-
1 анализ временных рядов
анализ временных рядов
Анализ, основанный на предложении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Называется также проектированием тенденций.
[ http://tourlib.net/books_men/meskon_glossary.htm]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > анализ временных рядов
-
2 анализ временных рядов
time-series analysisангл.анализ, основанный на предложении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Называется также проектированием тенденций.Русско-английский глоссарий к книге Мескона > анализ временных рядов
-
3 анализ временных рядов
1) Mathematics: time series analysis2) Economy: time-series analysisУниверсальный русско-английский словарь > анализ временных рядов
-
4 анализ временных рядов
Русско-английский физический словарь > анализ временных рядов
-
5 анализ временных рядов
Русско-английский словарь по экономии > анализ временных рядов
-
6 анализ временных рядов
Русско-Английский новый экономический словарь > анализ временных рядов
-
7 анализ временных рядов и прогнозирование
Mathematics: TSALF (time series analysis and forecasting)Универсальный русско-английский словарь > анализ временных рядов и прогнозирование
-
8 анализ прерванных временных рядов
Statistics: interrupted time series analysisУниверсальный русско-английский словарь > анализ прерванных временных рядов
-
9 анализ с помощью временных рядов
Engineering: time series analysis, time-series analysisУниверсальный русско-английский словарь > анализ с помощью временных рядов
-
10 анализ
м.- абсорбционный рентгеноспектральный анализпроводить анализ на... — carry out an analysis for..., perform an analysis for..., analyze for...
- абсорбционный спектральный анализ
- абстрактный гармонический анализ
- адсорбционный анализ
- аксиоматический анализ
- активационный анализ заряженными частицами
- активационный анализ
- активационный радиохимический анализ
- амплитудный анализ импульсов методом серого клина
- амплитудный анализ импульсов
- анализ безопасности
- анализ бесконечно малых
- анализ вида отказов
- анализ временных рядов
- анализ граничных условий
- анализ данных
- анализ динамики систем
- анализ звука
- анализ звуковых сигналов
- анализ изотопным разбавлением
- анализ масс
- анализ методом верхней границы
- анализ методом времени пролёта
- анализ методом высвобождения радиоактивности
- анализ методом дерева ошибок
- анализ методом дерева решений
- анализ методом дерева событий
- анализ методом изотопного разбавления
- анализ методом меченых атомов
- анализ методом наименьших квадратов
- анализ методом площадей
- анализ методом рассеяния излучений
- анализ методом рассеяния ионов
- анализ на микроэлементы
- анализ на модели
- анализ напряжений
- анализ неисправностей
- анализ нелинейных искажений
- анализ неупругого рассеяния
- анализ нормальных колебаний
- анализ образов
- анализ ограничений
- анализ операций
- анализ отказов
- анализ ошибок
- анализ переходных процессов
- анализ по запаздывающим нейтронам
- анализ по многим параметрам
- анализ по окраске пламени
- анализ погрешностей
- анализ предельного состояния
- анализ профиля линий
- анализ радиоактивности
- анализ радиолокационных сигналов
- анализ размерностей
- анализ распределения
- анализ Редже
- анализ речевых сигналов
- анализ решений
- анализ риска
- анализ с ионоизбирательным электродом
- анализ с применением ЭВМ
- анализ сигналов
- анализ совместимости
- анализ содержания
- анализ спектра вибраций
- анализ спектров
- анализ структуры кристаллов
- анализ теплового движения
- анализ упругого рассеяния
- анализ фазовых сдвигов
- анализ формы сигналов
- анализ формы
- анализ Фурье
- анализ цепей
- анализ частотных характеристик
- анализ шума
- анализ электрических цепей
- асимптотический анализ
- атомно-абсорбционный анализ
- атомно-абсорбционный спектральный анализ
- атомно-флуоресцентный анализ
- атомно-эмиссионный спектральный анализ
- атомный спектральный анализ
- биохимический анализ
- векторный анализ
- вероятностный анализ
- весовой анализ
- временной анализ звука
- временной анализ
- всесторонний анализ
- выборочный анализ
- газовый анализ
- гамма-активационный анализ
- гармонический анализ
- геометрически нелинейный анализ
