10. Адаптация рабочей программы для лиц с ОВЗ…………………………………... 30 Лист согласования рабочей программы дисциплины…………………………… 31 Дополнения и изменения в рабочей программе дисциплины…………..……… 32

1. Место дисциплины в структуре образовательной программы Дисциплина Анализ и прогнозирование финансово-экономических рядов является дисциплиной вариативной части (обязательные дисциплины, код Б1 В 5).

Рабочая программа составлена в соответствии с требованиями Федерального государственного образовательного стандарта высшего образования по направлению подготовки 380408 Финансы и кредит, утвержденного приказом Министерства образования и науки Российской Федерации от "30" марта 2015 г. № 325.

Целями освоения дисциплины являются: формирование устойчивых знаний в области методов исследования финансово-экономических временных рядов; умения оценивать тенденции развития социально-экономических систем и прогнозировать их динамику с использованием экономико-математического инструментария; развитие логического мышления и умений самостоятельно изучать научную литературу по анализу временных рядов и их приложениям

Задачи:

расширение и углубление теоретических знаний о качественных особенностях финансово-экономических процессов, количественных взаимосвязях и закономерностях развития экономики;

овладение методиками построения эконометрических моделей временных рядов;

изучение современных эконометрических методов прогнозирования динамики финансово-экономических процессов;

формирование практических навыков работы с компьютерными программами эконометрического моделирования и прогнозирования, способностей интерпретировать полученные результаты.





Дисциплина Анализ и прогнозирование финансово-экономических рядов читается в первом семестре и обеспечивается формированием компетенций на пороговом уровне в области статистической обработки экономических данных, моделирования экономических процессов на предыдущих уровнях высшего образования (бакалавриат, специалитет).

Дисциплинами, для которых освоение дисциплины Анализ и прогнозирование финансовоэкономических рядов необходимо как предшествующее: Анализ и оценка эффективности проектных решений, Моделирование финансово-банковской деятельности, Риск-менеджмент в системе экономической безопасности.

–  –  –

Не предусмотрены учебным планом

4. Учебно-методическое обеспечение самостоятельной работы студентов

Вопросы для самостоятельного изучения (подготовке к обсуждению):

Тема 1. Введение.

Экономическая динамика и ее эконометрический анализ.

Методы исследования устойчивости уровней временного ряда, критерии устойчивости Тема 2. Современные методы моделирования и прогнозирования социальноэкономического развития.

Методы распознавания типа колеблемости в рядах динамики и оценка параметров колеблемости Тема 3. Анализ и моделирование стационарных и нестационарных временных рядов.

Прогнозирование с помощью тренд-сезонных моделей Тема 4. Динамические эконометрические модели.

Адаптивные эконометрические модели Методология Бокса-Дженкинса Тема 5. Информационные технологии в эконометрических исследованиях временных рядов. Заключение.

Программа эконометрической обработки данных Eview, Stata, SPSS

–  –  –

1. Понятие временного ряда. Классификация рядов динамики. Структура временного ряда.

2. Спецификация и идентификация моделей временных рядов.

3. Требования к качеству исходной информации для проведения эконометрических исследований по временным рядам.

4. Метод корреляционно-регрессионного анализа при исследовании временных рядов.

5. Классическая модель множественной линейной регрессии.

6. Метод наименьших квадратов (МНК). Условия Гаусса – Маркова (предпосылки МНК).

7. Нелинейная модель множественной регрессии.

8. Оценка качества эконометрических моделей временных рядов. Коэффициент детерминации. Средняя ошибка аппроксимации.

9. Оценка статистической значимости модели регрессии. F-критерий Фишера, t-критерий Стьюдента.

10. Прогнозирование по регрессии. Точечный и интервальный прогноз. Стандартная ошибка прогноза.

11. Прогнозирование временных рядов. Точность прогноза.

12. Оценка эластичности экономических параметров.

13. Фиктивные переменные. Примеры использования в эконометрической модели.

14. Стационарные и нестационарные временные ряды.

15. Моделирование тренда. Моделирование сезонных колебаний.

16. Коэффициент автокорреляции. Автокорреляционная функция. Коррелограмма.

17. Модели стационарных временных рядов: AR, MA, ARMA.

18. Модели нестационарных временных рядов ARIMA.

19. Динамические модели временных рядов.

20. Информационные технологии и их использовании при моделировании финансовых временных рядов.

Критерии оценки сформированности компетенций у студентов на зачете Вопросы билетов на зачет максимально охватывают весь изучаемый материал. Зачет проводится в письменной форме. Билеты состоят из трех частей – теоретические вопросы, задачи и тестовые задания. Оценки «зачтено», «не зачтено» по дисциплине выставляются исходя из следующих требований.

Оценка «ЗАЧТЕНО» выставляется студенту, который:

продемонстрировал всестороннее, систематическое и глубокое знание по всем разделам данной дисциплины: методам построения линейных моделей однофакторной и многофакторной регрессии; оцениванию качества построенных моделей; методам построения нелинейных моделей однофакторной и многофакторной регрессии и методам их линеаризации; методам идентификации, моделирования и прогнозирования сложных финансово-экономических временных рядов; моделям динамических временных рядов; моделям стационарных и нестационарных временных рядов;

успешно выполнил предусмотренные в программе задания;

усвоил основную и знаком с дополнительной литературой;

усвоил взаимосвязь основных понятий дисциплины и их значение для будущей профессиональной деятельности;

продемонстрировал умение свободно применять полученные знания для решения задач исследования финансово-экономических временных рядов; применять полученные знания для постановки и решения задач экономического анализа;

проявил умения ставить и анализировать задачи эконометрического анализа, моделирования и прогнозирования временных рядов; применять адекватные методы количественного анализа экономических систем; формировать управленческие решения на основе эконометрического анализа временных рядов;

проявил творческие способности в понимании, изложении и использовании учебного материала;

показал системный характер знаний по всем разделам дисциплины, способность к их самостоятельному пополнению и обновлению в ходе дальнейшей учебы и работы.

Оценка «НЕ ЗАЧТЕНО» выставляется студенту, который:

обнаружил пробелы в знаниях основного учебно-программного материала;

допустил принципиальные ошибки в выполнении предусмотренных программой заданий, при изложении основных тем курса;

не верно решает основные задачи по курсу;

проявил нелогичность и непоследовательность в изложении материала;

не может продолжить обучение или приступить к профессиональной деятельности без дополнительных занятий по дисциплине.

