Отделение статистики, анализа данных и демографии статистические методы анализа экономики и общества
Скачать 2.49 Mb.
|
Таблица 1 Рейтинг ПИФов акций
Рейтинг ПИФов смешанных инвестиций
Специфика деятельности ПИФов не позволяет отделять их результаты деятельности от показателей управляющей компаний (УК). Качественные факторы, которые учитывались при составлении рейтинга: умение и опыт работы с различными типами паевых фондов; целостность стратегии УК по развитию ее ПИФов; рост числа новых клиентов (доверие со стороны старых клиентов); уровень информационной прозрачности для клиентов; качество управления и оценка рисков; устойчивость управляющей компании на рынке. Литература
СТАТИСТИЧЕСКИЙ АНАЛИЗ НАУЧНО-ИННОВАЦИОННОГО РАЗВИТИЯ СТРАН BRICS ПО ПОКАЗАТЕЛЯМ ПАТЕНТНОЙ ДЕЯТЕЛЬНОСТИ Стовманенко Артём Юрьевич (Москва, НИУ ВШЭ) В экономических моделях эндогенного роста экономический прогресс зависит от производства и распространения новых идей. 14 Потенциал инновационного развития страны показывает в первую очередь патентная деятельность по результатам научных исследований и разработок, которые представляют знания, которые реализованы в виде новых открытий, гипотез, технологий. Статистика патентной деятельности охватывает огромный диапазон инноваций, с высокой вероятностью гарантирован полный охват рассматриваемого в работе явления. Среди немногих имеющихся показателей в области инновационной деятельности, патентные показатели, вероятно, наиболее используемые. По крайней мере, патентная статистика позволяет измерить технологические результаты научной деятельности и разработок. Чем больше патентов, тем больше изобретений. В исследовании Hagedoorn & Clood (2003), результатом стало, что количество заявок на патент, поданных компанией, отражает её технологическую эффективность (выборка состояла из 1200 компаний в сфере высоких технологий). С помощью патентной статистики можно определить динамику инновационного процесса, например, распространение технологий в различных отраслях или странах. В то время как число патентных заявок является успешным инновационным показателем, патенты не отражают того, что изобретение может не применяться в производстве, так как изобретатель понимает, что изобретение не используется в промышленных целях. Патент может использоваться в качестве барьера для вхождения в отрасль новых предприятий или для блокировки конкурентов. По обследованию PatVal15 (2005) около 40% патентов не используются в производстве, из них 18,7% создано для борьбы с конкурентами, 17,4% не используются вообще. В данной работе рассмотрены важные характеристики таких патентных ведомств как EPO, USPTO, Роспатент. Далее представлена динамика количества поданных заявок на патент в различные ведомства, также проиллюстрирована динамика подачи заявок на период 1895-2011 г.г. в мире. Прежде чем начать анализ был поставлен вопрос о выборе одной группы стран, показывающих устойчивое развитие на протяжении последнего десятка лет и занимающих высокие позиции по многим экономическим показателям. В итоге выбрана группа стран BRICS – именно она включает страны с высокими индикаторами экономики, высокой концентрацией ресурсов, численностью населения. Первый этап работы содержит днамику поданных заявок в патентные ведомства различных стран мира странами BRICS, затем выявлены приоритетные патентуемые отрасли изобретателями этих стран по группам и рубрикам международной патентной классификации. Во второй части проанализирована технологическая специализация России и ее стран партнеров (BRICS) на основе данных о поданных заявлениях на патент в национальное патентное ведомство, EPO, USPTO и заявлениях, поданных по программе PCT. Также патентная деятельность этих стран определена показателями изобретательской активности, коэффициента распространения, самообеспеченности и технологической зависимости. Также работа включает исследование зависимости количества поданных заявлений на объем инновационных товаров, работ и услуг в 2010 году (результативность научно-исследовательской деятельности данных стран) с использованием методов статистического анализа. Литература
АНАЛИЗ ФИНАНСОВО-ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ОАО «ГАЗПРОМ» Талалаева Полина Сергеевна, Петрова Ольга Николаевна (Москва, МЭСИ) На территории Российской Федерации сосредоточено около 30% мирового запаса газа и вот уже более 15 лет страна остается крупнейшим поставщиком в Европу, обеспечивая Европейский Союз примерно третью потребляемого им газа. ОАО «Газпром» - это крупнейшая российская газодобывающая и газораспределительная компания, ставшая в 2009 году самой прибыльной в мире. По объемам запасов, добыче газа и рыночной капитализации группа Газпром является одной из крупнейших газовых и нефтяных компаний в мире. Основная часть выручки приходится на продажу газа, нефти и прочих углеводородов в страны Западной и Центральной Европы, Россию, а также другие страны бывшего Советского Союза. В процессе анализа деятельности компании достаточно явно прослеживается сильная прямая взаимосвязь между объемами реализации природного газа в России, в Европу, а также в страны СНГ и Балтии, что в принципе не удивительно, так как именно этими тремя направлениями представлены основные рынки сбыта. Для более подробного анализа рассмотрим динамику основных показателей деятельности ОАО «Газпром». В первую очередь рассмотрим динамику чистой прибыли компании за период с 2005 по 2010 год. В 2005 году чистая прибыль компании составила 203438,682 млн.