Abstract
Цель: построение адаптивной модели бинарного выбора на основе нового подхода к реализации адаптивных принципов. Обсуждение: принципы адаптации, перекочевав из живой природы в науку, технику, теорию и практику управления, показывают абсолютную универсальность. Трудно назвать область человеческой деятельности, в которой эти принципы нельзя было бы использовать. Особое место они занимают в моделировании экономических процессов. Механизм, с помощью которого осуществляется практическая реализация принципов адаптации, основан на экспоненциальном сглаживании. Процедура экспоненциального сглаживания оказалась столь удачной, что ее использовали даже при объяснении смысла гипотезы адаптивных ожиданий. В результате применения этой процедуры происходит затухание более ранних тенденций и закономерностей, что естественным образом обеспечивает доминирование закономерностей, демонстрируемых последними наблюдениями. Возникает закономерный вопрос: действительно ли процедура экспоненциального сглаживания представляет собой единственный способ, с помощью которого удается осуществить плавную замену старых тенденций новыми. В исследовании предлагается не затухание более ранних тенденций, а усиление вновь нарождающихся. Понятно, что усиление новых тенденций автоматически приводит к относительному снижению значимости старых. Фактически достигается тот же самый эффект. Результаты: предлагаемый способ построения адаптивного механизма назван степенным сглаживанием, что, по мнению авторов, подчеркивает аналогичность его предназначенности с экспоненциальным сглаживанием. Но в отличие от экспоненциального сглаживания степенное сглаживание применяется для построения нелинейных регрессионных моделей, коэффициенты которых оцениваются с помощью метода максимального правдоподобия, специфика которого учитывается экспоненциальным сглаживанием. Изложены детали применения этого подхода дял построения адаптивной модели бинарного выбора.
Highlights
Ключевые слова: адаптация, адаптивная модель бинарного выбора, экспоненциальное сглаживание, метод максимального правдоподобия, метод наименьших квадратов, степенное взвешивание
The exponential smoothing is the basis of practical implementation of adaptation principles mechanism and the adaptive expectations hypothesis
The authors consider the question of uniqueness of exponential smoothing procedure in the implementation the smooth replacement of old with new trends
Summary
Давнис Валерий Владимирович, д-р экон. наук, проф. Юрова Яна Александровна, преп. Процедура экспоненциального сглаживания оказалась столь удачной, что ее использовали даже при объяснении смысла гипотезы адаптивных ожиданий. Но в отличие от экспоненциального сглаживания степенное сглаживание применяется для построения нелинейных регрессионных моделей, коэффициенты которых оцениваются с помощью метода максимального правдоподобия, специфика которого учитывается экспоненциальным. Изложены все детали применения этого подхода для построения адаптивной модели бинарного выбора. С помощью этих моделей моделируются вероятности событий, появление которых описывается дискретным временным рядом со значениями, идентифицирующими те события, которые имели место в это время при соответствующих условиях. Адаптивные модели временных рядов При анализе публикаций данной тематики можно сделать вывод о наибольшей практической востребованности моделей, основой адаптивного механизма которых является процедура экспоненциального сглаживания. Предпосылками к этому служит то, что модели с механизмом экспоненциального сглаживания применяются даже при отсутствии. Учитывая обозначенный исторический факт развития науки прогнозирования, необходимо обратить внимание на основные принципы формирования экономических процессов при помощи модели, которая является полиномом нулевого порядка. Для идентификации указанных выше тенденций необходимо обратить внимание на специализированный научный инструментарий, позволяющий заблаговременно предусмотреть в прогнозных моделях соответствующие механизмы, которые должны будут уточнять текущую актуальность моделей по показателям статистики об изменениях
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.