Эконометрическое моделирование и прогнозирование рядов динамики на основе параметрических моделей авторегрессии тема диссертации и автореферата по ВАК РФ 08.00.13, доктор экономических наук Семёнычев, Валерий Константинович

• Семёнычев, Валерий Константинович
• доктор экономических наук
• 2005

Оглавление диссертации доктор экономических наук Семёнычев, Валерий Константинович

Введение

1. Актуальность проблемы повышения точности эконометрического моделирования и прогнозирования рядов динамики показателей социально - экономических систем и явлений

1.1.Особенности эконометрического моделирования и прогнозирования рядов динамики показателей социально - экономических систем и явлений

1.2.Структуры, компоненты, модели компонентов рядов динамики показателей

1.3. Актуальность повышения точности моделирования и прогнозирования многокомпонентных рядов динамики показателей

1.4.Использование моделей авторегрессий в эконометрическом моделировании и Z - преобразований, как инструмента их параметризации

Выводы по первой главе

2.Эконометрическое моделирование и прогнозирование рядов динамики экспоненциальными функциями и их сочетаниями с линейными функциями, гармониками на основе параметрических авторегрессий г 2.1 .Представление общего подхода к эконометрическому моделированию и прогнозированию параметрическими авторегрессиями на примере экспоненциальных функций

2.2.Эконометрическое моделирование и прогнозирование суммами экспоненциальных функций и их сочетаниями с линейными функциями

2.3.Эконометрическое моделирование и прогнозирование гармониками и экспоненциальными функциями в сочетании с гармониками

Выводы по второй главе

З.Эконометрмческое моделирование и прогнозирование логистической динамики на основе параметрических авторегрессий

3.1.Исследования и сравнительный анализ моделей логистической динамики

3.2.Эконометрическое моделирование и прогнозирование «гладкими» логистами

3.3. Эконометрическое моделирование и прогнозирование логистами с колебательной компонентой

Выводы по третьей главе

4.Эконометрическое моделирование и прогнозирование полиномами в сочетании с гармониками

4.1.Эконометрическое моделирование и прогнозирование алгебраическими полиномами в сочетании с гармониками

4.2.Эконометрическое моделирование и прогнозирование гиперболическими полиномами в сочетании с гармониками

4.3.Эконометрическое моделирование и прогнозирование дробно -рациональными функциями в сочетании с гармониками

Выводы по четвертой главе

5.Примеры реализации и экспериментальной проверки разработанных методов моделирования и прогнозирования

5.1.Описание программного комплекса, реализующего предложенные методы моделирования и прогнозирования

5.2.Примеры моделирования рядов динамики алгебраическими полиномами с гармоникой в области гражданской авиации

5.3.Примеры моделирования и прогнозирования рядов динамики рынка продовольственных товаров

5.4.Примеры моделирования и прогнозирования рядов динамики рынка недвижимости

5.5.Моделирование рядов динамики показателей стратегического плана развития муниципальных образований

Выводы по пятой главе

Введение диссертации (часть автореферата) на тему «Эконометрическое моделирование и прогнозирование рядов динамики на основе параметрических моделей авторегрессии»

В диссертации рассмотрены вопросы повышения точности эконометрического моделирования и прогнозирования рядов динамики показателей социально - экономических систем на основе параметрических моделей авторегрессии.

Под социально - экономической системой (СЭС) будем понимать сложную вероятностную динамическую систему, охватывающую процессы производства, обмена, распределения и потребления материальных и других благ, порождающую социально - экономические явления, социально -экономические, социально - политические, социокультурные, демографические процессы [4, 12, 78, 163].

Различают экономическую статику, которая изучает допустимые и рациональные состояния СЭС, и экономическую динамику, исследующую процессы (последовательности состояний и переходы от одних состояний к другим), а также определяющую возможные и лучшие траектории развития, которые описываются показателями последовательностей состояний и переходов от одних состояний к другим.

Динамика функционирования конкретных социально -экономических систем описывается обычно десятками, а в отдельных случаях и тысячами показателей последовательностей состояний и переходов от одних состояний к другим [5, 8, 27, 62, 73, 74, 113, 116, 147, 159].

Будем определять показатель как обобщающую количественную характеристику СЭС в конкретных условиях места и времени [28, 78, 157, 183]. Значениями показателей, их динамикой определяется эффективность функционирования СЭС, их устойчивость, экономическая или продовольственная [56, 131] безопасность.

К основным способам описания СЭС относится метод эконометрического моделирования, который объединяет в себе приёмы, модели и методы, предназначенные для того, чтобы на базе экономической теории, экономической статистики и экономических измерений, а также математике - статистического инструментария придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией [2, 9, 10, 49, 76, 153, 154, 166, 195].

Под моделью будем понимать образ реальной системы (процесса, явления) в форме математических соотношений, отражающий существенные свойства моделируемой системы и замещающий его в ходе исследования и управления.

Практическими задачами моделирования являются, во - первых, анализ социально - экономических процессов и явлений, порождаемых социально - экономической системой, во - вторых, осуществление прогнозирования их динамики, и, в - третьих, выработка управленческих решений на всех уровнях хозяйственной иерархии.

Первые две задачи из перечисленных относятся к содержанию данной диссертации. При этом будем рассматривать как модели «временной динамики», когда аргументом показателя является физическое время (его отсчёты), так и «невременной динамики», когда аргументом одного показателя являются отсчёты другого показателя.

Значительные результаты в области построения теоретических моделей экономической динамики получены Гранбергом А.Г., Емельяновым А.С., Интрилигатором М., Колемаевым В.А., Кондратьевым Н.Д., Кузьминым В.И., Леонтьевым В.В., Макаровым B.JI., Нижегородцевым P.M., Плотинским Ю.М., Солоу P.M., Толстых Т.Н., Федосеевым В.В., Френкелем А.А., Хасаевым Г.Р., Черновым В.П., Четыркиным Е.М. и др.

Существенные результаты в области эконометрического моделирования и прогнозирования экономической динамики СЭС получены Айвазяном С.А., Афанасьевым В.Н., Балашом В.А., Бережной Е.В., Бережным В.И., Боксом Дж., Бородичем С.А., Грейнжером К., Голубковым Е.П., Губановым В.В., Дженкинсом Г., Дорохиной Е.Ю., Доугерти К., Дубровой Т.А., Елисеевой И.И., Заровой Е.В., Кашьяпом Р.А., Клейнером Г.Б., Кобелевым Н.Б., Лукашиным Ю.П., Льюисом К.Д., Магнусом Я.Р., Мхитаряном B.C., Носко В.П., Орловым О.П., Смоляком С.А., Стерником Г.М., Пересецким А.А., Половниковым В.А., Pao А.Р., Тихомировым Н.П., Уотшем Т.Дж., Фришем Р., Тинбергом Я., Хатанака М., Хендри Д., Энглом Р., Юзбашевым М.М. и др.