Оценочные материалы для проверки сформированности компетенций по темам

–  –  –

1. Оценена регрессионная зависимость начального уровня заработной платы сотрудников коммерческого банка от уровня их образования (продолжительности обучения):

S = –2516,4 + 50,1 N; R2=0,4, где S – начальная годовая заработная плата (у.е.), N – число лет обучения.

Оценка свободного члена в данном уравнении регрессии означает, что:

1) нанимая сотрудника без образования, банк в среднем назначает ему заработную плату в размере 2516,4 у.е. в год;

2) заработная плата сотрудников без образования в банке отрицательна, т.е. они сами платят банку за приобретение опыта и навыков работы;

3) каждый дополнительный год образования приводит в среднем к увеличению начальной годовой заработной платы сотрудника на 2516,4 у.е.;

4) заработная плата не может быть отрицательной даже для сотрудника без образования, поэтому все оцененное уравнение лишено содержательного смысла;

5) все вновь нанимаемые сотрудники по крайней мере получили обязательный минимум образования, поэтому свободный член не может быть использован для оценки средней начальной заработной платы для сотрудников без образования.

–  –  –

3. Исходя из теоретических соображений, можно предполагать, что знак правильно оцененного коэффициента регрессии –отрицательный. Однако в уравнении регрессии он оказался положительным и незначимым на уровне 5%. Что следует предпринять?

1. Отказаться от дальнейшей проверки и считать его незначимым.

2. Можно попытаться проверить его значимость на уровне 1% с помощью одностороннего критерия, используя в качестве альтернативной гипотезу «коэффициент больше нуля».

3. Можно попытаться проверить его значимость на уровне 5% с помощью одностороннего критерия, используя в качестве альтернативной гипотезу «коэффициент меньше нуля».

4. Можно попытаться проверить его значимость на уровне 5% с помощью одностороннего критерия, использовав в качестве альтернативной гипотезу «коэффициент больше нуля».

5. В данном случае нельзя ограничиться одним уровнем значимости. Следует проверить его значимость по двухстороннему критерию на уровне 1 процент.

4. Для измерения и моделирования сезонных процессов могут быть использованы следующие методы:

1. индексы сезонности;

2. экспоненциальное сглаживание;

3. гармоники ряда Фурье;

4. логистическая кривая.

5. Чем больше период упреждения, тем доверительный интервал прогноза:

1) уже;

2) шире;

3) равномернее;

4) точнее.

6. Доверительная вероятность, равная 0,9, показывает, что:

1. в 1 случае из 100 фактические значения выходят за границы доверительного интервала;

2. в 10 случаях из 100 фактические значения выходят за границы доверительного интервала;

3. в 9 случае из 100 фактические значения выходят за границы доверительного интервала;

4. в 90 случаях из 100 фактические значения выходят за границы доверительного интервала.

7. При исследовании вопроса о значимости парной регрессионной модели, возможны следующие соотношения между t, F, R2 (выберите верный набор):

I. F и R2 свидетельствуют о статистической не значимости модели, а t-статистика говорит о статистической не значимости коэффициента регрессии.

II. t – велико (значимо), а F, а R2 – малы, так что регрессия в целом незначима.

III. t- и F-тесты всегда дают тождественные результаты, R2 однозначно определяется их значениями.

IV. t, R2, – малы, так что применимые к ним тесты незначимы, а F – велико (значимо).

V. t, F, R2 - значимы, но при различных уровнях доверия.

1. I, II, III, IV

2. III, V

3. Только V

4. Только III

5. I, II, IV V

8. Коэффициент линейного парного уравнения регрессии:

а) показывает среднее изменение результата с изменением фактора на одну единицу;

б) оценивает статистическую значимость уравнения регрессии;

в) показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

–  –  –

10. Остаточная сумма квадратов равна нулю:

а) когда правильно подобрана регрессионная модель;

б) когда между признаками существует точная функциональная связь;

в) никогда.

–  –  –

Открытые вопросы:

17. В чем заключаются условия Гаусса-Маркова применительно к регрессионной модели? Для какого типа моделей распространяются эти условия.

18. Какими свойствами должен обладать свободный член классической линейной модели регрессии. Объяснить ответ.

19. На основе применения критерия Дарбина – Уотсона на наличие автокорреляции в остатках выявить наличие автокорреляции. Результаты расчетов показали: d=3,1 при dL= 0,7, dU=1,3?

20. Чем отличаются коэффициенты R2 и R2скорр? Привести пример моделей, для которых применяется расчет этих коэффициентов.

Лабораторные работы

–  –  –

Задание на лабораторную работу выдается преподавателем в начале занятия или выбирается студентом индивидуально в зависимости от направленности исследовательской работы.

Отчет по каждой лабораторной работе должен быть оформлен, пронумерован на листах формата

А4 и содержать:

титульный лист, составленный по стандартной форме (первый лист);

цель работы и задание на лабораторную работу (второй лист);

основные этапы выполнения работы с обязательным содержательным описанием эконометрической модели, а также результаты ее оценки, показатели качества модели, все требуемые формулы для определения показателей и параметров (третий – (n–1) лист);

полные выводы по лабораторной работе (последний n лист).

–  –  –

1. Предпосылкой применения корреляционного анализа является утверждение:

1. совокупность значений факторных и результативных признаков распределена по нормальному закону

2. совокупность значений факторных признаков распределена по нормальному закону, а результативного – по произвольному

3. совокупность значений результативного признака распределена по нормальному закону, а закон распределения совокупности факторных признаков – произвольный

4. совокупность значений факторных и результативных признаков имеет распределение Стьюдента

2. В качестве показателя тесноты связи для классической модели парной регрессии может использоваться …

1. коэффициент парной корреляции;

2. коэффициент множественной корреляции

3. F- критерий Фишера

4. t-критерий Стьюдента

3. Коэффициент детерминации характеризует …

1. адекватность регрессионной модели эмпирическим данным

2. статистическую значимость уравнения регрессии

3. гомоскедастичность остатков модели

4. наличие или отсутствие автокорреляции остатков модели

4. Несмещенность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

5. Эффективность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

6. Состоятельность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

7. Качество регрессионной модели ухудшается в случае _____ количества оцениваемых параметров при _____ объёме выборки.

