Тема 3. Прогнозування на основі згладжування часових рядів

1. Яка з методик прогнозування на основі згладжування часових рядів постійно переглядає оцінку із надходженням нових даних?

2. У якій методиці прогнозування значення величини за поточний період вважається прогнозом наступного періоду?

3. У якій методиці прогнозування подіям надаються однакові вагові коефіцієнти?

4. Яку методику прогнозування слід застосовувати, якщо дані мають тренд?

5. Яку методику прогнозування слід застосовувати, якщо дані мають сезонність?

6. Яку методику прогнозування слід застосовувати, якщо ряд спостережень невеликий?

7. Що таке “вікно згладжування”, у якій методиці прогнозування застосовується цей термін?

8. Яке значення показника MPE буде найкращим за будь-якого методу прогнозування?

9. Що потрібно зробити для визначення точності методу прогнозування?

10. Що потрібно зробити для визначення адекватності моделі прогнозування?

Тема 4. Екстраполяція тренду на основі кривих зростання

1. Які типи кривих найчастіше використовуються в економічних дослідженнях?

2. Як здійснюється попередній вибір кривої зростання?

3. У чому полягає суть аналітичних методів згладжування часових рядів?

4. Як розрахувати точковий прогноз економічного показника за знайденою функцією тренду?

5. Що потрібно зробити для визначення точності прогнозу за методом аналітичного згладжування часового ряду ?

6. Що потрібно зробити для визначення адекватності моделі прогнозування?

7. Як розрахувати інтервальний прогноз у випадку прямолінійного тренду?

8. Як розрахувати інтервальний прогноз у випадку нелінійного тренду?

9. Яке з основних припущень регресійного аналізу найчастіше порушується під час аналізу даних часових рядів?

10. Чому дорівнює похибка прогнозу у випадку стаціонарного процесу похибок моделі?

Тема 5. Прогнозування часових рядів за допомогою arima-моделей

1. Які моделі охоплює поняття «лінійні параметричні моделі часових рядів»?

2. Як виглядає загальна лінійна модель стаціонарного ряду.

3. Назвіть властивості загальної лінійної моделі стаціонарного ряду.

4. Яка умова обернення моделі ковзної середньої МА(q)?

5. Яка умова стаціонарності моделі авторегресії AR(p)?

6. Які кроки дій передбачає методика Бокса-Дженкінса?

7. Яка умова стаціонарності моделі ARМА(p,q)?

8. Як ідентифікувати модель ARМА(p,q)?

9. Як за графіками функцій вибіркової автокореляції й вибіркової часткової автокореляції визначити порядок моделі ARМА(p,q)?

10. Які методи застосовуються для оцінювання моделі ARМА(p,q)?

11. Які критерії вибору кращої моделі ARМА(p,q)?

12. Як у моделі ARІМА врахувати сезонність?

13. На якій підставі робиться висновок про адекватність моделі ARМА(p,q)?

14. Що означає ідентифікація моделі ARІМА(p,q)?

15. Як визначається критерій не стаціонарності у проявах автокореляційної функції?

16. Вибіркова автокореляційна функція процесу із лагом 1 має викид. Усі інші значення не значущі. Яка це модель?

17. Вибіркова часткова автокореляційна функція процесу із лагом 1 має викид. Усі інші значення не значущі. Яка це модель?

18. Якщо параметр ковзної середньої моделі МА(q) від’ємний, то як поводиться часткова автокореляційна функція?

19. Як виглядають залишки ряду, коли побудована модель є адекватною?

20. Як ви вважаєте, чи можна на короткій траєкторії ряду отримати більш точні оцінки параметрів моделі ARМА(p,q), ніж на довгій? Проведіть числовий експеримент у STATISTICA.

21. Чи діє таке правило визначення точності оцінок: чим сильніші коливання в траєкторії процесу ARМА(p,q, тим менш точною є оцінка? Проведіть числовий експеримент у STATISTICA.

22. Яка опція у STATISTICA додає прогнози до спостережень ряду?

23. Де задається інтервал надійності прогнозу?

24. Що станеться, якщо прогноз побудований за допомогою неадекватної моделі?