Отметим, что эконометрика в последние десятилетия была и по сей день остается одной из наиболее динамично развивающихся наук.

Результаты работ ряда учёных по эконометрическому моделированию и прогнозированию экономической динамики отмечены Нобелевскими премиями: за развитие и применение динамических моделей для анализа экономических процессов Фриш Р. и Тинберген Я. - в 1969 г., а за методы анализа колеблемости (волатильности) экономических временных рядов Энгл Р. и Грейнджер К. - в 2003 г. Нобелевские премии за реализацию эконометрического подхода в экономике получили в 1980 г. Клейн Л., в 1981 г. - Тобин Д., в 1989 г. - Хаавелмо Т., в 1995 г. - Лукас Р., в 2000 г. - Хекман Д. и Мак - Фадден Д. [198].

Актуальность данных исследований обусловлена недостаточной точностью известных методов эконометрического моделирования и прогнозирования рядов динамики показателей СЭС в силу того, что:

- при наличии в рядах данных сезонных и циклических компонент тренд обычно моделируют алгебраическими полиномами или экспоненциальной функцией, что в известных методах идентификации требует больших выборок (стационарности моделей на большом интервале наблюдения). В условиях высокой динамики реформирования экономики, которые, характерны для современной России, данное обстоятельство может вызвать существенную погрешность моделирования и прогнозирования; известные преобразования многих моделей трендов путём логарифмирования или замены переменных, сводящие их к линейным по параметрам, требуют «искусственных» предположений о виде стохастической компоненты или даже неработоспособны при учёте сезонной, циклической компонент. Например, при моделировании ряда динамики экспоненциальной функцией предполагают стохастическую компоненту для удобства логарифмирования в виде показателя мультипликативной экспоненты с логнормальной функцией распределения вероятностей значений. В этом случае, как и в ряде других, логарифмирование неработоспособно при наличие аддитивной или мультипликативной знакопеременной сезонной или циклической компоненты;

- определение параметров моделей, например, путём применения метода наименьших квадратов (МНК), над преобразованными величинами, а не над исходными, вызывает погрешность, особенно при прогнозировании;

- до настоящего времени практически не моделируют случаи присутствия в рядах «временной» и «невременной» (кроме случая линейной регрессии) динамики временного тренда и экзогенных воздействий, что также ведёт к погрешностям, сужает область реального эконометрического моделирования и прогнозирования;

- зачастую предполагают априори известными значения некоторых параметров моделей (например, в моделях Верхулста или Гомперца), что также ограничивает область применения моделирования и прогнозирования или ведет к погрешности при неточном знании этих параметров;

- применяемые на практике модели, как правило, просты, но не в силу их адекватности реальным процессам и явлениям, а из-за трудности определения класса и параметров более сложных моделей. Практически отсутствуют исследования по характеру поведения, возможностям применения и методам идентификации таких моделей рядов динамики как: суммы экспоненциальных функций и их произведений на линейные функции, гиперболические полиномы, логистические кривые, особенно в сочетании с временным трендом, сезонными и циклическими компонентами, и суммы кинетических функций; структурная идентификация осуществляется путём последовательного перебора меры адекватности всех возможных моделей. При этом объём расчётов и соответствующие вычислительные погрешности могут быть значительны.

Кроме того, отсутствует общий математический подход к решению задачи моделирования и прогнозирования широкого класса моделей, а известны лишь отдельные эвристические решения по методам моделирования.

Целью исследований является разработка математических и инструментальных методов, обеспечивающих повышение точности эконометрического моделирования и прогнозирования значений многокомпонентных рядов динамики показателей социально -экономических процессов и явлений на основе параметрических моделей авторегрессии.

Задачи исследований:

- анализ широко применяемых многокомпонентных моделей рядов динамики показателей СЭС, примеров их приложений, а также известных математических и инструментальных методов моделирования и прогнозирования для определения общего подхода к достижению цели исследований;

- разработка и: развитие математического аппарата анализа многокомпонентных рядов динамики СЭС: обоснование в качестве общего подхода для повышения точности эконометрического моделирования и прогнозирования параметрических моделей авторегрессии, получаемых с использованием Z - преобразования неслучайных компонент рядов динамики, и предложения новых методов структурной и параметрической идентификации моделей;

- расширение возможностей применения эконометрического моделирования и прогнозирования рядов динамики СЭС за счёт исследования свойств, предложений и идентификации моделей, приближенных к реальной практике: учитывающих аддитивные и\или мультипликативные сезонные и циклические компоненты, временной фактор, экзогенные воздействия, аддитивный характер стохастической компоненты;

- программная реализация и численное моделирование ряда разработанных методов эконометрического моделирования и прогнозирования, проверка на реальных статистических рядах динамики показателей СЭС, сравнение методов по точности с известными, внедрение результатов.

Объект исследований: социально - экономические системы (СЭС).

Предмет исследований: социально - экономические процессы и явления, протекающие в СЭС, математические и инструментальные методы эконометрического моделирования и прогнозирования динамики показателей СЭС.

Основные научные результаты, полученные в данной диссертационной работе:

1.Решена крупная научная проблема в области математических и инструментальных методов экономики: на основе предложенного общего подхода, разработанными методами увеличена точность эконометрического моделирования и прогнозирования многокомпонентных рядов динамики показателей СЭС.

2.Количество идентифицируемых моделей «временной» и «невременной» рядов динамики показателей превышает 70:

- экспонента и её сочетания с линейными функциями и гармониками;

- экспоненциальные функции и их сочетания с линейными функциями и гармониками;

- логистические функции и их сочетания с линейными функциями и гармониками;

- сочетания алгебраических полиномов с гармониками;

- сочетания гиперболических полиномов с гармониками;

- сочетания дробно - рациональных функций с гармониками.

3.Увеличена точность эконометрического моделирования и прогнозирования многокомпонентных рядов динамики за счёт:

- уменьшения величины необходимого интервала стационарности многокомпонентных моделей; ф - практически важного, приближенного к реальной практике учёта аддитивных и\или мультипликативных сезонных и циклических компонент, временного фактора, экзогенных воздействий трёх моделей, аддитивного характера стохастической компоненты, отказа от априорных сведений о параметрах моделей;

- моделирования параметрическими авторегрессиями по одной исходной выборке: при этом не накапливаются погрешности из - за неизбежных искажений рядов динамики при последовательной реализации известных процедур детрендирования или десезонализации, уменьшаются вычислительные погрешности.

