Nieklasyczne metody prognozowania 1100-12-G13-DS-NMP

Modele szeregów czasowych w R (modelowanie i prognozowanie):
– dekompozycja szeregu - modele struktury,
– modele AR, MA, ARMA, ARIMA, SARIMA,
– modele DL, ADL.
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

Godziny realizowane z udziałem nauczyciela: 60 godzin, w tym udział w: – wykładach – 15 godzin – ćwiczeniach – 30 godzin – konsultacjach (wykład + ćwiczenia) – 7 godzin – egzaminie i kolokwium – 8 godzin Praca własna studenta: 65 godzin, w tym: – przygotowanie do wykładów i ćwiczeń – 25 godzin – wykonanie projektu – 10 godzin – przygotowanie do egzaminu i kolokwium – 30 godzin Razem – 125 godzin (5 ECTS)

Efekty uczenia się - wiedza

W1: Student zna i rozumie wybrane metody prognozowania i ich zastosowania w gospodarce cyfrowej – K_W01 W2: Student zna źródła danych ekonomicznych, metody ich pozyskiwania, analizy i wizualizacji oraz zasady oceny jakości danych w prognozowaniu – K_W08

Efekty uczenia się - umiejętności

U1: Student potrafi stosować metody prognozowania z wykorzystaniem narzędzi informatycznych (R, gretl, Excel) do rozwiązywania problemów gospodarki cyfrowej – K_U01 U2: Student potrafi budować, porównywać i oceniać prognozy oraz interpretować ich wyniki w kontekście procesów gospodarczych – K_U06

Efekty uczenia się - kompetencje społeczne

K1: Student przestrzega zasad etycznych w pracy z danymi i formułowaniu prognoz oraz rozumie odpowiedzialność za ich wykorzystanie – K_K01 K2: Student potrafi działać przedsiębiorczo i krytycznie oceniać metody prognozowania, dostosowując je do zmieniających się warunków gospodarki cyfrowej – K_K02

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

- opis
- pogadanka
- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

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

Metody dydaktyczne w kształceniu online

- metody służące prezentacji treści

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Matematyka, Statystyka, Ekonometria, Prognozowanie gospodarcze

Koordynatorzy przedmiotu

Joanna Górka

Kryteria oceniania

Metody oceny:
– egzamin pisemny – W1, W2
– test i rozwiązywanie wybranych problemów – U1, U2
– projekt i obserwacja – K1, K2

W1 – egzamin pisemny +++ test i rozwiązywanie wybranych problemów ++ projekt +
W2 – 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 +++
K2 – 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-G13-DS-NMP w USOSweb