Сущность имитационного моделирования

• возможностью применения имитационных программ совместно со специальными экономико-математическими моделями и методами, основанными на теории управления;

• инструментальными методами проведения структурного анализа сложного экономического процесса;

• способностью моделирования материальных, денежных и информационных процессов и потоков в рамках единой модели, в общем, модельном времени;

• возможностью введения режима постоянного уточнения при получении выходных данных (основных финансовых показателей, временных и пространственных характеристик, параметров рисков и др.) и проведении экстремального эксперимента.

Многие экономические системы представляют собой по существу системы массового обслуживания (СМО), т. е. системы, в которых, с одной стороны, имеют место требования по выполнению каких-либо услуг, а с другой - происходит удовлетворение этих требований.

Практическая часть

Постановка задачи

Исследовать динамику экономического показателя на основе анализа одномерного временного ряда.

В течение девяти последовательных недель фиксировался спрос Y(t) (млн руб.) на кредитные ресурсы финансовой компании. Временной ряд Y(t) этого показателя приведен в таблице.

Требуется:

. Проверить наличие аномальных наблюдений.

. Построить линейную модель Y(t) = a0 + a1t, параметры которой оценить МНК (Y(t)) - расчетные, смоделированные значения временного ряда).

. Оценить адекватность построенных моделей, используя свойства независимости остаточной компоненты, случайности и соответствия нормальному закону распределения (при использовании R/S-критерия взять табулированные границы 2,7-3,7).

. Оценить точность моделей на основе использования средней относительной ошибки аппроксимации.

. По двум построенным моделям осуществить прогноз спроса на следующие две недели (доверительный интервал прогноза рассчитать при доверительной вероятности p = 70%)

. Фактические значения показателя, результаты моделирования и прогнозирования представить графически.

Решение задачи

1). Наличие аномальных наблюдений приводит к искажению результатов моделирования, поэтому необходимо убедиться в отсутствии аномальных данных. Для этого воспользуемся методом Ирвина и найдем характеристическое число () (таблица 4.1).

; ,

Расчетные значения сравниваются с табличными значениями критерия Ирвина, и если они оказываются больше табличных, то соответствующее значение уровня ряда считается аномальным.

Приложение 1 (Таблица 4.1)

Все полученные значения сравнили с табличными значениями, не превышает их, то есть, аномальных наблюдений нет.