4. Предложен общий подход к эконометрическому моделированию и прогнозированию многокомпонентных рядов динамики показателей с использованием Z - преобразования неслучайных компонент ряда, на основе параметрических моделей авторегрессий рядов динамики л показателей: порядок авторегрессий и значения коэффициентов определяют тип моделей и значения их параметров. В ряде случаев предложены обобщенные авторегрессии (авторегрессии функций отсчётов рядов динамики), нестационарные авторегрессии (содержащие наряду с коэффициентами и функции от номеров отсчётов).

5.К новым результатам можно отнести и предложенное моделирование логистических тенденций с колебательной компонентой на основе композиции двух «кинетических» и четырёх экспоненциальных функций, исследования свойств ряда моделей: сумм экспоненциальных функций и их произведений на линейные функции, логистических кривых.

6.Показано более 20 приложений идентифицируемых моделей, созданы программные средства, осуществлены 4 внедрения, проведена апробация на 18 - ти конференциях и семинарах.

В диссертации использовались модели и методы экономической теории, теории вероятностей, математической и экономической статистики, маркетинга, функций комплексного переменного, дифференциального исчисления, теории рядов и др.

Достоверность полученных результатов подтверждена численным моделированием и на реальных данных статистики рынка товаров и услуг.В эконометрике можно выделить два аспекта: содержательный (социально -экономический, прикладной) и инструментальный (математике статистический, теоретико - методологический).

Привычна ситуация, когда необходимость решения той или иной экономической проблемы обуславливает выбор и применение, иногда и разработку соответствующего инструментария [84]. В данном случае данный этап также имел место при моделировании и прогнозировании показателей стратегического плана развития г. Новокуйбышевска Самарской области.

Однако полученные при этом результаты, как оказалось, обладают общностью, что определило крен в сторону инструментального аспекта в данной диссертационной работе: был разработан подход к эконометрическому моделированию и прогнозированию широкого, практически важного класса рядов динамики.

Представленные в диссертации приложения несут при этом в большей мере характер иллюстративных примеров.

Например, даны примеры теоретической и реальной экономической динамики СЭС, реализации и экспериментальной проверки разработанных методов моделирования и прогнозирования в области гражданской авиации, рынка недвижимости, маркетинга рынка продовольственных и непродовольственных товаров и услуг, стратегического планирования развития муниципальных образований и регионов на данных по Самарской области, Приволжскому федеральному округу, по г. Самара, по другим городам и странам, по моделированию привлекаемых банковских средств и нормой затрат на привлечение единицы этих средств и т.д.

Результаты диссертации внедрены в практику работы администрации г. Новокуйбышевска Самарской области, использовались в разработках программных комплексов ОАО «Волгоинформсеть» для г. Новокуйбышевск и г. Отрадный Самарской области, в учебных курсах Самарского государственного аэрокосмического университета имени академика С.П.Королева (СГАУ), Самарского института Открытого Образования.

Апробация работы проведена на следующих 18 - ти семинарах и конференциях:

- Всесоюзной научно - технической конференции «Повышение качества и надежности продукции, программного обеспечения ЭВМ и технических средств обучения» (г. Куйбышев, 16-19 июня 1989 г.);

- Международной конференции «Динамика структур» (ЧССР, Карловы Вары, 1989 г.);

- Республиканской научно - технической конференции «Применение вычислительной техники и математических методов в научных исследованиях» (г. Севастополь, 3-6 июня 1990 г.);

Научно - технической конференции «Автоматизированные информационные системы при строительстве и эксплуатации зданий, сооружений и объектов жизнеобеспечения» (г. Самара, 21-24 ноября 1996 г.);

II Международной научно - практической конференции. «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (г. Москва, 21-24 мая 1999 г.);

- Третьей Международной конференции «Современные сложные системы управления» (г. Воронеж, 19 - 21 мая 2003 г.);

- IV Всероссийской научно - практической конференции «Опыт и проблемы маркетинговой деятельности в российском предпринимательстве» (г. Пенза, 5-9 июня 2003 г.);

- V юбилейном Российско - Германском семинаре «Модернизация местного управления и экономики» (Германия, г. Бад Урах, 4-11 мая 2003 г.);

- Международной научно - практической конференции «Теория активных систем» (г. Москва, 17-19 ноября 2003 г.);

- Всероссийской научно - практической конференции «Наука, Бизнес, Образование» (г. Самара, 23 апреля 2004 г.);

- Всероссийской научно - практической конференции «Актуальные проблемы современного социально - экономического развития: образование, наука, производство» (г. Самара, 25 - 26 мая 2004 г.);

- Научно - практической конференции «Проблемы информационной и экономической безопасности региона» (г. Самара, 25 - 27 ноября 2003 г.);

- V Национальном конгрессе по недвижимости (г. Москва, 6-11 июля 2003 г.);

- объединенном семинаре кафедры «Математические методы в экономике» СГАУ и НТС факультета Экономики и управления СГАУ (г. Самара, 24 сентября 2004 г.);

- НТС Самарской Государственной экономической академии (г. Самара, 25 октября 2004 г.);

- расширенном заседании Учебно - методического объединения по специальностям « Статистика» и «Математические методы в экономике» (г. Москва, Московский государственный университет экономики, статистики и информатики, 9 декабря 2004 г.);

- расширенном заседании НТС СГАУ и НТС факультета Экономики и управления СГАУ (г. Самара, 13 мая 2005 г.); международной научно - технической конференции «Информационные, измерительные и управляющие системы» «ИИУС -2005» (г. Самара, 25 - 26 мая 2005 г.).

Работа выполнялась в рамках проектов института «Евроград» (г. Санкт - Петербург), международного центра социально - экономических исследований «Леонтьевский центр» (г. Санкт - Петербург), на кафедре «Математические методы в экономике» СГАУ.

Работа изложена на 306 страницах, состоит из введения, пяти глав, содержит 99 рисунков, 6 таблиц, два приложения, библиографический список использованной литературы из 200 наименований.

Публикации. Общее количество научных, научно - методических трудов соискателя равно 220 - ти. Результаты исследований, выполненных в данной диссертации, отражены в 34 научных трудах, в том числе в 3 - х монографиях, общим объёмом 33 п.л., при этом автору принадлежит 26 п.л.