большого … небольшом большого … достаточно большом небольшого … небольшом небольшого … большом

8. Малое значение t – статистики для коэффициента регрессии в парной линейной регрессии соответствует …

1. отсутствию статистической связи результирующего и факторного признака

2. наличию сильной статистической связи результирующего и факторного признака

3. наличию статистической связи результирующего признака и свободного члена регрессионной зависимости

4. отсутствию статистической связи между коэффициентом регрессии и факторным признаком

9. Классический метод к оцениванию параметров регрессии основан на:

а) методе наименьших квадратов:

б) методе максимального правдоподобия:

в) дисперсионном анализе.

–  –  –

12. Построена линейная регрессионная модель Y f ( x1 ; x2 ; x3 ), причём х3 2 x1 3 x2.

Недостатком построенной модели является …

1. коллинеарность факторов

2. гетероскедастичность остатков

3. автокорреляция остатков

4. нелинейный характер зависимости

13. Пусть истинной моделью является y 1 x1 2 x 2 3 x3 (х1, х2, х3 - существенные факторы), однако, мы не имеем статистических данных по переменной x1. Но другая переменная z выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь x1 z, где и являются постоянными, но неизвестными величинами. Если мы построим регрессию y a cz b2 x 2 b3 x3, то

1. оценки b2 и b3 будут такими же, как и при построении регрессии с использованием

2. оценки b2 и b3 изменятся по сравнению с регрессией с использованием

3. некоторые из оценок коэффициентов b2 и b3 могут стать незначимыми

4. все оценки коэффициентов b2 и b3 станут незначимыми

14. Стабильность дисперсии случайных отклонений эконометрической модели при изменении значений факторного признака свидетельствует о _____ остатков.

гомоскедастичности гетероскедастичности автокорреляции мультиколлинеарности

15. Дисперсия остатков модели i постоянна и не зависит от предсказанной величины y x.

Сформулированное утверждение является …

1) одной из предпосылок метода наименьших квадратов

2) нулевой гипотезой при проверке значимости коэффициента регрессии

3) нулевой гипотезой при проверке существенности связи между у и х

4) нулевой гипотезой при проверке статистической значимости уравнения

16. Значения остатков модели i представляют собой независимые друг от друга значения нормально распределённой случайной величины. Сформулированное утверждение является …

1) одной из предпосылок метода наименьших квадратов

2) нулевой гипотезой при проверке значимости коэффициента регрессии

3) нулевой гипотезой при проверке существенности связи между у и х

4) нулевой гипотезой при проверке статистической значимости уравнения

17. Часто исследование свойства гомоскедастичности остатков регрессионной модели сводится к проверке гипотезы о …

1) равенстве дисперсий отклонений двух крайних групп наблюдаемых значений

2) равенстве математических ожиданий двух крайних групп наблюдаемых значений

3) существенности дисперсии остатков регрессионной модели

4) существенности математического ожидания остатков регрессионной модели

18. Обобщенный метод наименьших квадратов подразумевает …

1) введение в выражение для дисперсии остатков коэффициента пропорциональности

2) линеаризацию уравнения регрессии

3) двухэтапное применение метода наименьших квадратов

4) переход от множественной регрессии к парной

19. Проявление гетероскедастичности в остатках удается устранить при помощи метода обобщенного метода наименьших квадратов путем …

1) преобразования переменных на основе коэффициента пропорциональности

2) расчета скорректированного коэффициента детерминации

3) расчета критерия Дарбина–Уотсона гомоскедастичных остатков

4) введения в модель фиктивных переменных

20. Пусть в модели линейной регрессии y 1 x1 2 x 2... k x k нарушено одно из условий Гаусса-Маркова: математическое ожидание ошибок равно 0 M ( i ) 0, а дисперсия остатков D( i ) i 2 K i пропорциональна величине K i, меняющейся с изменением какого-то фактора, 2 – неизвестная постоянная, характеризующая дисперсию ошибки при соблюдении предпосылки о гетероскедастичности. Для перехода к уравнению с гомоскедастичными остатками все переменные уравнения необходимо поделить на величину…

1) K i

2) K i 3) 2 4) Лабораторные работы

–  –  –

Требования по оформлению отчета по лабораторной работе, см. тему 1.

Раздел (тема) дисциплины: 3. Анализ и моделирование стационарных и нестационарных временных рядов

1. Временной ряд – это совокупность значений экономического показателей …

1) за несколько последовательных моментов (периодов) времени

2) по однотипным объектам

3) за несколько непоследовательных моментов (периодов) времени

4) независящих от времени

2. В общем случае каждый уровень временного ряда формируется под воздействием …

1) тенденции, сезонных колебаний и случайных факторов

2) тенденции и случайных факторов

3) сезонных колебаний и случайных факторов

4) случайных временных воздействий

3. Модель временного ряда предполагает …

1) зависимость значений экономического показателя от времени

2) независимость значений экономического показателя от времени

3) отсутствие последовательности моментов (периодов) времени, в течении которых рассматривается поведение экономического показателя

4) пренебрежение временными характеристиками ряда

4. Основной задачей моделирования временных рядов является …

1) выявление и придание количественного значения каждой из трех компонент

2) исключение значений каждой из трех компонент из уровней временного ряда

3) исключение уровней из совокупности значений временного ряда

4) добавление новых уравнений к совокупности значений временного ряда

5. Под автокорреляцией уровней временного ряда подразумевается …

1) корреляционная зависимость между последовательными уровнями ряда

2) функциональная зависимость между последовательными уровнями ряда

3) корреляционно–функциональная зависимость между последовательными уровнями ряда

4) функциональная зависимость между двумя временными рядами

6. Под лагом подразумевается число…

1) периодов, по которым рассчитывается коэффициент автокорреляции

2) временных рядов, по которым осуществляется расчет коэффициента автокорреляции

3) уровней исходного временного ряда

4) пар значений, по которым рассчитывается коэффициент автокорреляции

7. Автокорреляционной функцией временного ряда называется …

1) последовательность значений коэффициентов автокорреляции, рассчитанных для разных порядков

