Проверяемый текст
Беляков, Станислав Сергеевич. Использование агрегирования в методах нелинейной динамики для анализа и прогнозирования временных рядов котировки акций (Диссертация 2005)
[стр. 37]

В контексте экономико-математического моделирования, прогнозирование и регулирование социально-экономического развития можно производить, к примеру, на базе индикативного планирования.
Его инструментарием явились методы планирования, реализующие разработку системы индикаторов социально-экономического развития и включающие определение его общенациональных приоритетов, а также бюджетирование и прогнозирование.
Процедуры разработки бюджетов и социальноэкономических прогнозов взаимосвязаны и адекватны реальным социальноэкономическим процессам.
На основе прогнозов принимаются многие макроэкономические решения как административного, так и нормативного характера.
В упомянутом выше прогнозировании ключевую роль играют временные ряды социально-экономической динамики и социальноэкономических показателей за прошедшие годы.
В практике разработки индикативных планов обычно используются методы анализа и прогнозирования временных рядов, базирующиеся на инструментарии математической статистики, в первую очередь, таких ее разделов, как корреляционный анализ, регрессионный анализ, кластерный анализ, дискриминантный анализ, атакже модели авторегрессии [75,110].
Временной ряд или динамический ряд, или ряд динамики ряд последовательных значений (уровней, наблюдений), характеризующих изменение показателя во времени.
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.
Классическая статистика базируется на центральной предельной теореме (или Законе больших чисел), которая
угверждает, что по мере проведения все большего числа наблюдений, предельное распределение случайных значений будет нормальным распределением.
Последнее означает, что события должны быть независимыми, т.е.
не должны влиять друг на друга, и при этом все они
37
[стр. 55]

тим, что классическая статистика базируется на центральной предельной теореме (или Законе больших чисел), которая утверждает, что по мере проведения все большего числа наблюдений, предельное распределение случайных значений будет нормальным распределением.
Последнее означает, что события должны быть независимыми, т.е.
не должны влиять друг на друга, и при этом все они
должны иметь одинаковую вероятность наступления.
Долгое время предполагалось, что поведение большинства реальных социальноэкономических систем подчиняется нормальному или «почти нормальному» закону.
К началу 90-х годов прошлого столетия фактически отпали сомнения в том, что рынки капитала не подчиняются нормальному закону.
Вместе с этим появилось осознание того, что для адекватного моделирования этих рынков нужен инструментарий новой статистики, отличный от стандартной.
К указанному времени многие исследователи пришли к уверенности в том, что подходящий инструментарий новой статистики уже существует в виде непараметрической методологии, которая была открыта Х.Е.
Херстом знаменитым британским гидрологом.
В 1951 г.
он опубликовал работу, озаглавленную «Долгосрочная вместимость водохранилища».
На первый взгляд работа рассматривала моделирование проекта водохранилища, но Херст включил в свое исследование многие естественные системы и дал нам новую статистическую методологию для различения случайных и неслучайных систем, постоянства трендов и продолжительности циклов, если таковые имеются.
Т.е., он дал нам метод, названный методом нормированного размаха, или Я /8 -анализом, используемый для различения случайного временного ряда и фрактального временного ряда.
На наш взгляд, представляется весьма интересным проследить логику рождения Херстом новой статистики, получившей позже название «фрактальная статистика».
Херст знал о работе Эйнштейна (1908), в которой обосновывалось следующее утверждение: в процессе броуновского движения случайная частица проходит расстояние К, которое увеличивается пропор

[Back]