PROGNOZOWANIE I SYMULACJA
1. Ogólne zagadnienia prognozowania
(podstawowe pojęcia, metody prognozowania, rodzaje prognoz, horyzont prognozy, błąd prognozy ex post i ex ante, szacowanie brakujących danych, miary dokładności wnioskowania w przyszłość)
2. Prognozowanie na podstawie klasycznych modeli trendu
(wyznaczanie funkcji trendu, prognozowanie na podstawie trendu, modele uwzględniające wahania periodyczne, metoda trendów jednoimiennych okresów, metoda Kleina, analiza harmoniczna, metoda wskaźników sezonowości)
3. Prognozowanie na podstawie modeli adaptacyjnych
(metoda średniej ruchomej prostej i ważonej, metody naiwne, metoda wyrównania wykładniczego, metoda wyrównania wykładniczo-autoregresyjnego, metoda Holta, metoda Wintersa, prognozowanie na podstawie trendu pełzającego)
4. Predykcja na podstawie liniowych modeli ekonometrycznych
(analityczna postać modelu ekonometrycznego, współliniowość zmiennych, zbiór zmiennych objaśniających modelu ekonometrycznego, jednorównaniowy model liniowy)
5. Predykcja na podstawie modeli autoregresywnych
(ogólny proces liniowy, proces autoregresji AR, proces średniej ruchomej MA, proces autoregresji i średniej ruchomej ARMA, model klasy ARIMA, modele z opóźnieniem zmiennej zależnej)
6. Prognozowanie metodami heurystycznymi
(kryteria wyboru ekspertów, burza mózgów, metoda delficka, prognozowanie przez analogię, konstruowanie scenariuszy, metoda ankietowa)
7. Prognozowanie z wykorzystaniem sieci neuronowych
(wprowadzenie do problematyki sieci neuronowych, wybór odpowiednich zmiennych, przygotowanie danych, proces uczenia i testowania sieci neuronowej, ocena jakości sieci neuronowej)