руб. В 2006 г. прибыль увеличилась почти на 70 %, что в абсолютном выражении составило 140241,385 млн.руб. В 2008 году наблюдалось неестественное снижение прибыли до 173021,630 млн.руб., сущность этого явления кроется в квартальной динамике показателя. Так, в 4-м квартале 2008 года чистый убыток ОАО «Газпром» составил 259870,841 млн.руб. по сравнению с чистой прибылью за 3-й квартал 2008 г. в размере 147188,809 млн.руб. Появление чистого убытка в 4-м квартале 2008 г. вызвано в основном переоценкой финансовых вложений (ценных бумаг) по текущей рыночной стоимости по состоянию на 31 декабря 2008 года (так говорилось в сообщении компании). Чистая прибыль «Газпрома» по РСБУ (Российские стандарты бухгалтерского учета) за 2008 год уменьшилась по сравнению с 2007 годом - 360450 млн. руб., в 2 раза. Как уже упоминалось ранее, по масштабам рыночной капитализации ОАО «Газпром» является одной из крупнейших газовых и нефтяных компаний в мире. Однако на протяжении нескольких последних лет наблюдалось устойчивое снижение этого показателя. Особенно сильным снижение было также в IV квартале 2008 г. - 2531525,208 млн. руб. против 8171827,660 млн. руб. в аналогичном квартале 2007 г. Так как рыночная капитализация тесно связана с котировками акций, то достаточно логичным выглядит тот факт, что при падении американского рынка, вслед за которым во время Мирового финансового кризиса падают и рынки развивающихся стран, падают и котировки большинства голубых фишек, таких как Лукойл и Газпром. В целом в 2010 г наблюдалось восстановление мировой экономики, что привело к росту потребления газа в мире. В 2010 г. чистая выручка от продаж газа составила 2186205 млн. руб., что на 6 % больше, чем в кризисном 2008 г. При этом на долю выручки от реализации газа в Европу приходится 50,28%. То есть, несмотря на рост спроса, объемы экспорта российского газа в Европу по сравнению с 2008 - 2009 гг. незначительно снизились. Связано это с двумя существенными факторами – кризисом мировой финансовой системы и стремлением стран Европейского Союза постепенно сократить степень их зависимость от поставок газа из России. В отношении внутреннего рынка, а также стран СНГ и Балтии, наоборот, наблюдается положительная динамика выручки от реализации газа. Таким образом, несмотря на Мировой финансовый кризис, благодаря своему особому положению в сфере добычи и реализации газа, ОАО «Газпром» довольно уверенно чувствовала себя на мировом рынке. Рост чистой прибыли, перераспределение объемов реализации газа, позволили компании не только не сократить расходы на работников в переломные моменты для экономики, но и продемонстрировать огромный потенциал для дальнейшего развития и устойчивого роста группы. До тех пор, пока газ будет являться одним из важнейших энергетических ресурсов, компании гарантированы стабильное развитие и лидирующие позиции на мировом рынке. Литература
МОДЕЛИРОВАНИЕ ПРОЦЕССА ГЛОБАЛИЗАЦИИ МЕТОДОМ КЛЕТОЧНЫХ АВТОМАТОВ Тараскина Ксения Валерьевна (Саратов, НИУ СГУ им. Н.Г. Чернышевского) Общество представляет собой сложную динамическую саморазвивающуюся систему, состоящую из огромного количества однотипных агентов. Общие, «планетарные» процессы в различных сферах жизни общества трудно поддаются контролю, изучению и прогнозированию, однако именно они отражают актуальное на данный момент понятие глобализации. Попробуем рассмотреть это явление через призму социального аспекта, то есть с позиций влияния каждого отдельного человека на общество в целом, принимая во внимание развитие информационных технологий, которые значительно расширяют круг общения индивида. Для моделирования указанного аспекта часто используются динамические саморазвивающиеся дискретные системы многих частиц – так называемые клеточные автоматы [1], которые меняются свое состояние одновременно и согласно единому правилу, исходя их состояний их ближайшего окружения. Теория клеточных автоматов представляет пространство в виде матрицы, каждая ячейка которой принимает некоторое значение; локальная окрестность рассматриваемой клетки пространства есть её ближайшие соседи. Таким образом, клетка меняет своё состояние в зависимости от состояния клеток из локальной окрестности; это зависимость и является правилом клеточных автоматов. Социальные процессы идеально подходят для моделирования методом клеточных автоматов, т.к. представлены большим набором индивидов, действующих исходя из состояния их ближайшего окружения. Термин «глобализация» можно переформулировать в рамках теории клеточных автоматов как увеличение разнообразия и количества общественных связей индивида, а также изменение формы его локальной окрестности. Таким образом, элементарная ячейка общества определяется как индивид с некоторым набором связей, т.е. его локальной окрестностью. Следует отметить, что для моделирования применяется набор окрестностей для каждого агента, т.