- глобальный анализ
- гравиметрический анализ
- гранулометрический анализ
- графический анализ
- деструктивный анализ
- деструктивный химический анализ
- диаграммный анализ
- динамический анализ с помощью метода конечных элементов
- динамический анализ
- дискретный анализ
- дисперсионный анализ
- дифракционный анализ
- дифференциальный термический анализ
- изобарный анализ
- изоспиновый анализ
- изотопный анализ
- иммерсионный анализ
- импульсный анализ
- инклюзивный анализ
- инструментальный активационный анализ
- интерферометрический анализ
- инфракрасный спектральный анализ
- ионный микрозондовый анализ
- калориметрический анализ
- катодолюминесцентный анализ
- качественный анализ
- качественный молекулярный спектральный анализ
- качественный рентгеноспектральный анализ
- качественный химический анализ
- кепстральный анализ
- ковариантный анализ
- количественный анализ
- количественный молекулярный спектральный анализ
- количественный рентгеноспектральный анализ
- количественный химический анализ
- колориметрический анализ
- комплексный анализ
- конструктивный анализ
- контрольный анализ
- конформационный анализ
- корреляционный анализ
- кристаллографический анализ
- кристаллохимический анализ
- кросс-корреляционный анализ
- лазерный микрозондовый анализ
- логический анализ
- локальный анализ
- локальный рентгеноспектральный анализ
- локальный спектральный анализ
- люминесцентный анализ
- магнитный анализ
- магнитный текстурный анализ
- магнитоструктурный анализ
- малогрупповой анализ
- масс-спектральный анализ
- масс-спектрографический анализ
- масштабный анализ
- математический анализ
- матричный анализ
- мёссбауэровский фазовый анализ
- металлографический анализ
- микрозондовый анализ
- микроспектральный анализ
- микрохимический анализ
- многомерный анализ
- многопараметрический анализ
- многоуровневый анализ
- многоэлементный анализ
- молекулярный спектральный анализ
- мюонный анализ
- нейтронно-активационный анализ
- нейтронографический анализ
- нелинейный анализ
- непараметрический анализ
- непрерывный анализ
- неразрушающий анализ
- нефелометрический анализ
- обобщённый анализ
- общий анализ
- объёмный анализ
- однофакторный анализ
- операционный анализ
- оптический спектральный анализ
- параллельный анализ звука
- параметрический анализ
- петрографический анализ
- пламефотометрический анализ
- полнопрофильный анализ
- полуколичественный анализ
- поляризационный анализ
- поляриметрический анализ
- полярографический анализ
- последовательный анализ звука
- послойный анализ
- послойный рентгеновский анализ
- предварительный анализ
- прецизионный анализ
- прецизионный структурный анализ
- приближённый анализ
- профильный анализ
- радиационно-абсорбционный анализ
- радиоактивационный анализ
- радиоактивный анализ
- радиоиммунологический анализ
- радиометрический анализ
- радиорецепторный анализ
- радиохимический анализ
- растровый анализ
- регрессионный анализ
- реджевский анализ
- ренормгрупповой анализ
- рентгеновский анализ
- рентгеновский спектральный анализ
- рентгеновский структурный анализ
- рентгеновский фазовый анализ
- рентгеновский флуоресцентный анализ
- рентгенографический анализ
- рентгенорадиометрический анализ
- рентгеноскопический анализ
- рентгеноспектральный анализ
- рентгеноспектральный химический анализ
- рентгеноспектральный электронно-зондовый анализ
- рентгеноструктурный анализ
- рентгенофлуоресцентный анализ
- рефрактометрический анализ
- седиментационный анализ
- седиментометрический анализ
- сигнатурный анализ
- симметрийный анализ
- системный анализ
- сонографический анализ
- спектральный анализ
- спектральный молекулярный анализ
- спектральный флуоресцентный анализ
- спектральный эмиссионный анализ
- спектрографический анализ
- спектрометрический анализ
- спектроскопический анализ
- спектрофотометрический анализ в видимой части спектра
- спектрофотометрический анализ в инфракрасной области
- спектрофотометрический анализ в ультрафиолетовой области
- спектрофотометрический анализ
- спектрохимический анализ
- спинорный анализ
- сравнительный анализ
- статистический анализ
- структурно-групповой анализ
- структурный анализ
- структурный химический анализ
- схемный анализ
- сцинтилляционный анализ