Личный вклад автора: сформулирована цель исследований, осуществлен анализ известных математических и инструментальных методов моделирования и прогнозирования динамики показателей СЭС, предложено применение математического аппарата Z - преобразований для достижения поставленной цели исследований, предложены и проанализированы все основные приёмы и методы эконометрического моделирования и прогнозирования динамики показателей.

Соавторство относится к разработке ряда частных приложений, выполнению отдельных количественных расчётов, сбору данных.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Семёнычев, Валерий Константинович

Выводы по пятой главе

1.Примеры экономической динамики, её моделирование и прогнозирования в гражданской авиации (в частности, для ОАО «Авиакомпания Самара»); на рынке продовольственных товаров Самарской области, Приволжского федерального округа, Франции; на рынке недвижимости ряда крупных и средних городов России, нескольких районов г. Самара; для показателей стратегического плана развития такого достаточно типичного для России примера СЭС, как г. Новокуйбышевск Самарской области, количественно подтвердили широкую область применения полученных результатов по моделям динамики (в том числе по компонентам и по структуре их вхождения в динамическую траекторию), по приложениям - в сфере услуг, торговли, муниципального и регионального управления, в СЭС различной размерности и географии.

2.Программная реализация предложенного единого подхода к моделированию на основе параметрических моделей авторегрессии довольно проста.

3.Во всех рассмотренных примерах идентификация динамических рядов осуществлялась на малых выборках, соответствующих реальным условиям сегодняшней статистики, что в условиях реформ экономики, быстрой смены моделей и экономических условий современной России имеет большое практическое значение.

4.Количественные расчёты на указанных выборках и численное моделирование показали высокую точность моделирования и прогнозирования.

В этом отношении весьма показателен пример, иллюстрируемый рис. 80, когда известные литературные данные по точности для нескольких известных и используемых в практике экономических исследований методам идентификации логистического тренда и предложенного метода позволили доказать преимущества предложенных методов на одной и той же исходной статистической выборке отсчётов динамического ряда.

5.Приведенные расчёты показали, что разработанные методы эконометрического моделирования и прогнозирования работоспособны при реальных периодах опроса, имеющих место на сегодняшний день в принятой статистической отчетности.

Заключение

Решена крупная научная проблема в области математических и инструментальных методов экономики: на основе общего подхода увеличена точность и расширена область применения эконометрического моделирования и прогнозирования многокомпонентных рядов динамики показателей СЭС.

При этом разработаны новые методы эконометрического моделирования и прогнозирования значений показателей СЭС и явлений более чем для 70- тн широко применяемых моделей рядов динамики показателей «временной» и «невременной» динамики, при этом обобщены известные частные эвристические методы.

Точность обеспечена за счёт снижения требований к величине необходимого интервала стационарности моделей; - увеличения числа и возможной сложности (многокомпонентности, аддитивности и мультипликативности компонент в структуре ряда) идентифицируемых моделей, практически важного учёта гетероскедастичности стохастической компоненты, временного фактора и экзогенных воздействий, возможности отказа от априорных сведений о параметрах моделей. В большом количестве случаев можно говорить о появления самой принципиальной возможности моделирования рядов динамики более сложными, чем это делалось раньше, выражениями;

- осуществления структурной идентификации, малых вычислительных погрешностей.

Повышение точности эконометрического моделирования и прогнозирования достигнуто, с использованием Z - преобразования неслучайных компонент ряда, на основе параметрических моделей авторегрессий (в них порядок авторегрессий и значения коэффициентов определяют вид моделей и значения их параметров) рядов динамики показателей.

Предложено моделирование осуществлять по исходной выборке (без отдельных процедур детрендирования, десезонализации и пр.) в два этапа: на первом этапе производится оценка порядка авторегрессии отсчётов ряда или их преобразований, затем расчёт коэффициентов авторегрессии с помощью решения систем линейных алгебраических уравнений (СЛАУ) и через них - некоторых параметров моделей. При этом зачастую удается осуществить структурную идентификацию.

Используя найденные на первом этапе оценки, на втором этапе, также решая соответствующую СЛАУ, определяют оставшиеся параметры моделей, после чего переходят к прогнозированию.

В ряде случаев предложены обобщенные авторегрессии (авторегрессии функций отсчётов), нестационарные авторегрессии (содержащие наряду с коэффициентами и функции от номеров отсчётов).

К новым результатам можно отнести и предложенное моделирование логистических тенденций с колебательной компонентой на основе композиции двух «кинетических» и экспоненциальных функций, исследования свойств моделей экспоненциальных полиномов и семейства логистических функций.

Показаны более 20 приложений идентифицируемых моделей: для расширенного воспроизводства, модели динамики Кейнса, Леонтьева, моделирования временного лага, мультипликатора - акселератора, лага задержки, услуг в области гражданской авиации, рынка недвижимости, привлечения банком денежных средств, маркетинга рынка продовольственных и непродовольственных товаров, стратегического планирования муниципальных образований и регионов и др.

Два из них - для исследования зависимости спроса на благо от цены с переменной эластичностью и моделирования экономической эволюции -являются новыми.

При этом рассмотрены как модели «временной динамики», когда аргументом показателя является физическое время (его отсчёты), так и «вневременной динамики», когда аргументом одного показателя динамики СЭС являются отсчёты другого показателя.

Для экспоненциальных и логистических моделей «невременной» динамики предложены новые методы учёта временного фактора на основе параметрических «экономико — временных» авторегрессиях.

Созданы программные средства. Расчёты показали, что разработанные методы эконометрического моделирования и прогнозирования работоспособны при реальных периодах опроса, имеющих место на сегодняшний день в статистической отчётности Самарской области, Приволжского федерального округа, городов России и других стран.

Осуществлены 4 внедрения полученных в диссертации результатов, проведена апробация результатов исследований на 18 - ти конференциях и семинарах.

Список литературы диссертационного исследования доктор экономических наук Семёнычев, Валерий Константинович, 2005 год

1. Айвазян С.А. Прикладная статистика. Основы эконометрики. М.: ЮНИТИ - ДАНА. 2001. - 432 с.

2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Наука. 1985. - 487 с.

3. Айвазян С.А., Мхитарян B.C. Прикладная статистика. Теория вероятностей и прикладная статистика. М.: ЮНИТИ - ДАНА. 2001. - 656 с.

4. Александров Н.И. Методы и модели стратегического интегрированного управления социально экономическими системами. Автореферат диссертации на соискание ученой степени доктора экономических наук. - СПб.: 1998. - 22 с.

5. Аржиновский С.В. Оптимизация экономической динамики фирмы на основе математических моделей. Автореферат диссертации на соискание ученой степени кандидата экономических наук. Ростов - на -Дону.: 1997.-23 с.

6. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика. 2001. - 227 с.

7. Афанасьев В.Н., Юзбашев М.М., Гуляева Т.И. Эконометрика. М.: Финансы и статистика. 2004. - 256 с.

8. Афанасьев Г.А. Стохастические модели динамики стоимости акций на примере европейского опциона. Автореферат диссертации на соискание ученой степени кандидата экономических наук. М.: 1998. - 27 с.

9. Балдин К.В., Быстров О.Ф., Соколов М.М. Эконометрика. М.: ЮНИТИ. 2004. - 254 с.

10. Ю.Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем. М.: Финансы и статистика. 2005. -431 с.

11. П.Беркович Л.А. Межотраслевые экономические модели: вопросы построения и использования. Новосибирск: Наука. Сиб. отд - ние. 1983. -264 с.

12. Берндт Э.Р. Практика эконометрики: классика и современность. -М.: Юнити. 702 с.

13. З.Бестужев Лада И.В. Прогнозное обоснование социальных нововведений. - М.: Наука. 1993. - 327 с.

14. Н.Блинов А.О., Явкина Е.Н., Степанова Т.Е. Рынок риэлторских услуг Самарской области. Маркетинг в России и за рубежом. № 6. 2000. -С.59-63.

15. Божко В.П. Информационные технологии в статистике. М.: Финстатинформ. 2002. - 144 с.

16. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып.2. М.: Мир. 1974. - 197 с.

17. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере. М.: Финансы и статистика. 1999. — 241 с.

18. Бородич С.А. Эконометрика. Мн.: Новое знание. 2001. - 408 с.

19. Боярский Л.С., Семёнычев В.К. Идентификация логистической функции Верхулста. Вестник учётно экономического факультета. Самарская государственная экономическая академия. Выпуск № 8. -Самара. 2003.-С.124- 127.

20. Боллерслев Т., Энгл Р.Ф., Нельсон Д.Б. ARCH модели, http: // www.nsu.ru/education/tsy/ecmr/garch/handbook/0204049.htm.

21. Боярский Л.С., Семёнычев В.К., Семенычев В.К. Идентификация логистической кривой с сезонной компонентой. Сб. трудов «Рыночная экономика (состояние, проблемы, перспективы). Самара. 2004. С.76 - 80.

22. Брандт 3. Анализ данных. Статистические и вычислительные методы для научных работников и инженеров. М.: Мир. ООО «Издательство ACT». 2003. - 686 с.

23. Бушуев Л.И. Методы прогнозирования объема продаж. Маркетинг в России и за рубежом. № 1 (27). 2002. С. 15 - 30.

24. Быковская И.В., Плотников С.В., Подчернин В.М. К вопросу о формировании маркетингового бюджета. Маркетинг в России и за рубежом. № 6. 2001. С.46 - 52.

25. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука. 1979. - 447 с.

26. Глазьев С. Ю. Теория долгосрочного технико экономического развития. - М.: Наука. 1993. - 342 с.

27. Гликман Н.К. Эконометрический анализ региональных систем. -М.: Прогресс. 1980. 245 с.

28. Гришин А.Ф., Кочерова Е.В. Статистические модели. Построение, с анализ. М.: Финансы и статистика. 2005 - 416с.

29. Голубков Е.П. Маркетинговые исследования: теория, методология и практика. М.: Финпресс. 1998. -416 с.

30. Гончаров В.Д. Маркетинг продовольственных товаров в России. -М.: Финансы и статистика. 2002. 176 с.

31. Горбань А.А., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск. Наука. 1996. - 276 с.

32. Горчаков А.А., Орлова И.В. Компьютерные экономико -математические модели. М.: ЮНИТИ. 1995. - 215 с.

33. Горячева И.П. Применяемые методы статистического наблюдения за уровнем и изменением цен на товары и услуги. Вопросы статистики. -1999. № 3. С.35 -43.

34. Гранберг А.Г. Динамические модели народного хозяйства. М.: Экономика. 1985. - 259 с.

35. Гранберг А.Г. Моделирование социалистической экономики. М.: Экономика. 1988. - 487 с.

36. Грицан В.Н. Эконометрика. М.: Дашков и К. 2001. - 80 с.

37. Губанов В.А., Ковальджи А.К. Выделение сезонных колебаний на основе вариационных принципов. Экономика и математические методы. 2001. том 37, № 1.-С.91 102.

38. Гутман Г.В., Мироедов А.А., Федин С.В. Управление региональной экономикой. М.: Финансы и статистика. 2001. - 176 с

39. Дадаян B.C. Макроэкономические модели и методы в экономике. -М.: Наука. 1983.-269 с.

40. Делев О.А., Богачева Е.Г. Сравнительный анализ маркетинговых компьютерных программ. Маркетинг в России и за рубежом. 2000. № 1, -С.29 34.

41. Деч Г. Руководство к практическому применению преобразования Лапласа и Z преобразования. - М.: Наука. 1971. - 288 с.

42. Джонстон Дж. Эконометрические методы. М.: Статистика. 1980. -446 с.

43. Доугерти К. Введение в эконометрику. М.: ИНФА. 2001. - 402 с.

44. Дубров А.М, Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.:Финансы и статистика. 2000. -352 с.

45. Дуброва Т.А. Статистические методы прогнозирования. М.: ЮНИТИ-ДАНА. 2003. - 206 с.

46. Дятлов А.Н., Артамонов С.10. Оптимизация маркетингового бюджета фирмы с использованием моделей S образных кривых функций спроса. Экономический журнал ВШЭ. № 4. 1999. - С. 32 - 40.

47. Егорова Н.Е., Мудунов А.С. Система моделей прогнозирования спроса на продукцию сферы услуг. Экономика и математические методы. Том 38. № 2. 2002. С.66 - 83.

48. Емельянов А.С. Эконометрия и прогнозирование. М.: Экономика. 1985.-208 с.

49. Жданов С.А. Экономические модели и методы в управлении. М.: Дело и Сервис. 1998. - 176 с.

50. Жиров В.Г., Семёнычев В.К. Информационная система оценки финансового состояния предприятия. Вестник Самарского государственного технического университета. Выпуск № 5. Самара. 1998.-С.165- 167.

51. Интрилигатор М. Математические методы оптимизации и экономическая теория. М.: Айрис - пресс. 2002. - 576 с.

52. Кашьяп Р.А., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.: Наука. 1983. - 384 с.

53. Клейнер Г.Б., Смоляк С. А. Эконометрические зависимости: принципы и методы построения. М.: 2000. - 104 с.