2) зависимость коэффициентов автокорреляции первого порядка от числа уровней временного ряда

3) последовательность отношений коэффициентов автокорреляции к величинам соответствующих лагов

4) зависимость приращений значений коэффициентов автокорреляции различных порядков от уровней временного ряда

8. Коррелограммой является …

1) графическое отображение автокорреляционной функции

2) аналитическое выражение для автокорреляционной функции

3) графическое отображение регрессионной функции

4) процесс экспериментального нахождения значений автокорреляционной функции

9. Значение коэффициента автокорреляции первого порядка равно 0,9, следовательно …

1) линейная связь между последующим и предыдущим уровнями тесная

2) нелинейная связь между последующим и предыдущим уровнями тесная

3) линейная связь между последующим и предыдущим уровнями не тесная

4) линейная связь между временными рядами двух экономических показателей тесная

10. Структуру временного ряда можно выявить с помощью коэффициента …

1) автокорреляции уровней ряда

2) регрессии уровней ряда

3) детерминации уровней ряда

4) авторегрессии уровней ряда

11. При построении модели временного ряда проводится …

1) расчет значений компонент для каждого уровня временного ряда

2) расчет каждого уровня временного ряда

3) расчет последующих и предыдущих значений уровней временного ряда

4) расчет средних значений компонент для временного ряда в целом

12. Если факторы входят в модель как сумма, то модель называется …

1) аддитивной

2) мультипликативной

3) суммарной

4) производной

13. Построена аддитивная модель временного ряда, где Yt – значение уровня ряда, Yt = 10, T – значение тренда, S – значение сезонной компоненты, E – значений случайной компоненты.

Определите вариант правильно найденных значений компонент уровня ряда.

1) T=5, S=2, E=3

2) T=7, S=5, E=2

3) T=5, S=2, E=0

4) T=5, S=2, E=1

14. Моделирование тенденции осуществляется на основе построения уравнения регрессии зависимости ________ от времени.

1) трендовой компоненты

2) сезонной компоненты

3) случайной компоненты

4) циклической

15. В стационарном временном ряде трендовая компонента …

1) отсутствует

2) присутствует

3) имеет линейную зависимость от времени

4) имеет нелинейную зависимость от времени

16. Под стационарным процессом можно понимать …

1) стохастический процесс, для которого среднее и дисперсия независимо от рассматриваемого периода имеют постоянное значение

2) функциональный процесс

3) процесс с возрастающей тенденцией

4) процесс с постоянной тенденцией

17. Критерий Дарбина–Уотсона применяется для:

а) определения автокорреляции в остатках;

б) определения наличия сезонных колебаний;

в) для оценки существенности построенной модели.

18. Лаговые переменные – это:

а) предопределенные переменные, влияющие на зависимые переменные, но не зависящие от них, обозначаются через x.;

б) зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через y ;

в) значения зависимых переменных за предшествующий период времени.

19. Коэффициент автокорреляции:

а) характеризует тесноту линейной связи текущего и предыдущего уровней ряда;

б) характеризует тесноту нелинейной связи текущего и предыдущего уровней ряда;

в) характеризует наличие или отсутствие тенденции.

20. Тренд – это:

1. изменение экономического явления или процесса в пространстве

2. упорядоченная во времени последовательность статистических наблюдений

3. способ отбора единиц из совокупности

4. изменение, определяющее общее направление развития процесса Лабораторные работы

–  –  –

Требования по оформлению отчета по лабораторной работе, см. тему 1.

Раздел (тема) дисциплины: 4. Динамические эконометрические модели.

1. Тестовые задания (20) Ориентировочное время выполнения – 1 минута на одно задание Перечень контролируемых учебных элементов: ПК-1, 11 (знания) Студент должен знать: модели с распределенным лагом, модели авторегрессии, модели скользящего среднего, модели экспоненциального сглаживания, метод главных компонент

–  –  –

2. Необходимым свойством факторной переменной при включении ее в уравнение регрессии является …

1. сильная вариация ее значений для всего объёма наблюдений

2. слабая корреляция с результирующей переменной

3. сильная корреляция с другими факторными переменными, включёнными в модель

4. сильная корреляция с остатком модели

–  –  –

6. Стабильность дисперсии случайных отклонений эконометрической модели при изменении значений факторного признака свидетельствует о _____ остатков.

1. гомоскедастичности

2. гетероскедастичности

3. автокорреляции

4. мультиколлинеарности

7. Для измерения и моделирования сезонных процессов могут быть использованы следующие методы:

1) индексы сезонности;

2) экспоненциальное сглаживание;

3) гармоники ряда Фурье;

4) логистическая кривая.

8. Чем больше период упреждения, тем доверительный интервал прогноза:

–  –  –

Построение и эконометрический анализ линейных и нелинейных трендов. По статистическим данным о валовом внутреннем продукте и инвестициями в основной капитал за 2004-2011 гг.

выполнить следующие задания:

1. Построить поле корреляции и сформулировать гипотезу о форме связи инвестиций в основной капитал от ВВП.

2. Рассчитать параметры уравнений линейной, экспоненциальной, параболической.

3. Оценить тесноту связи с помощью показателей корреляции и детерминации.

4. Дать с помощью среднего коэффициента эластичности сравнительную оценку силы связи фактора с результатом.

5. По значениям характеристик, рассчитанных в п. 3 выбрать лучшее уравнение тренда и дать его обоснование.

6. Рассчитать прогнозное значение результата, если прогнозное значение фактора увеличить на 4% от его среднего уровня.

Валовой внутренний продукт и инвестиции в основной капитал в России за 2004-2011 гг.1

–  –  –

2004 17048,1 2865,0 2005 21625,4 3611,1 2006 26879,8 4730,0 2007 32987,4 6626,8 2008 41276,8 8781,6 2009 38807,2 7976,0 2010 45172,7 9152,1 2011 54585,6 10776,8

–  –  –

Ситуационная задача Ориентировочное время выполнения – 80-90 минут на одно задание Условия: выполняется по подгруппам 2-3 человека Перечень контролируемых учебных элементов: ПК- 1 (умения, владения)

–  –  –

Оценить степень влияния отдельных факторов эффективности на общую изменчивость ВРП РБ.