- тензорный анализ
- термический анализ
- термический гравиметрический анализ
- термогравиметрический анализ
- термографический анализ
- термомагнитный анализ
- титриметрический анализ
- топологический анализ
- упругопластический анализ
- фазовый анализ
- факторный анализ
- феноменологический анализ
- физико-химический анализ
- физический анализ
- флуоресцентный анализ
- флуоресцентный молекулярный спектральный анализ
- флуороскопический анализ
- формальный анализ
- фотографический анализ
- фотометрический анализ
- фотонный активационный анализ
- фотохимический анализ
- фракционный анализ
- функциональный анализ
- хемилюминесцентный анализ
- химический анализ
- хроматографический анализ
- цветовой анализ
- частотно-временной анализ
- частотный анализ звука
- частотный анализ
- численный анализ
- электрогравиметрический анализ
- электролитический анализ
- электронно-зондовый анализ
- электронографический анализ
- электронографический структурный анализ
- элементарный анализ
- элементный анализ
- эманационный термический анализ
- эмиссионный рентгеноспектральный анализ
- эмиссионный спектральный анализ -
11 корреляционный анализ (в экономике)
корреляционный анализ (в экономике)
Ветвь математической статистики, изучающая взаимосвязи между изменяющимися величинами (корреляция — соотношение, от латинского слова correlatio). Взаимосвязь может быть полная (т.е. функциональная) и неполная, когда зависимость связанных величин искажена влиянием посторонних, дополнительных факторов. Примером функциональной связи служит выпуск и потребление продукции, когда она дефицитна: во сколько раз больше выпуск, во столько раз больше продажа (все распродается, ничего не остается в запасе). Примером корреляционной связи может служить соотношение стажа рабочих и их производительности труда. Известно, что в среднем производительность труда рабочих тем выше, чем больше их стаж. Однако бывает, и нередко, что молодой рабочий (из-за влияния таких дополнительных факторов, как образование, здоровье и т.д.) работает лучше пожилого. Чем больше влияние этих дополнительных факторов, тем менее тесна связь между стажем и выработкой, и наоборот. В таком случае коэффициент корреляции (см. Корреляция) между двумя величинами — стажем и производительностью — занимает промежуточное положение между нулем и единицей в зависимости от силы (тесноты) взаимосвязи. Именно такие взаимосвязи изучает К.а. Он может рассматривать и более сложные корреляционные связи — не между двумя переменными (это называется парной корреляцией), как в описанном случае, а между многими. Тогда имеют дело с множественной корреляцией. При изучении экономических явлений методами К.а. необходимо тщательно выявлять причинные зависимости, лежащие в основе корреляции наблюдаемых показателей. Отсутствие причинной связи между явлениями, хотя корреляционная связь между ними установлена, называется ложной корреляцией. Она часто встречается, например, при анализе временных рядов, когда параллельно снижаются или повышаются показатели, на самом деле совершенно не зависящие друг от друга. Рассматриваемые связи математически описываются корреляционными уравнениями (другое название — уравнение регрессии). Например, простейшим корреляционным уравнением связи между двумя переменными является уравнение прямой вида y=a+bx. При функциональной связи такая прямая точно соответствовала бы действительным значениям зависимой переменной. Если представить такую связь графически, то она проходила бы через все наблюдаемые точки y. При корреляции же соответствие, как указано, соблюдается лишь приблизительно, в общем, и точки наблюдений расположены не по прямой, а в виде «облачка», более или менее вытянутого в некотором направлении. Поэтому приходится специальными приемами находить ту линию, которая наилучшим образом отражает корреляционную зависимость, т.е. направление «облачка» (рис.К.1). Распространенный способ решения этой задачи — метод наименьших квадратов отклонений наблюдаемых значений y от значений, рассчитываемых по формуле корреляционного уравнения. Особенно широко применяется К.а. в теории производственных функций, в разработке разного рода нормативов на производстве, а также в анализе спроса и потребления. Рис. К.1 Корреляционные зависимости а — переменные x и y не коррелируют; б — слабая отрицательная корреляция; в — сильная положительная линейная корреляция