54. Кобелев Н.Б. Практика применения экономико математических методов и моделей. - М.: Финстатинвест. 2000. - 246 с.

55. Кобринский Н.Е. Информационные фильтры в экономике (Анализ одномерных временных рядов). М.: Статистика. 1978. - 287 с.

56. Кобринский Н.Е., Кузьмин В.И. Точность экономико математических моделей. М.: Финансы и статистика. 1981. - 324 с.

57. Колемаев В.А. Математическая экономика. М.: ЮНИТИ - ДАНА. 2005.-399 с.

58. Кондратьев Н.Д. Проблемы экономической динамики. М.: Наука. 1989.-307 с.

59. Конюховский П.В. Микроэкономическое моделирование банковской деятельности. СПб.: Питер. 2001. - 224 с.

60. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров: Определения, теоремы, формулы. М.: Наука. 1973.-832 с.

61. Коротков А.В. Статистическое обеспечение маркетинга продукта. -М.: МЭСИ. 2000.-230 с.

62. Кошечкин С.А. Алгоритм прогнозирования объёма продаж в MS EXCEL. Маркетинг в России и за рубежом. № 5 (25). 2001. С.35 - 42.

63. Красс М.С. Математика для экономических специальностей. М.: Дело. 2002. - 704 с.

64. Крастинь О.П. Изучение статистических закономерностей по многолетним данным. М.: Финансы и статистика. 1981. - 189 с.

65. Крушевский А.В. Справочник по экономико-математическим моделям и методам. Киев.: Техника. 1982. - 294 с.

66. Кузнецов С.Е. Статистический анализ моделей динамики поведения планируемых экономических показателей. Прикладной многомерный статистический анализ. М.: Наука. 1978. - 263 с.

67. Курс экономической теории. \Под ред. Чепурина М.И., Киселева Е.А. Киров.: «АСА». 1995. - 624 с.

68. Левицкий Е.М. Адаптация в моделировании экономических систем. Новосибирск.: Наука. 1977. - 293 с.

69. Лобанова Е. И. Прогнозирование с учетом цикличности экономического роста. Экономические науки. 1991. № 1. С. 25 - 30.

70. Лопатников Л.И. Экономико математический словарь: Словарь современной математической науки. - М.: Дело. 2003. - 520 с.

71. Лугачев М.И., Ляпунцев Ю.П. Методы социального прогнозирования. М.: МГУ. ТЕИС. 1999. - 287 с.

72. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика. 2003. -416с.

73. Львовский Е.Н. Статистические методы построения эмпирических формул. М.: Высшая школа. 1988. - 239 с.

74. Льюис К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика. 1986. - 326 с.

75. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело. 2004. - 576 с.

76. Эконометрическое моделирование. Вып. 2. Модель экономики России для целей краткосрочного прогноза и сценарного анализа. Макаров В.Л., Айвазян С.А., Борисова С.В., Лакалин Э.А. М.: МЭСИ. Учебное пособие. 2002. - 36 с.

77. Матрусов Н.Д. К выделению системы «население хозяйство -территория» как основной категории регионального развития производительных сил. Вестник МГУ. Серия Б. 1993. - С. 43 -f- 48.

78. Матрусов Н.Д. Региональное прогнозирование и региональное развитие России. М.: Наука. 1995. - 263 с.

79. Моделирование в планировании гражданской авиации. /В.Г.Пинаев, Р.В.Сакач, Е.Ф.Косиченко и др. М.: Транспорт. 1983 - 173 с.

80. Моисеев Н.Н. Математические методы экономической науки. М.: Знание. 1973. - 64 с.

81. Методические рекомендации к разработке показателей прогнозов социально экономического развития субъектов Российской Федерации. /Министерство экономического развития и торговли РФ. - М.: 2001. - 189

82. Методические рекомендации по разработке и реализации стратегического плана городского развития. /Под ред. Гринчеля Б.М. и Костылевой Н.Е. СПб.: Институт проблем региональной экономики Российской Академии наук. 2001. - 194 с.

83. Методы анализа данных, http://tvp.ru/prog/methods.htm/.

84. Морозов В.К., Семёнычев В.К. Имитационное моделирование в проектировании, управлении и прогнозировании информационных технологий. Труды Международного форума информатизации «Информационные коммуникации, сети, системы и технологии». М.: 1992.-С.30 -36.

85. Морозов В.К., Семёнычев В.К., Якубович С.К. Основы теории информационных процессов и управления. Самара.: Самвен. 1996. - 210 с.

86. Нефедов А.П., Семёнычев В.К. Анализ экспоненциальных моделей экономики на основе моделей авторегрессии. Вестник учетно -экономического факультета. Вып. № 5. Самара.: Изд - во Самарской гос. экон. акад. 2001. - С.51 - 54.

87. ЮО.Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир. 1975. - 500 с.

88. Никонов А.И., Семёнычев В.К. Введение в анализ характеристик управляющих и измерительных систем. Самара.: Изд - во Самар. гос. техн. ун - та. 1997. - 113 с.

89. Ю2.Нижегородцев P.M. Среднесрочное прогнозирование динамики макроэкономических параметров при помощи гармонических трендов. Труды международной научно практической конференции «Теория активных систем». - М.: ИЛУ РАН. 2003. т.1. - С. 120 - 121.

90. Нижегородцев P.M. Модели логистической динамики как инструмент экономического анализа и прогнозирования. Сб. Моделирование экономической динамики: риск, оптимизация, прогнозирование. /Под ред. Нижегородцева P.M. М.: Диалог. МГУ. 1997. -С.35-51.

91. Ю4.Носко В.П. Эконометрика. Введение в регрессионный анализ временных рядов, www. iet/ru/mipt/2/text/curseconometrics.htm.

92. Ю5.Нуреев Р. Теории развития: новые модели экономического роста. /Вопросы экономики. 2000. № 8. С. 136 - 157.

93. Юб.Орехов Н.А., Лёвин А.Г., Горбунов Е.А. Математические методы и модели в экономике. М.: ЮНИТИ. 2004. - 303 с.

94. Ю7.0рлов А.Н. Эконометрика. М.: Экзамен. 2002. - 576 с.

95. Ю8.Пахомова Е.А., Веселова Д.Е. Развитие жилищной ситуации в России и эконометрический анализ рынка квартир в Москве. Экономика и математические методы. 2001. том 37. № 2. С.38 - 43.

96. Ю9.Петров А. А., Поспелов И.Г., Шананин А. А. Опыт математического моделирования экономики. М.: Энергоатомиздат. 1996. - 554 с.

