Комп’ютерна економетрія

Питання роботи:

Вступ.

Основні задачі дослідження економетричних моделей.

Постановка задачі.

Формалізоване описання економетричних моделей.

Опис алгоритму роботи економетричної моделі.

Стратегія можливих рішень за допомогою економетричних моделей.

Програмна організація.

Література.

1.

Економетрична модель (econometric model) - це статистична модель, що є засобом прогнозування значень визначених перемінних, які називаються ендогенними перемінними (endogenous variables).

Для того щоб зробити такі прогнози, у якості вихідних даних використовуються значення інших перемінних, які називаються екзогенними перемінними (exogenous variables).

Припущення про значення таких перемінних робляться користувачем моделі. Наприклад, у економетричній моделі рівень продажів автомашин у наступному році може бути прив'язаний до рівня валового внутрішнього продукту і процентних ставок. Щоб зробити прогноз щодо обсягу продажів автомобілів у наступному році (це ендогенна перемінна), варто одержати дані про величину валового внутрішнього продукту і процентних ставок для майбутнього року, що відносяться до екзогенним перемінним.

Економетрична модель може являти собою як дуже складну систему так і просту формулу, що може бути легко підрахована на калькуляторі. У будь-якому випадку вона вимагає знань по економіці і статистиці. Спочатку для визначення відповідних взаємозв'язків застосовуються знання по економіці, а потім для оцінки кількісної природи взаємозв'язків отримані за минулий період дані обробляються за допомогою статистичних методів.

Деякі інвестиційні організації використовують широкомасштабні економетричні моделі, щоб на підставі прогнозів таких факторів, як державний бюджет, очікувані споживчі витрати і плановані інвестиції в ділову сферу, зробити прогнози відносно майбутнього рівня валового внутрішнього продукту, інфляції і безробіття.

Деякі фірми і некомерційні організації спеціалізуються на таких моделях, продаючи інвестиційним інститутам, фінансистам корпорацій, суспільним агентствам і ін. прогнози чи комп'ютерні програми.

Розроблювачі таких широкомасштабних моделей звичайно передбачають трохи “стандартних” прогнозів, заснованих на визначеному наборі екзогенних перемінних. Деякі моделі містять імовірність, з яким може здійснюватися той чи інший прогноз. В інших випадках користувачі можуть включати зроблені ними самими припущення й аналізувати отримані в результаті цих припущень прогнози.

Широкомасштабні економетричні моделі такого типу нараховують велике число рівнянь, що описують велике число важливих взаємозв'язків. Незважаючи на те що оцінки таких взаємозв'язків засновані на даних за минулий період, ці оцінки можуть дозволити (чи не дозволити) моделі ефективно працювати в майбутньому. Коли прогнози виявляються невдалими, то іноді говорять, що лежача в основі моделі економічний взаємозв'язок перетерпів структурні зміни. Однак невдача може бути наслідком впливу неврахованих у моделі факторів. Та й інша ситуації вимагають чи змін величин оцінок, чи самої концепції економетричної моделі, чи ж того й іншого. Рідко можна зустріти користувача, який би не “ремонтував” (чи цілком “перебудовував”) таку модель час від часу в міру нагромадження досвіду.

Проблема прогнозування соціально-економічного розвитку стала однієї з найважливіших у регіональних дослідженнях. Для вироблення стратегії розвитку і розробки планів необхідний точний прогноз ключових економічних параметрів: зайнятості, доходів і випуску продукції. Для розрахунку цих регіональних перемінних дослідники побудували кілька типів моделей, теоретичні форми яких, як думають, досить точно відбивають процес функціонування економіки. У ході прогнозування окремі параметри оцінюються і вводяться в ці моделі.

Видне місце серед таких моделей зайняли економетричні моделі. Ці макроекономічні регресійні моделі, ґрунтувалися на аналізі тимчасових рядів. Такі моделі широко використовувалися для аналізу і вивчення економіки ведучих капіталістичних країн, таких як США, Японія й ін.

Великі успіхи в області розробки і застосування економетричних моделей досягнуті в Польщі, Угорщині, Чехословакии. У Чехословакии була побудована економетрична модель економіки країни на базі тимчасових рядів за 1960-1980 р. На основі моделі здійснюються короткострокові і середньострокові прогнози основних показників розвитку народного господарства країни. Модель містить 70 показників, зв'язаних 27 рівняннями, серед яких 17 лінійних рівнянь і 10 балансових тотожностей.

Іншими словами, кожне рівняння має вид:

yit = f ( yjt, zkt, ut ) ,

де

yit – ендогенна перемінна i у момент t ,

yjt – ендогенна перемінна j у момент t ,

zkt – екзогенна перемінна k у момент t ,

ut – оцінена помилка в момент t .

Визначення yit за допомогою перемінної yjt, обумовленої в рамках тієї ж моделі, складає суть системи спільних рівнянь. Перемінні взаємодіють у моделі так само, як вони взаємодіють між собою в реальному світі.

Однак економетричні моделі рідко використовувалися для прогнозування на регіональному рівні – головним чином через недолік відповідної інформації. Надійні дані для областей, міст і інших малих регіонів не збиралися скільки-небудь регулярно. У результаті «сировина», тобто дані для регресійного аналізу, найчастіше просто отсутствует. Не вистачає також і кадрів для проведення регіональних економетричних досліджень: ті, хто займається плануванням у регіоні, рідко вміють застосовувати складну техніку економетричного аналізу, економетрики ж зі своєї сторони не так вуж часто цікавляться регіональними проблемами.

Тим часом саме регіони, що складаються з областей, міст і т.д. являють собою територіальні одиниці, найбільше часто досліджувані плановиками й економістами, що досліджують проблеми регіонального розвитку. Ясно тому, що існує визначений пробіл у розробці економетричних моделей.

Багато важливої роблем розробки регіональних економетричних моделей незмінно зв'язані з питанням приступності інформації. Одне з інформаційних обмежень — недолік даних по внутрірічних періодах. У результаті більшість наявних моделей побудовано на базі річних даних.

Іншим серйозним і важливим обмеженням за інформацією є дуже мале число таких перемінних, для яких маються досить великі тимчасові ряди.

Використання погодових даних і малого числа перемінних у сполученні з довгими тимчасовими рядами привело до розробки моделей не тільки малих, але і щодо простих — нерідко складаються з наборів рівнянь із двома перемінними. Зазначена