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > корреляционный анализ (в экономике)
-
12 эконометрика
эконометрика
Научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа. (близкое, но не тождественное значение имеет термин «эконометрия», под которым обычно понимается наука,. которая тесно связана с математической экономией и отличается от последней в основном применением конкретного числового материала). В Э. как бы синтезируются достижения теоретического анализа экономики с достижениями математики и статистики (прежде всего математической статистики). Сам термин «Э.» происходит от двух слов: экономия и метрика, т.е. измерение. Он введен в науку норвежским ученым Р.Фришем, лауреатом Нобелевской премии по экономике. Широко известный международный журнал этого направления тоже называется «Econometrica» (основан в 1933 г. Р.Фришем). Есть много определений Э. По нашему мнению, Э. — одно из ответвлений комплекса научных дисциплин, объединяемого понятием — «экономико-математические методы». Ее главным инструментом является эконометрическая модель (как определенный тип экономико-математических моделей), задачей — проверка экономических теорий на фактическом (эмпирическом) материале при помощи методов математической статистики. Среди конечных прикладных задач Э. выделяют две: прогноз экономических и социально-экономических показателей анализируемой экономической системы, имитацию различных возможных сценариев развития этой системы. По уровню иерархии анализируемой экономической системы выделяют макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации) и микроуровень (домашние хозяйства, фирмы). Э. применяет такие методы, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, статистические методы классификации и снижения размерности, а также другие методы и инструментарий теории вероятностей и математической статистики.1 1 Айвазян С.А. Основы эконометрики. М.: Юнити-«Дана». 2001. С.19-20 Эконометрические методы применяются для построения крупных эконометрических систем моделей, описывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и другие блоки. Среди наиболее известных эконометрических систем подобного рода, по которым ведутся расчеты на ЭВМ, — так называемые Брукингская модель, Уортонская модель (США). Приемы и методы Э. применяются также в анализе спроса и потребления. Э. как наука возникла в начале- середине прошлого века, хотя истоки ее восходят к В.Петти (XVII век) с его «политической арифметикой», О.Курно и Э.Энгелю (ХIХ в.) и др. В ХIХ в. были разработаны и началось использование в Э. таких статистических методов, как множественная регрессия, статистическая проверка гипотез, теория ошибок, выборочные методы ( Р.Фишер, К. Пирсон, Э.Пирсон и др.). В первой половине ХХ в. появился интерес к моделированию структур спроса и потребительских расходов и их эмпирической оценке (Р.Аллен, А.Маршалл и др.). В этот же период формулируется задача идентификации (Е.Уоркинг), начинается изучение производственной функции (Ч.Кобб, П.Дуглас), статистическое моделирование делового цикла (Н.Кондратьев, Е.Слуцкий, Р.Фриш). Макроэконометрические исследования начали Я.Тинберген и Р.Фриш, ставшие первыми в истории лауреатами Нобелевской премии по экономике (1968 г.). После второй мировой войны важным центром развития Э. стала Комиссия Коулса (США). Новый инструментарий Э. получила в результате разработки моделей одновременных уравнений (Т.Хаавельмо, Т.Купманс, Г.Тейл и др.) В последние десятилетия методы Э. сыграли решающую роль в освоении и развитии использования компьютерной техники в экономических расчетах разного уровня и назначения. Определенный вклад в развитие Э. внесли и отечественные экономисты (Е.Е.Слуцкий, Л.В.Канторович и др.), несмотря на длительное официальное третирование эконометрии как «буржуазной», «антимарксистской» и «вредной» «лженауки». Большая роль в ее реабилитации принадлежала академику В.С.Немчинову — написанная им статья «Эконометрия» (1965 г.) явилась своего рода открытием для широкой экономической общественности страны.