97. Ю.Петров А.А., Поспелов И.Г., Шананин А.А. От Госплана к неэффективному рынку: математический анализ эволюции российских экономических структур. The Edwin Mellen Press, Lewiston Queenston -Lampeter. - N.Y. USA. 1999. - 393 p.

98. Ш.Петухова И.В., Петухова H.B. Прогнозирование емкости рынка отдельных групп товаров и услуг. Маркетинг в России и за рубежом. № 3 (25). 2001. С.62 - 74.

99. Полетаев А.В., Савельева И.М. Циклы Кондратьева и развитие капитализма. М.: Наука. 1993. - 215 с.

100. ИЗ.Полосова О. Количество показателей при определении экономической динамики. Экономика и математические методы. 2002. том 42. № 3. С.89- 91.

101. Порядок проведения анализа и оценки состояния конкурентной среды на товарных рынках (в ред. Приказа № 71 МАП РФ от 11.03.99.).

102. Постан М.Я. Обобщенная логистическая кривая: её свойства и оценка параметров. Экономика и математические методы. 1993. том 29. Вып.2. С. 305-310.

103. Постановление № 192 Государственного комитета Российской Федерации по статистике «Об утверждении статистическогоинструментария для организации государственного статистического наблюдения за внутренней торговлей на 2003 год» от 2 октября 2002 г.

104. Райхлин Э.Н. Основы экономической теории. Экономический рост и развитие. М.: Наука. 2001.-319 с.

105. Региональная статистика. /Под редакцией В.М. Рябцева, Г.И.Чудилина. М.: Московский издательский дом. 2001. - 380 с.

106. Рохчин В.Е., Жилкин С.Ф. Стратегический выбор города: научный подход. СПб.: ИСЭП РАН. 1998. - 112 с.

107. Салин В.Н. Экономико статистическое изучение потребления. -М.: Финансы и статистика. 1990. - 212 с.

108. Самарин Ю.П., Семенычев В.К. Комплекс ARMA моделей для исследования динамики. Труды международной конференции «Динамика структур». ЧССР. Карловы Вары, 1989. - С.89 - 93.

109. Самарско Тольяттинская агломерация: современное состояние и пути устойчивого развития. /К.А.Титов, В.Я.Любовный, Г.Р.Хасаев и др. -М.: Наука. 1966. -208 с.

110. Саушкин О.О. Система моделей структурной динамики и прогнозирования финансовых и экономических показателей национальной экономики. Автореферат диссертации на соискание ученой степени кандидата физико математических наук. - М.: 1998. - 19 с.

111. Седелев Б.В. Оценка лагов в экономических процессах. Автореферат диссертации на соискание ученой степени доктора экономических наук. М.: МИНХ им. Плеханова. 1974. - 47 с.

112. Селюков В.К. Гончаров С.Г. Анализ спроса и предложения на рынке ипотечного жилищного кредитования в Российской федерации. Маркетинг в России и за рубежом. № 6. 2000. С.29 - 35.

113. Семёнычев В.К. Идентификация экономической динамики на основе моделей авторегрессии. Самара: АНО «Изд - во СНЦ РАН». 2004.- 243 с.

114. Семёнычев В.К. Комплекс методов прогнозирования экономической динамики. Труды международной научно практической конференции «Теория активных систем». - М.: ИПУ РАН. 2003. Т.2. -С. 103 - 104.

115. Семёнычев В.К. Математическое и инструментальное обеспечение экономической безопасности предприятий и отраслей. Вестник Самарского государственного аэрокосмического университета имени С.П.Королева. Самара. СГАУ. 2004. № 2 (6). - С.43 - 47.

116. Семёнычев В.К. Общий подход к идентификации экономической динамики моделями авторегрессии. Вестник Самарского государственного аэрокосмического университета имени С.П.Королева. Самара. СГАУ. 2004. № 4 (6). - С.63 - 68.

117. Семёнычев В.К. Использование Z преобразования для идентификации моделей временных, «невременных» и пространственно -временных рядов. Вестник СамГТУ. Серия «Технические науки». № 33. -Самара. 2005. - С.353 - 357.

118. Семёнычев В.К. Эконометрическое моделирование и прогнозирование экономической эволюции. Сб. Управление организационно экономическими системами: моделирование взаимодействий, принятие решений. - Самара.: Изд - во СГАУ. 2004.- С.83 -86.

119. Семёнычев В.К. Эконометрическое моделирование расширенного воспроизводства на основе авторегрессии. Вестник Самарского государственного аэрокосмического университета имени С.П.Королева. -Изд во СГАУ. - Самара.: 2003. № 2 (4). - С.63 - 68.

120. Семёнычев В.К. Инструментарий оценки тенденций показателей социально экономических систем. Сб. статей Международной научно -методической конференции «Современный российской менеджмент: Состояние, проблемы, развитие». Пенза. 2005. - С.202 - 204.

121. МО.Семёнычев В.К., Жиров В.Г.Информациоииая система оценки финансового состояния предприятия. Вестник СамГТУ. Серия «Технические науки». Самара. 1998. - С. 165 -167.

122. Семёнычев В.К., Семёнычев Е.В. Моделирование логистической тенденции с учетом типовых помех. Вестник СамГТУ. № 31. Серия «Технические науки». Самара. 2005. - С.112 - 117.

123. Семёнычев В.К., Тырсин А.П. Способ определения фазового сдвига синусоидальных сигналов. А.с. № 1566299. Б.И. № 19. 1990.

124. Скопина И.В. Оценка тенденций развития, колеблемости и цикличности конкурентного потребительского рынка. Маркетинг в России и за рубежом. 2003. № 6 (38). С.49 - 57.

125. Скучалина J1.H., Крутова Т.А. Организация и ведение базы данных временных рядов. Система показателей, методы определения, оценки прогнозирования информационных процессов. М.: ГКС РФ. 1995. -42 с.

126. Солнцев В.Н., Холодилин К.А. О проявлениях долгосрочных тенденций в современном экономическом кризисе в России. Экономика и математические методы. 2000. том 36. № 2. С.57 - 62.

127. Соловьев Б. А. Изучение спроса на товары длительного пользования. М.: «Экономика». 1971. - 70 с.

128. Статистические методы анализа экономической динамики. М.: Наука. 1983.-296 с.

129. Статистическое моделирование и прогнозирование. /Под ред. А.Г.Гранберга. М.: Финансы и статистика. 1990. - 388 с.

130. Статистика. /Под ред. В.С.Мхитаряна. М.: Экономист. 2005. -671 с.