к. количество контактов у каждого индивида может быть различным. Моделирование будет производиться в специализированном программном комплексе для исследования процессов конкуренции, моделирования массопереноса и процесса обратимой агрегации. Однако, вернемся к термину «глобализация» - благодаря сформулированному выше определению можно определить меру глобализации как координационное число (количество) связей на индивида[2]. При рассмотрении «идеального» общества это число не будет варьироваться, а будет постоянным для каждого агента, при этом можно проследить эволюцию процесса глобализации как увеличение количества связей индивида, представив ее в виде n-мерных картин или изменение формы локальной окрестности в двумерном пространстве.  Рисунок 1. Различные виды локальных окрестностей: 2 соседа (а), 8 соседей (б), 12 соседей (в), г – вырожденный случай, когда каждая клетка входит в окружение каждой клетки Когда координационное число будет равно количеству агентов минус единица - мир будет полностью глобализован. Собственно, меняя характер окрестности и размерность модели, можно смоделировать социум в будущем и предсказать новые общественные процессы и явления, которые породит глобализация. Литература
ИЗМЕРЕНИЕ ВОСПРИЯТИЯ ВЫПУСКНИКАМИ ПЕРМСКИХ ВУЗОВ КАЧЕСТВА ВЫСШЕГО ОБРАЗОВАНИЯ Теплых Григорий Васильевич (Пермь, НИУ ВШЭ) Качество высшего образования это сложная многогранная категория, не имеющая единого общепринятого определения. В то же время, согласно теории управления качеством, качество услуг можно определить с позиции удовлетворенности потребителя. Потребителями образовательных услуг вуза являются различные стейкхолдеры, в частности общество в целом или работодатели. Однако в последнее время становится всё более актуальной оценка образования непосредственно с позиции тех, кто там учится. Для исследования использована база данных результатов анкетирования по выпускникам инженерных специальностей вузов города Перми. Опрос проведен в 2009 году в рамках исследовательского проекта Стэнфордского университета. Анкеты помимо прочего включали вопросы по отношению выпускников к вузу и качеству полученного образования. Целью исследования является получение содержательных выводов по восприятию выпускниками качества образования на основе небольшого числа легко интерпретируемых показателей. В качестве методической базы использован инструментарий снижения размерности данных. Переход к меньшему числу индикаторов сохраняет структуру и информативность исходных данных, но при этом позволяет делать более общие выводы. В качестве метода обработки данных был применён нелинейный метод главных компонент (NLPCA) в рамках систем Гифи. Выбор метода обусловлен исходной базой – анкетные вопросы в основном являются порядковыми переменными. Системы Гифи нацелены на работу как раз с категориальными показателями, осуществляя их квантификацию одновременно с расчётом главных компонент. Вопросы анкеты были объединены в две группы показателей – общее отношение выпускников к факультету и оценка выпускниками изменения знаний и навыков за время учёбы в вузе. В ходе обработки показателей NLPCA отдельно по каждой группе получено четыре компоненты (по две в каждой группе), которые объясняют около 50% исходной дисперсии и которые могут быть объяснены как интегральные индикаторы оценки выпускниками качества высшего образования. Полученным компонентам можно дать конкретную интерпретацию на основе анализа матриц нагрузок (рис. 1. и 2). Первые компоненты по обеим группам положительно коррелируют со всеми показателями и потому могут быть приняты за интегральную оценку выпускниками качества образования – отношение к факультету (первая группа) и комплексное изменение знаний и навыков в вузе (вторая группа). Вторые компоненты по группам имеют схожее содержание – они отражают внимание выпускников к прикладному практическому аспекту обучения в вузе.   |
Похожие:
 | Программа дисциплины " Многомерные статистические методы" для направления... Экстернат – самостоятельное изучение обучающимся дисциплин согласно основной образовательной программе высшего профессионального... | | Программа дисциплины " Эконометрика " для направления 080100. 62... Гос впо по специальности 080507. 65 Менеджмент организации, утвержденными 17 марта 2000, №234 эк/сп |
| Программа дисциплины " Эконометрика-2" для направления 080100. 68... Гэ по русскому языку и литературе. Данная программа позволяет подготовиться к сдаче егэ. Особенностью данного курса является то,... | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, Data Mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Факультет экономики ... |
 | Статистические методы анализа языка как способ повышения эффективности... Утверждена отделом документационно-содержательного обеспечения учебного процесса Ургпу | | Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» |
| Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» | | Рабочая программа по дисциплине Аналитическая химия и физико-химические методы анализа Цели и задачи дисциплины: Освоение теоретических основ современных химических методов анализа, аналитических методик и приемов, статистической... |
| Конспект лекций по системному анализу Лекция: История, предмет, цели системного анализа 2 Рассматриваются история развития и предмет системного анализа, системные ресурсы общества, предметная область системного анализа,... | | Анализа данных-4: анализ издержки-выгод Методы анализа данных-4: анализ издержки-выгоды, анализ издержки-эффективность (17 ноября 2005)1 |