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > эконометрика
-
13 cyclic effects
Англо-русский словарь промышленной и научной лексики > cyclic effects
-
14 модель прогнозирования
модель прогнозирования
Методы или модели расчета будущего спроса, если отсутствуют конкретные данные по спросу:
- полиномиальная регрессия,
- экспоненциальное сглаживание,
- анализ временных рядов.
[ http://www.lexikon.ru/dict/uprav/index.html]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > модель прогнозирования
-
15 time-series analysis
Англо-русский словарь промышленной и научной лексики > time-series analysis
-
16 математическая статистика
математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > математическая статистика
-
17 временной ряд
временной ряд
—
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]
временной ряд
ряд динамики
динамический ряд
Ряд последовательных значений, характеризующих изменение показателя во времени. В.р. разделяются, во-первых, на моментные ряды (данные которых характеризуют величину явления по состоянию на определенные даты) и интервальные ряды (характеризующие определенные периоды), во-вторых, на эволюторные процессы, содержащие тренд, и стационарные процессы, не содержащие тренда. Показателями, характеризующими развитие экономических объектов, описываемое временными рядами, являются абсолютный прирост, темп роста и темп прироста (см. Темп роста). Основные понятия анализа временных рядов: тренд, или длительная, «вековая» тенденция; лаг, или запаздывание одного явления от другого, связанного с ним; периодические колебания (сезонные, циклические и др.). Для выявления тенденций, лагов, колебаний и на этой основе для анализа и прогнозирования экономических явлений применяется ряд приемов математической статистики. Среди них экстраполяция временного ряда — продолжение ряда на будущее по выявленной закономерности его развития, выравнивание В.р. для устранения случайных отклонений, анализ автокорреляций, спектральный анализ. Главное правило в работе с временными статистическими рядами: никогда не включать в один ряд показатели, рассчитанные по разной методологии: это чревато непростительными ошибками, искажениями. Для простоты приведем наглядный пример (не из экономики). Вчера температура на улице была 15 градусов, а сегодня 28. Потеплело? Да, если температура и вчера, и сегодня измерялась по Цельсию (или по Реомюру, или по Фаренгейту). Но если вчера по Цельсию, а сегодня по Фаренгейту, то похолодало (поскольку 28 по Фаренгейту это ноль по Цельсию). Так и в экономике. Известен случай, когда один экономист построил статистический ряд, где показатель государственных расходов в РФ сначала измерялся по методике советского времени, потом по переходной методике, применявшейся в 1992 году, потом по третьей методике, введенной Министерством финансов России в 1993 году. Ясно, что получился конфуз, выводы исследователя, казавшиеся ему чуть ли не сенсационными, были опровергнуты. Еще одно правило. Анализируя временные ряды, надо помнить о таком свойстве экономики, как инерционность. Резкие «скачки» показателей – почти всегда сигнал о том, что к данному временному ряду надо отнестись настороженно, постараться его перепроверить. Когда в середине 60-х годов советская статистика перешла от измерения количества тканей в погонных метрах к измерению в квадратных метрах, получился резкий «рост» объема производства текстильной промышленности. «Экономическая газета» опубликовала график с победным взлетом кривой (что в ту пору приветствовалось!). Лишь с опозданием было обнаружено, что это – ошибка…
[ http://slovar-lopatnikov.ru/]Тематики
- экономика
- электросвязь, основные понятия
Синонимы
EN
Русско-английский словарь нормативно-технической терминологии > временной ряд
-
18 финансовое моделирование
финансовое моделирование
Применение математических моделей (формул) для решения задач финансовой математики в разных областях, в том числе в банковском деле, в области оценки бизнеса и др.. Основные задачи финансовой математики – расчет, анализ и оптимизация денежных потоков, возникающих при использовании тех или иных финансовых инструментов. Ф.м. используется для расчета ожидаемых результатов инвестиционных проектов и сверки этих результатов с реальностью, для формирования финансовой политики компаний на перспективу, управления рисками. Среди основных направлений Ф.м. – математика процентов (вычисление процентного дохода, дисконтирование), теория выбора портфеля (расчеты оптимального инвестирования в портфели (наборы) активов), теория производных финансовых инструментов (деривативов), а также эконометрические модели временных рядов и др. В оценочной деятельности применяются, например, такие модели, как модель Альтмана, модель Гордона, модель Блэка-Скоулса-Мертона, модель оценки капитальных активов (САРМ), модель средневзвешенной стоимости капитала (WACC) и ряд других моделей, отраженных в данном словаре.