131. Стерник Г.М. Статистический подход к прогнозированию цен на жилье. Экономика и математические методы. 1998. том 34. вып. 1. С.85 -90.

132. Твисс Б. Прогнозирование для технологов и инженеров. Практическое руководство для принятия лучших решений. Н.Новгород. Апрсек-НН. 2001.-256 с.

133. Теория статистики. /Под ред.Р.А.Шмойловой. М.:Финансы и статистика. 2004. - 655 с.

134. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. М.: Экзамен. 2003.-512 с.

135. Толстых Т.Н. Проблемы анализа динамики, выбора стратегии развития и моделирования региональной экономики. Автореферат диссертации на соискание ученой степени доктора экономических наук. -Ростов на - Дону. 1998. - 56 с.

136. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютерах. /Под ред.В.Э.Фигурнова. М.: Инфра - М. 1998. -315 с.

137. Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. М.: Финансы. ЮНИТИ. 1999. - 210 с.

138. Федосеев В.В., Эриашвили Н.Д. Экономико математические методы и модели в маркетинге. - М.: ЮНИТИ - ДАНА. 2001. - 159 с.

139. ФЭ РФ от 20 июля 1995 г. «О государственном прогнозировании и программах социально экономического развития Российской федерации. -21 с.

140. Френкель А.А. Математические методы анализа динамики и прогнозирования производительности труда. М.: Экономика. 1972. - 205 с.

141. Хандуев П.Ж. Прогнозирование экономического развития региона (аспекты структурной политики). Новосибирск. Изд - во Новосиб. гос. университета. 1996. - 177 с.

142. Харин Ю.С., Малюгин В.И., Кирлица В.П. и др. Основы имитационного и статистического моделирования экономики. Минск. Дизайн ПРО. 1997. - 228 с.

143. Хасаев Г.Р., Цыбатов В. А. Технология прогнозирования регионального развития: опыт разработки и использования. Проблемы прогнозирования. № 3. 2002. С. 64 - 82.

144. Хачатрян С.Р. Прикладные методы математического моделирования экономических систем. М.: Экзамен. 2002. - 192 с.

145. Хачатрян С.Р., Пинегина М.В., Буянов В.П. Методы и модели решения экономических задач. М.: Экзамен. 2005. - 384 с.

146. Хьюбер П. Робастность в статистике. М.: Мир. 1984. - 304 с.

147. Цыбатов В.А., Дубровин Д.В. Методы, модели и системы прогнозирования регионального развития. /Под ред.Г.Р.Хасаева. Самара. Изд - во Самар. Гос. Экон. Акад. 2003. - 248 с.

148. Чеканский А.Н., Фролова H.JI. Теория спроса, предложения и рыночных структур. М.:ТЕИС. 1999. - 297 с.

149. Чернов В.П. Структуры базовых моделей экономической динамики. Автореферат диссертации на соискание ученой степени доктора экономических наук. СПб.: 1997. - 58 с.

150. Черных Е.В. Исследование платежеспособного спроса и предпочтений потребителей на рынке жилья Краснодара при использовании системы ипотечного кредитования. М.: АЭКСИП. 2002. -65 с.

151. Черняк А.В. Оценка городской недвижимости. М.: Русская Деловая Литература. 1996. - 272 с.

152. Четыркин Е.М. Статистические методы прогнозирования. М.: Статистика. 1977. - 192 с.

153. Чураков Е.П. Математические методы обработки экспериментальных данных в экономике. М.: Финансы и статистика. 2004.-241 с.

154. Шелобаев С.И. Математические методы и модели в экономике, финансах, бизнесе. М.: ЮНИТИ - ДАНА. 2000. - 367 с.

155. Эконометрика. /Под ред. И.И.Елисеевой. М.: Финансы и статистика. 2005. - 575 с.

156. Экономико математические методы и прикладные модели. /Под ред. В.В.Федосеева. - М.: ЮНИТИ. 2001. - 392 с.

157. Экономике математические методы и прикладные модели. /В.А.Половников и др. - М.: Финстатинформ. 1997. - 360 с.

158. Экономическая энциклопедия. М.:Экономика. 1999. - 105 с.

159. Яковенко Е.Г., Басс М.И., Махров Н.В. Циклы жизни экономических процессов, объектов и систем. -М.: Наука. 1991. -214 с.

160. Ямпольская Д.О. Количественные методы анализа и прогнозирования в маркетинге. Спб.: Санкт - Петерб. гос. инж. - экон. ун -т. 2002.- 176 с.

161. Bridges E. New technology adaption in innovative marketplace. Jnter Jornal of Forecasting. 1991. vol.7., № 2. P.257 - 270.

162. Brooks C. Introductory Econometcs for Finance. Cambrige University Press. 2002. - 340 p.

163. Diebold, F. and Lopez, J. Modeling Volatility Dynamics, in K. Hoover (ed.), Macroeconometrics: Developments, Tensions, and Prospects, Boston: Kluwer Academic Press. 1995. P.427 - 472.

164. Gali J., Gertler V. Inflation dynamics: A structural econometric analysis. Journal of Monetary Economics. 1999. № 44. P. 195 - 222.

165. Jonston J. and Di Nargo J. Econometric Methods. 4 th. edeition. Mc Graw-Hill. 1997.-328 p.

166. Life Cycles and Long Waves. \T.Vasko, R.Aytes. Springer. 1990. -328 p.

167. Hendry D. Dynamic Econometrics. Oxford University Press. 1995. -304 p.

168. Nefjodow A., Semjonytschew W. Strategische Planung in der Stadt Nowokuibischewsk: Ergebnisse, Arbeitsrichtungen, Instrumentarium. Wirtschaftliche Strategien der Stadtentwicklung. Munschen.: 2003. - S.248 -251.

169. Ramu Ramanathan. Introductory Econometrics with Applications. 4 ,h ed. Harcourt Inc. 1998.-363 p.

170. Schussmann K. Structural change, urban strategien and European Union policies. /Urban Economic Development and Regeneration. Vol. 1,2:-Brussels.: A publication of Eurocities, Economic Development and Regeneration Committee. 1994. 204 p.

171. SPSSTrends™ 10.10. SPSS Inc. 1999.

172. The Official Web Site of the Nobel Foundation //http:// www/nobel.se/.

173. Theil., Wage S. Some observations on adaptive forercasting. Management Sciense. 1964. Vol.10. - № 2162.

174. Winters P.R. Forercasting sales by exponentially weighted moving averages. Management Sciense. 1960. Vol.6., № 3 P.68 - 79.