Выявить наиболее значимые группы факторов, оказывающих определяющее воздействие на ВРП.

Построить адекватную эконометрическую модель, обеспечивающую комплексное исследование факторов экономического роста. Исходные статистические данные об уровне социальноэкономического развития РБ представлены в прил. 4. [Орлова Е.В. Эконометрическое моделирование и прогнозирование, 2013].

Критерии оценивания:

отлично, если осуществлен и обоснован эконометрически состав факторов, включаемым в модель регрессии, построено не менее трех моделей регрессии разных форм и с разным составом факторов, произведено их сравнение и выбрана наилучшая по критериям эффективности модель, сделан прогноз по модели, содержательно проанализированы полученные результаты моделирования и прогнозирования хорошо, если построены три модели регрессии с одинаковым составом факторов, произведено их сравнение и выбрана наилучшая по критериям эффективности модель, сделан прогноз по модели, содержательно проанализированы полученные результаты моделирования и прогнозирования удовлетворительно, если осуществлен и обоснован эконометрически состав факторов, включаемым в модель регрессии, построена одна регрессия, произведена оценка ее качества, сделан прогноз по модели неудовлетворительно, если студент не владеет инструментарием компьютерного эконометрического моделирования Лабораторные работы

–  –  –

Требования по оформлению отчета по лабораторной работе, см. тему 1.

Задание для самостоятельной работы Эконометрическое моделирование и прогнозирование финансовых потоков Порядок выполнения задания Цель исследования – выбор и экономическое обоснование вариантов экономической политики.

Объект исследования – макроэкономические показатели страны, предмет исследования – моделирование денежной массы на основе спроса и предложения денег. Исследуемые показатели – индекс потребительских цен, объем денежной массы, обменный курс рубля к доллару, реальный ВВП, кредиторская задолженность, реальная процентная ставка по всем кредитам банковской системы. Кроме собственно значений указанных переменных можно использовать для моделирования переменные в виде их темпов роста.

Построить и исследовать адекватность регрессионной модели.

Провести анализ остатков – анализ автокорреляции, гетероскедастичности и распределения.

Исследовать эффекты мультиколлинеарности факторов.

Разбить интервал исходных данных на два интервала – интервал для построения модели и интервал для оценки прогностических свойств модели.

Оценить прогностическую способность модели на основе мер расхождения наблюдаемых и расчетных значений эндогенной переменной.

Проанализировать прогнозы для будущих периодов времени на основе характеристик прогнозной траектории эндогенной переменной.

Разработать и экономически обосновать варианты экономической политики.

Выработать предложения по заданию значений экзогенным переменным в соответствии с предложенными вариантами экономической политики.

6. Учебно-методическое и информационное обеспечение дисциплины (модуля)

6.1 Основная литература

1. Орлова Е.В. Эконометрическое моделирование и прогнозирование. Учебное пособие. – Уфа: УГАТУ, 2013. – 250с.

2. Эконометрика / И. И. Елисеева [и др.]. – Москва: Юрайт, 2012. – 453 с.; ISBN 978-5-9916URL:http://www.library.ugatu.ac.ru/pdf/ teach/Ekonometrika_Yeliseeva _mag_2012.pdf

3. Эконометрика [Электронный ресурс]: [учебник для студентов экономических специальностей вузов, аспирантов и преподавателей] / К. В. Балдин [и др.]; под ред. В. Б.

Уткина. – 2-е изд. – Москва: Дашков и К, 4. 2011.– 564 с. – Доступ по логину и паролю из сети Интернет. – ISBN 978-5-394-01221-1 – URL:http://e.lanbook.com/.

6.2 Дополнительная литература

1. Орлова Е. В. Эконометрика: учебное пособие. – Уфа: Гилем, 2006. – 170 с.

2. Валентинов, В. А. Эконометрика [Электронный ресурс]: – 2-е изд. – Москва: Дашков и К, 2009. – 448 с. – Доступ по логину и паролю из сети Интернет. – ISBN 978-5-394-00165-9. – URL:http://e.lanbook.com/

3. Эконометрика [Электронный ресурс]: [учебник для студентов экономических специальностей вузов, аспирантов и преподавателей] / К. В. Балдин [и др.]; под ред. В. Б.

Уткина. – 2-е изд. – Москва: Дашков и К, 2011.– 564 с. – Доступ по логину и паролю из сети Интернет.— ISBN 978-5-394-01221-1.— URL:http://e.lanbook.com/.

4. Чураков Е. П. Прогнозирование экономических временных рядов: учебное пособие / Е. П.

Чураков. – М.: Финансы и статистика, 2008. – 204 с.

5. Прасолов А. В. Математические методы экономической динамики: учебное пособие / А. В.

Прасолов. – СПб: Лань, 2008. – 349 с.

6.3. Интернет-ресурсы (электронные учебно-методические издания, лицензионное программное обеспечение)

1. Сайт Федеральной службы государственной статистики: www.gks.ru

2. Сайт Министерства финансов РФ: www.minfin.ru

3. Сайт Президента РФ: www.kremlin.ru

4. Сайт Правительства РФ: www.goverment.ru

5. Сайт Государственной Думы РФ: www.duma.gov.ru

6. Сайт Министерства РФ по налогам и сборам: www.nalog.ru

7. Научный журнал «Проблемы прогнозирования», 2012-2015. URL:http:// ecfor.ru.

8. Научный журнал «Журнал Новой экономической ассоциации», 2013-2015. URL:http://journal.econorus.org.

9. Электронный научный журнал «Квантиль», 2010-2015. URL:http://quantile.ru.

10. Научный журнал ЭКО: Экономика и организация промышленного производства (Новосибирск). URL:http://www.econom.nsc.ru/eco

11. Научный журнал «Экономическая наука современной России» (Москва). URL:

http://www.cemi.rssi.ru/ecr

12. Статистический портал URL:http://www.statsoft.ru

6.4 Методические указания к практическим занятиям Практические занятия не предусмотрены

6.5. Методические указания к лабораторным занятиям Эконометрическое моделирование систем. Методические рекомендации по выполнению лабораторных работ / Сост. Орлова Е.В. – Уфа: УГАТУ, 2013. – 60с. (УМК по дисциплине) Лабораторная работа по теме 2. Моделирование стационарных и нестационарных процессов Краткие теоретические сведения Ряд X t, t=1…n называется строго стационарным, если его характеристики – среднее значение, дисперсия и ковариация не изменяются при изменении начала отсчета времени. Будем обозначать:, 2 – средняя и дисперсия временного ряда X t. Коррелограмма стационарных рядов является четной функцией, т.е..