[ http://slovar-lopatnikov.ru/]Тематики
EN
Русско-английский словарь нормативно-технической терминологии > финансовое моделирование
См. также в других словарях:
Анализ временных рядов — анализ, основанный на предложении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Называется также проектированием тенденций … Словарь терминов антикризисного управления
анализ временных рядов — Анализ, основанный на предложении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Называется также проектированием тенденций. [http://tourlib.net/books men/meskon glossary.htm]… … Справочник технического переводчика
Анализ Временных Рядов В Экономике — анализ и расчет показателей, переменных по времени, на базе имеющейся информации за различные отрезки времени. Словарь бизнес терминов. Академик.ру. 2001 … Словарь бизнес-терминов
АНАЛИЗ ВРЕМЕННЫХ РЯДОВ — TIME SERIES ANALYSISКлассификация и анализ данных в соответствии с временными интервалами. В А.в.р. исследуются следующие компоненты конкретной реализации временного ряда: тренд, циклические, сезонные и нерегулярные изменения (колебания). Тренд… … Энциклопедия банковского дела и финансов
Анализ временных рядов — TIME SERIES ANALYSIS Исследование статистических данных за прошлые годы с целью прогнозирования возможных тенденций в будущем. Рассмотрим график. Графическое изображение дает представление об изменении статистических показателей (объема продаж)… … Словарь-справочник по экономике
Анализ временных рядов (time-series analysis) — А. в. р. наз. статистический анализ данных, собранных в ходе наблюдений за единичным объектом (напр., отдельным человеком, семьей или городом), производимых последовательно во времени, либо через определенные интервалы, либо непрерывно. Как и… … Психологическая энциклопедия
АНАЛИЗ ВРЕМЕННЫХ РЯДОВ В ЭКОНОМИКЕ — анализ показателей, изменяющихся во времени и проектирование этих показателей на основании имеющихся данных в разные временные периоды … Большой экономический словарь
АНАЛИЗ СТАТИСТИЧЕСКИЙ — STATISTICAL ANALYSISМенеджеры в бизнесе часто используют статистические методы при принятии решений или анализе решаемых проблем. В данном разделе рассматриваются некоторые основные статистические методыАрифметическое среднее. Арифметическое… … Энциклопедия банковского дела и финансов
RS-анализ — RS анализ совокупность статистических приёмов и методов анализа временных рядов (преимущественно финансовых), позволяющих определить некоторые важные их характеристики, такие как наличие непериодических циклов, памяти и т. п.… … Википедия
Мета-анализ (metaanalysis) — М. представляет собой попытку объединения, используя различные статистические методы, данных из разных исслед., посвященных изучению одного и того же вопроса. Он предусматривает количественную оценку степени согласованности или расхождения… … Психологическая энциклопедия
Статистический анализ случайных процессов — раздел математической статистики, посвященный методам обработки и использования статистических данных, касающихся случайных процессов (См. Случайный процесс) (т. е. функций X (t) времени t, определяемых с помощью некоторого испытания и… … Большая советская энциклопедия