1000000000000ACE00000C7A083B05EA

L.p.

Treść zajęć

Liczba

godzin

1.

Pojęcie prognozowania. Reguły prognozowania. Funkcje i rodzaje prognoz.

2

2.

Rodzaje danych, ich źródła i metody gromadzenia. Błędy prognoz. Ocena jakości prognoz ex post i ex antę.

2

3.

Pojęcie modelu i modelowania. Czynniki wpływające na budowę modelu. Szeregi czasowe, ich składowe i modele szeregów czasowych.

2

4.

Wygładzanie wykładnicze, model liniowy HoltaJ, Wintersa. Metoda wskaźników. Analiza harmoniczna. ^

4

5.

Modele autoregresyjne. Model AR, MA, ARMA i ARIMA. Prognozowanie rekurencyjne w oparciu o model ARIMA.

2

6.

Prognozowanie na podstawie jednorównaniowych modeli statycznych i dynamicznych.

___j

7.

Modele ze zmiennymi parametrami. Pasowanie parametrów.

2

8.

Modele wielorównaniowe i ich rodzaje.

2

9.

Postać strukturalna, zredukowana i końcowa wielorównaniowego modelu ekonometrycznego.

2

10.

Pasowanie parametrów pojedynczych równań i estymacja łączna.

4

11.

Miary dokładności prognoz . Źródła błędów prognoz. Dopuszczalność prognozy.

2

12.

Algorytm Gaussa-Seidela jako jedna z technik symulacyjnych dla modeli wielorównaniowych. Zastosowanie tego algorytmu w zagadnieniach optymalizacji

4

13.

Metoda Newtona-Raphsona i jej zastosowania.

2

14.

Metody Monte Carlo. Schemat prognozowania łączący modelowanie i symulacje.

2

15.

Prognozowanie analogowe.

2

16.

Algorytmy ustalania wskaźników prognozowania ostrzegawczego.

3

17.

Metody heurystyczne i ich zastosowania. Podstawowe błędy prognozowania heurystycznego.

2

18.

Scenariusze i prognozy wariantowe.

2

19.

Prognozowanie w warunkach niepełnej informacji.

2

20.

Prognozowanie wybranych elementów makrootoczenia przedsiębiorstwa.

1