Исследование стохастических временных рядов (значения которых являются случайными величинами) сводится к построению одной из следующих моделей, которые можно использовать для описания развития во времени реальных социально-экономических систем.

Модель белого шума t. Процессом белого шума называется стационарный временной ряд X, для которого справедливы следующие условия: 0, 2 0, 0 при 0, где – средняя величина случайного процесса. Т.е. при t s случайные величины xt и x s, соответствующие наблюдениям белого шума в моменты времени t и s, некоррелированы.

Модель авторегрессии порядка р – AR(р) определяется как:

xt 1 xt 1 2 xt 2... p xt p t, p 0, где t – процесс белого шума, х0 – некоторая случайная величина, cov xt s, t 0 для всех s0. То есть наблюдаемое значение ряда получается путем линейной комбинации р предшествующих значений этого ряда плюс некоррелированная с этими предшествующими значениями случайная составляющая t, отражающая обновляемую (инновационную) информацию о состоянии исследуемой системы на момент времени t, влияющую на значение x t.

Процесс скользящего среднего порядка q MA(q):

xt t b1 t 1 b2 t 2... bq t q, bq 0, где t - процесс белого шума.

Смешанный процесс авторегрессии – скользящего среднего ARMA (p,q):

p q X t j xt j b j t j, p 0, bq 0, j1 j0 где t – процесс белого шума, b0=1.

Модель авторегрессии-проинтегрированного скользящего среднего ARIMA(p,k,q) предназначена для описания нестационарных временных рядов X t, может быть записана в виде:

xtk 1 xtk 1 2 xtk 2... p xtk p b1 t 1 b2 t 2... bq t q, где xtk k xt, k – порядок разности модели; p – число авторегрессионых членов; q – число членов скользящего среднего; – случайная компонента; b, – параметры скользящего среднего и авторегрессии.

Идентификация модели временного ряда означает определение параметров этой модели.

Если временной является нестационарным, то сначала его необходимо привести к стационарному виду, например путем взятия разностей, логарифмического преобразования и др. приемов. Число разностей, которые необходимо взять чтобы достижения стационарности, определяются параметром k. Если имеется медленное убывание выборочных коэффициентов автокорреляции в зависимости от лага, обычно берут разность первого порядка.

Основными инструментами идентификации порядка модели являются графики автокорреляционной функции (АКФ), частной автокорреляционной функции (ЧАКФ).

На практике большинство встречающихся временных рядов можно с достаточной степенью точности аппроксимировать одной из пяти основных моделей:

1) один параметр авторегрессии (p): АКФ – экспоненциально убывает; ЧАКФ – имеет резко выделяющееся значение для лага 1, нет корреляций на других лагах;

2) два параметра авторегрессии (p): АКФ имеет форму синусоиды или экспоненциально убывает; ЧАКФ имеет резко выделяющиеся значения на лагах 1, 2, нет корреляций на других лагах;

3) один параметр скользящего среднего (q): АКФ имеет резко выделяющееся значение на лаге 1, нет корреляций на других лагах, ЧАКФ экспоненциально убывает;

4) два параметра скользящего среднего (q): АКФ имеет резко выделяющиеся значения на лагах 1, 2, нет корреляций на других лагах, ЧАКФ имеет форму синусоиды или экспоненциально убывает;

5) один параметр авторегрессии (p) и один параметр скользящего среднего (q): АКФ экспоненциально убывает с лага 1; ЧАКФ – экспоненциально убывает с лага 1.

Мультипликативная сезонная ARIMA представляет собой обобщение обычной модели ARIMA на ряды, в которых имеется периодическая сезонная компонента. В дополнении к несезонным параметрам в модель вводятся сезонные параметры для определенного лага (устанавливаемого на этапе идентификации порядка модели). Аналогично параметрам простой модели ARIMA, эти параметры называются: сезонная авторегрессия (P), сезонная разность (К), сезонное скользящее среднее (Q). Полная сезонная ARIMA может быть записана как: ARIMA (p,к,q) (P,К,Q). Например, модель (0,1,2)(0,1,1) включает 0 регулярных параметров авторегрессии, 2 регулярных параметра скользящего среднего и 1 параметр сезонного скользящего среднего. Эти параметры вычисляются для рядов, получаемых после взятия одной разности с лагом 1 и далее сезонной разности. Сезонный лаг, используемый для сезонных параметров, определяется на этапе идентификации порядка модели.

Применение методов эконометрического моделирования временных рядов в программе Statistica Для анализа рядов динамики в программе Statistica предусмотрена функция Statistics / Advanced Liner/Nonlinear Models / Time Series/Forecasting. Общее назначение модуля – построить модель, описывающую временной ряд, сгладить его, спрогнозировать будущие его значения. Экранная форма модуля представлена на рис. 1.

Рис.1. Основное окно модуля Time Series/Forecasting Рассмотрим пример моделирования налоговых поступлений в бюджет [2] с помощью динамических методов эконометрического моделирования, в которых уровни ряда Y налоговых поступлений рассматриваются как функция тенденции T, периодических сезонных S и случайных E колебаний.

Эконометрическое моделирование и прогнозирование временного ряда осуществляется по следующим этапам: 1) идентификация модели, описывающей наблюдаемый временной ряд; 2) оценка параметров модели; 3) исследование адекватности модели; 4) прогнозирование; 5) оценка точности модели.

В результате предварительного анализа различных статистических моделей по критерию точности результатов прогнозирования выбрана одна из моделей в классе адаптивных методов – модель АРПСС (ARIMA).

1. Идентификация модели. Модель ARIMA (p, d, q)(Ps, ds, Qs) имеет следующие параметры: d – порядок разности, p – порядок АР, q–порядок СС; сезонные параметры: сезонный параметр АР – Ps, сезонная разность – ds, сезонный параметр СС – Qs. Идентифицировать модель – значит определить эти параметры. Основным критерием идентификации является поведение автокорреляционный функции и частной автокорреляционной функции ряда.

