Инструментарий прикладной эконометрики: возможности и сфера применения

Аналогичными свойствами обладают прогнозы временных рядов, являющихся стационарными относительно детерминированного тренда. Различие состоит лишь в том, что в этом случае безусловное математическое ожидание не является конечным и не зависящим от времени, а прямо зависит от характеристик детерминированного тренда и, соответственно стремится к бесконечности при увеличении горизонта прогнозирования.

Из статистических методов прогнозирования наиболее часто используется метод наименьших квадратов при небольшом числе факторов (1−5). Метод наименьших модулей и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.

Оценивание точности прогноза — необходимая часть процедуры квалифицированного прогнозирования. При этом обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия (при использовании параметрических моделей).

Применяются также эвристические приемы, не основанные на какой-либо теории: метод скользящих средних, метод экспоненциального сглаживания. Адаптивные методы прогнозирования позволяют оперативно корректировать прогнозы при появлении новых точек

Многомерная регрессия — основной на настоящий момент эконометрический аппарат прогнозирования. Подчеркнем, что нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно. Однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной центральной предельной теореме теории вероятностей и эконометрической технологии линеаризации. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.

Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее сильные результаты в этой области получены с помощью подходов статистики нечисловых данных .

К современным статистическим методам прогнозирования, которые можно использовать и для прогнозирования финансового состояния предприятия, относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.

Федеральный закон «О несостоятельности (банкротстве)» от 26.

10.2002 N 127-ФЗ Орлов А. И. Менеджмент. Учебник. М.: Издательство «Изумруд», 2003. — 298 с.

Прудникова Т. Внешнее управление: финансово-экономические аспекты //Банковское дело в Москве, 2002, № 1

Турунцева М. Эконометрические методы прогнозирования социально-экономических показателей. — Научные труды № 89Р: Некоторые подходы к прогнозированию экономических показателей. — М.: ИЭПП, 2005. 195 с.