Nieklasyczne metody prognozowania 1100-12-E13-1-NMePr

Modele szeregów czasowych w R (modelowanie i prognozowanie):
- dekompozycja szeregu - modele struktury,
- modele AR, MA, ARMA, ARIMA, SARIMA.
Modele ekstrapolacyjne:
- metody naiwne,
- metoda wyrównania za pomocą średnich ruchomych,
- modele wyrównania wykładniczego (Browna, Holta i Wintersa),
- wyrównanie szeregu za pomocą trendu pełzającego i prognozowanie za pomocą wag harmonicznych.
Nieklasyczne metody prognozowania:
- modele probitowe i logitowe,
- prognozowanie na podstawie łańcuchów Markowa,
- prognozowanie analogowe,
- prognozowanie heurystyczne.
Prognozowanie z wykorzystaniem modeli wielorównaniowych.

Całkowity nakład pracy studenta

Praca z nauczycielem: – wykład – 15 godzin – ćwiczenia – 30 godzin – konsultacje – 5 godziny Praca własna: – przygotowanie do wykładów/ćwiczeń – 35 godzin – przygotowanie do egzaminu – 15 godzin Razem – 100 godzin

Efekty uczenia się - wiedza

Absolwent zna i rozumie W1: metody i narzędzia, w tym techniki pozyskiwania danych, właściwe dla nauk ekonomicznych, pozwalające opisywać struktury i instytucje społeczno-ekonomiczne, procesy w nich zachodzące, a także relacje między nimi, zna metody i narzędzia służące do zaawansowanych rodzajów badań ekonomicznych - K_W06

Efekty uczenia się - umiejętności

Absolwent potrafi U1: interpretować dane mikro i makro ekonomiczne, weryfikować je w oparciu o wiedzę z zakresu nauk ekonomicznych oraz korzystać z różnorodnych źródeł danych ekonomicznych - K_U03 U2: prognozować procesy i zjawiska gospodarcze z wykorzystaniem metod i narzędzi właściwych dla nauk ekonomicznych - K_U04

Efekty uczenia się - kompetencje społeczne

Absolwent jest gotów do K1: analitycznego myślenia: samodzielnie i efektywnie pracuje z dużą ilością danych, dostrzega zależności i poprawnie wyciąga wnioski posługując się zasadami logiki; potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu lub odnalezieniu brakujących elementów rozumowania - K_K01

Metody dydaktyczne

Praca z oprogramowaniem GRETL, R-CRAN i Excel. Nauczanie z wykorzystaniem rzeczywistych danych makroekonomicznych i danych dla przedsiębiorstw.

Metody dydaktyczne eksponujące

- pokaz

Metody dydaktyczne podające

- pogadanka
- opis
- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

- projektu
- giełda pomysłów
- laboratoryjna
- doświadczeń
- studium przypadku
- obserwacji

Metody dydaktyczne w kształceniu online

- metody służące prezentacji treści

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Matematyka, Statystyka, Ekonometria, Prognozowanie gospodarcze.

Koordynatorzy przedmiotu

W cyklu 2022/23Z:

Joanna Górka

W cyklu 2024/25Z:

Andrzej Geise
Joanna Górka

W cyklu 2023/24Z:

Joanna Górka

Kryteria oceniania

Metody oceny:
- egzamin pisemny - W1
- test i rozwiązywanie wybranych problemów - U1, U2
- projekt i obserwacja - K1
W1 - egzamin pisemny +++ test i rozwiązywanie wybranych problemów ++ projekt +
U1 - test i rozwiązywanie wybranych problemów +++ projekt ++
U2 - test i rozwiązywanie wybranych problemów +++ projekt ++
K1 - obserwacja ++ projekt +++

Literatura

Cieślak M. (red.), Prognozowanie gospodarcze, PWN, Warszawa.
Gajda J. B., Prognozowanie i symulacja a decyzje gospodarcze, Wyd. C.H.Beck, Warszawa
Gruszczyński M., Modele i prognozy zmiennych jakościowych w finansach i bankowości, SGH, Warszawa
Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne. Teoria, przykłady, zadania, Wydawnictwo Naukowe PWN, Warszawa.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1100-12-E13-1-NMePr w USOSweb