Сначала необходимо отобразить исходный ряд данных и провести его графический анализ. Для этого в поле Variables выбрать исследуемая переменная, затем выбрать функцию ARIMA & autocorrelation function. Для просмотр ряда используется вкладка Review series, для построения автокорреляционных функций – вкладка Autocorrelation.

Наличие тренда, который хорошо виден на графике исходного ряда и отсутствие тенденции к затуханию, рис.2, 3, свидетельства нестационарности ряда.

–  –  –

Для удаления тренда используем функцию взятия первых разностей, рис. 4. Для всех преобразований ряда используется функции OK (transformations, autocorrelations…) и OK (transform selected series).

–  –  –

На рис. 6 показаны автокорреляционные и частные автокорреляционные функции преобразованного ряда. В соответствии с критериями, описанными в теоретической части методических указаний, можно идентифицировать исследуемый ряд как процесс скользящего среднего СС(2) – p=0, q=2.

Рис. 6. Автокорреляционная и частная автокорреляционная функции

Определение наличия сезонной компоненты проводится с использованием спектрального анализа, для этого используется функция – Time Series Analysis / Spectral (Fourier) analysis / Single Fourier Analysis / Periodogram. Для выявления сезонной компоненты исследуются пики спектральной плотности на периодограмме. На рис. 7 видно, что в исходном временном ряде имеется трехмесячный цикл.

Рис. 7. График оценки спектральной плотности

В точке со значением частоты равной 0,33 спектральная плотность максимальна.

Следовательно, период = 1/частота = 3. Наличие сезонной составляющей с данным периодом связано с квартальными налоговыми платежами. Для удаления сезонной составляющей необходимо взять разность третьего порядка.

2. Определение параметров Ps, Qs аналогично определению параметров p, q. Получены следующие значения параметров: d=1, p = 0, q = 2, ds=1, Qs = 1, Ps = 0. Таким образом, модель представляется в виде ARIMA (0,1,2)(0,1,1).

3. На следующем этапе оценки параметров идентифицированной модели получают точечные оценки неизвестных параметров q(1), q(2), Qs(1), стандартная ошибка, верхняя и нижняя границы доверительного интервала. Для этого используется функция ARIMA & autocorrelation function, где выставляются порядки всех параметров, рис. 8.

Рис. 8. Окно для оценки параметров модели Ширина интервала между нижней и верхней границами 95 % доверительного интервала мала, так же как и стандартная ошибка, что является показателем качества оценки параметров модели, табл.

1.

–  –  –

4. Для исследования адекватности модели исследуются остатки, представляющие собой разности фактических значений налоговых поступлений и значений, рассчитанных с помощью построенной модели. По автокорреляционный функции и частной автокорреляционной функции остатков можно сделать вывод, что ряд остатков почти не отличается от белого шума. Кроме этого, распределение остатков подчиняется нормальному закону распределения, рис. 9. Таким образом, модель адекватна и вполне пригодна для прогнозирования.

Рис. 9. График распределения остатков регрессионной модели

5. Результатом прогнозирования является как точечный, так и интервальный прогноз с доверительной вероятностью 0,95, рис. 10.

Рис.10. График прогноза налоговых поступлений в бюджет Примеры формализованного представления моделей ARIMA Общий вид модели ARIMA(1,1,0) по первым разностям можно представить как

–  –  –

yt yt 1 t 0,79 t 1, откуда yt yt 1 t 0,79 t 1 – искомая модель регрессии.

Порядок выполнения лабораторной работы В соответствии с вариантом задания провести эконометрический анализ и моделирование временного ряда, включающий следующие задачи.

1. Определить тип модели временного ряда (белый шум, стационарный, нестационарный).

2. На основе анализа автокорреляционных и частных автокорреляционных функций провести идентификацию регрессионной модели.

3. Определить параметры порядка модели тренда.

4. Определение наличия сезонной компоненты.

5. Оценить параметры идентифицированной модели временного рядя.

6. Провести анализ адекватности модели.

7. Осуществить прогнозирование временного ряда на 2-3 периода вперед по построенной модели.

–  –  –

Курсовая работа не предусмотрена.

7. Образовательные технологии Пакет статистической обработки данных Statistica, операционная система Windows ХР, интегрированный пакет Microsoft Office 2007.

8. Методические указания по освоению дисциплины А к т у а л ь н о с т ь и з у ч е н и я дисциплины определяется тем, что концепция системного исследования социально-экономических систем разного уровня, функционирующих в неопределенной внешней среде, требует от менеджера нового аналитического и системного мышления, развитию которого и посвящена дисциплина, занимающаяся исследованием сложных связей и закономерностей. О б ъ е к т о м и з у ч е н и я д и с ц и п л и н ы является социальноэкономическая система, функционирующая в динамичной среде. П р е д м е т о м и з у ч е н и я выступают количественные характеристики и соотношения качественно определенных социальноэкономических явлений, закономерности их связей и развития в конкретных условиях места и времени. И з у ч е н и е дисциплины тесно связано с экономической теорией, микро- и макроэкономикой, математической статистикой и теорией вероятностей, менеджментом.

Содержание курса включает лекционные, практические и лабораторные занятия, а также курсовую работу. Для обеспечения базы для изучения дисциплины доцентом кафедры ЭП Орловой Е.В. разработан у ч е б н о - м е т о д и ч е с к и й к о м п л е к с, содержащий программу курса, конспект лекций, методические указания для выполнения практических работ, методические указания для выполнения лабораторных работ, типовые тестовые задания для подготовки к промежуточной и итоговой аттестации. П о д г о т о в к а к а уд и т о р н ы м л а б о р а т о р н ы м з а н я т и я м осуществляется на основе изучения теоретического материала по соответствующей теме, подбором статистической информации для проведения экономико-статистических расчетов в статистических программах.

9. Материально-техническое обеспечение дисциплины Для проведения лекционных занятий требуется мультимедийный проектор и ноутбук.

Лабораторные работы проходят в дисплейных классах 3-404, 410, 412, 414, 413, 103, 105 с доступом в интернет.

10. Адаптация рабочей программы для лиц с ОВЗ Адаптированная программа разрабатывается при наличии заявления со стороны обучающегося (родителей, законных представителей) и медицинских показаний (рекомендациями психолого-медико-педагогической комиссии). Для инвалидов адаптированная образовательная программа разрабатывается в соответствии с индивидуальной программой реабилитации.

–  –  –

Направление подготовки магистров 38.04.08 – Финансы и кредит Дисциплина: Анализ и прогнозирование финансово-экономических рядов Учебный год 2015 /2016

–  –  –

Председатель НМС по УГСН 38.00.00 - "Экономика и управление" _________________________ Дегтярева И.В.

протокол № ________от "___" __________ 201_ г.

–  –  –

Директор института Экономики и управления___________Дегтярева И.В. ______201_г Рабочая программа зарегистрирована в ООПМА и внесена в электронную базу данных

–  –  –

В рабочую программу по дисциплине _____________________________________________

для направления (специальности)_________________________________________________

направленность (профиль, специализация)_________________________________________

вносятся следующие изменения:

……….

……….

–  –  –

ОДОБРЕНА на заседании НМС по УГСН__________________

протокол № ________от "___" __________ 20___ г.

Председатель__________________________________________________________________

личная подпись расшифровка подписи

СОГЛАСОВАНО:

Заведующий кафедрой3 _____________________________________________________________________________

наименование кафедры личная подпись расшифровка подписи дата

–  –  –

Только направлений подготовки магистров Согласование осуществляется с выпускающими кафедрами (для рабочих программ, подготовленных на кафедрах, обеспечивающих подготовку для других направлений и специальностей)

Похожие работы:

«Техническая карта материала Издание: 05/08/2010; UA_10/2011_ AS Идентификационный № Sika® MonoTop® -910 N Sika® MonoTop® -910 N (старое название Sika® MonoTop®-610) Антикоррозионная защита арматуры и клеящий раствор Sika® MonoTop® -91...»

«№ 8/11613 10.11.2004 РАЗДЕЛ ВОСЬМОЙ ПРАВОВЫЕ АКТЫ НАЦИОНАЛЬНОГО БАНКА, МИНИСТЕРСТВ, ИНЫХ РЕСПУБЛИКАНСКИХ ОРГАНОВ ГОСУДАРСТВЕННОГО УПРАВЛЕНИЯ ПОСТАНОВЛЕНИЕ КОМИТЕТА ПО ЗЕМЕЛЬНЫМ РЕСУРСАМ, ГЕОДЕЗИИ И КАРТОГРАФИИ ПРИ СОВЕТЕ МИНИСТРОВ РЕСПУБЛИКИ БЕЛАРУСЬ 28 июля 2004 г. № 39 8/11613 Об утверждении Инструкции о порядке проведения тех ни...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ТЕХНИЧЕСКОМУ РЕГУЛИРОВАНИЮ И МЕТРОЛОГИИ СВИДЕТЕЛЬСТВО об у т в е р ж д е н и и типа сре дст в и з м е р е н и й R U.C.27.003.A № 42484 Срок действия до 21 апреля 2016 г.НАИМЕНОВАНИЕ ТИПА СР...»

«ОПРЕДЕЛЕНИЕ МЕХАНИЧЕСКИХ СВОЙСТВ ГРУНТОВ В КОМПРЕССИОННОМ ПРИБОРЕ С ИЗМЕРЕНИЕМ БОКОВЫХ НАПРЯЖЕНИЙ Болдырев Геннадий Григорьевич, Сидорчук В.Ф. Пензенский государственный архитектурно-строительный университет Код статьи:...»

«Техническая брошюра ADAP-KOOL ® Устройства контроля для холодильной установки AKL 111А и АКL 25 RC.0X.K3.02 08-2000 Введение Устройства контроля типа AKL 111A и AKL 25 предназначены для регистрации рабочих данных на холодильной установке, где они могут выдавать аварийные сигналы, если устано...»

«Лекция 8 Восстановление информации Причины повреждений Логические (Программные сбои, вирусы, ошибки пользователей) Физические (Химические, электрические, механические)...»

«УДК 621.391 Охотников Сергей Аркадьевич РАСПОЗНАВАНИЕ ВИДЕОИЗОБРАЖЕНИЙ ОБЪЕКТОВ ЗАДАННОЙ ФОРМЫ НА ОСНОВЕ АНАЛИЗА ИХ КОНТУРОВ Специальность 05.12.04 Радиотехника, в том числе системы и устройства телевидения Диссертация на соискание ученой степени кандидата технических наук Научный руководитель: д.т.н., профессор Хафизов Р.Г. Йошкар-Ола 2014...»

«ГОРОД – это ИНТЕЛЛЕКТ Город химиков может гордиться, что в его летописи есть 4 тома уникальных исследований, посвящённых становлению и развитию крупнейшего промышленного предприятия Кировской области и одного из ведущих химических производств в Европе. Автором книг является Валентин Васильевич Уткин – советский инженер-химик, организ...»

«ЭКСПЕРТНЫЙ СОВЕТ ПО МЕХДОБЫЧЕ ИТОГИ 5 ЛЕТ РАБОТЫ В июне 2008 года по инициативе участников ежегодных международных конференций "Механизированная добыча" с целью коллегиального обсуждения и п...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ "ВЛАДИВОСТОКСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И СЕРВИСА" В Г. АРТЕМЕ ИНСТИТУТ КАФЕДРА СЕРВИСА И ТЕХНИЧЕСКОЙ ЭКСПЛУАТАЦИИ АВТОМО...»

«Машиностроение и автоматизация 351 УДК 621.7.011 А.М. Шнейберг, Ф.П0. Михаленко О НАКОПЛЕННОЙ ДЕФОРМАЦИИ ПРИ КОМБИНИРОВАННОМ НАГРУЖЕНИИ ОСАДКА + КРУЧЕНИЕ Нижегородский государственный технический университет им. Р.Е. Алексеева Дается краткий обзор влияния больших деформаций...»

«Владимир КАТКЕВИЧ Стукач на судне Запаренный третий механик в четыре часа утра вышел из машинной шахты после вахты и обнаружил у двери собственной каюты застывшего в...»








 
2017 www.lib.knigi-x.ru - «Бесплатная электронная библиотека - электронные материалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.