РефератБар.ру: | Главная | Карта сайта | Справка
Прогнозирование временных рядов. Реферат.

Разделы: Экономика и управление | Заказать реферат, диплом

Полнотекстовый поиск:




     Страница: 1 из 1
     <-- предыдущая следующая -->

Перейти на страницу:
скачать реферат | 1 





Министерство общего и профессионального образования РФ

Башкирский государственный университет

Кафедра финансов и налогообложения

КУРСОВАЯ РАБОТА
на тему “Прогнозирование временных рядов”



выполнила студентка 3 курса
экономического факультета
гр. 3.6. Абдулалимова А.А.
Научный руководитель –
Саяпова А.Р.

Уфа - 2001
Содержание

1.Теоретическая часть 3
2.Характеристика исходных данных 6
3.Практическая часть
3.1.Компонентный анализ
3.1.1.Оценка и удаление тренда 8
3.1.2.Оценка и удаление сезонной компоненты 10
3.1.3.Моделирование ССП 11
3.1.4.Установление адекватности модели 17
3.2.Адаптивные модели 20
4.Вывод 23

1.Теоретическая часть.
Термин экономико-математические методы понимается как обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономических процессов и систем.
Основным метод исследования систем является метод моделирования, т.е. способ теоретического анализа и практического действия, направленный на разработку и использование моделей. При этом под моделью будем понимать образ реального процесса, отражающий его существенные свойства.
Под задачами экономико-математического моделирования понимаются: анализ экономических объектов и процессов, экономическое прогнозирование, предвидение развития экономических процессов.
Мы рассматриваем два вида экономико-математических моделей: адаптивные модели и компонентный анализ.
Адаптивные модели прогнозирования – это модели, способные приспосабливать свою структуру и параметры к изменению условий.
Общая схема построения адаптивных моделей может быть представлена следующим образом. По нескольким первым уровням ряда оцениваются значения параметров модели. По имеющейся модели строится прогноз на один шаг вперед, причем его отклонение от фактических уровней ряда расценивается как ошибка прогнозирования, которая учитывается в соответствии со схемой корректировки модели. Далее по модели со скорректированными параметрами рассчитывается прогнозная оценка на следующий момент времени и т.д. Т.о. модель постоянно учитывает новую информацию и к концу периода обучения отражает тенденцию развития процесса, существующую в данный момент.
В курсе математического моделирования мы рассматриваем три адаптивные модели: модель Брауна, модель Хольта и модель Хольта-Уинтерса. Эти модели имеют параметры сглаживания: модель Брауна – один, модели Хольта и Хольта-Уинтерса – два и три соответственно.
Теперь о компонентном анализе временных рядов. Временной ряд состоит из нескольких компонент: тренд, сезонная компонента, циклическая компонента (стационарный случайный процесс) и случайная компонента.
Под трендом понимается устойчивое систематическое изменение процесса в течение продолжительного времени. Оценка тренда осуществляется параметрическим и непараметрическим методами. Параметрический метод заключается в подборе гладкой функции, которая описывала бы тенденцию ряда: линейный тренд, полином и т.д. Непараметрический метод используется, когда нельзя подобрать гладкую функцию и заключается в механическом сглаживании временных рядов методом скользящей средней.
Во временных рядах экономических процессов могут иметь место более или менее регулярные колебания. Если они строго периодический или близкий к нему характер и завершаются в течении одного года, то их называют сезонными колебаниями. Оценка сезонной компоненты осуществляется двумя способами: с помощью тригонометрических функций и методом сезонных индексов.
В тех случаях, когда период колебаний составляет несколько лет, то говорят, что во временном ряде присутствует циклическая компонента или стационарный случайный процесс. Моделирование ССП осуществляется следующими методами: модель авторегрессии (АР), модель скользящего среднего (СС), модель авторегрессии скользящего среднего (АРСС) и модель авторегрессии проинтегрированного скользящего среднего (АРПСС).
Авторегрессионный процесс – процесс, в котором значения находятся в линейной зависимости от предыдущих. АР бывают первого порядка (Марковский процесс) и второго(процесс Юла). Порядок АР обозначается через p.
В моделях скользящего среднего мы выделяем период запаздывания (q).
Если у нас присутствуют и p и q, то мы имеем дело с моделью АРСС.
В моделях АР, СС, АРСС моделируют ряд без тренда и сезонной компоненты, т.е. ССП. Модель АРПСС позволяет исключить тренд путем перехода к разностям исходного ряда. Порядок разности, при котором ряд становится ССП дает нам d, которая является третьей неизвестной необходимой при моделировании АРПСС плюс ранее упомянутые p и q.
Прогнозирование с помощью компонентного анализа состоит из следующих шагов: оценка и удаление тренда, оценка и удаление сезонной компоненты, моделирование ССП, конструирование прогнозной модели и выполнение прогноза.
В конце, после прогнозирования мы проверяем полученную модель на адекватность, т.е. соответствие модели исследуемому объекту или процессу. Т.к. полного соответствия модели реальному процессу или объекту быть не может, адекватность – в какой-то мере – условное понятие. Модель временного ряда считается адекватной, если правильно отражает систематические компоненты временного ряда.

2.Характеристика исходных данных.



Дата
Данные

Дата
Данные

17.09.2001
87,5546

31.10.2001
90,1826

18.09.2001
87,4391

1.11.2001
89,8761

19.09.2001
84,5301

2.11.2001
91,5291

20.09.2001
83,7572

5.11.2001
93,2659

21.09.2001
79,2693

6.11.2001
93,1579

24.09.2001
82,4232

7.11.2001
94,5799

25.09.2001
84,3556

8.11.2001
95,0691

26.09.2001
84,5737

9.11.2001
94,7875

27.09.2001
83,9814

12.11.2001
93,4776

28.09.2001
86,3375

13.11.2001
95,5143

1.10.2001
86,599

14.11.2001
96,8397

2.10.2001
87,3761

15.11.2001
97,4543

3.10.2001
88,0099

16.11.2001
97,5407

4.10.2001
89,8228

19.11.2001
98,2696

5.10.2001
88,9447

20.11.2001
98,2506

8.10.2001
89,3786

21.11.2001
97,4645

9.10.2001
89,2734

22.11.2001
98,0953

10.10.2001
89,7515

23.11.2001
98,0437

11.10.2001
92,0404

26.11.2001
98,6222

12.10.2001
91,4634

27.11.2001
97,7607

15.10.2001
91,8107

28.11.2001
96,628

16.10.2001
92,3968

29.11.2001
96,2972

17.10.2001
91,9989

30.11.2001
97,5226

18.10.2001
90,6101

3.12.2001
96,5187

19.10.2001
90,8081

4.12.2001
97,0024

22.10.2001
91,0108

5.12.2001
98,7592

23.10.2001
92,4902

6.12.2001
99,9798

24.10.2001
92,1829

7.12.2001
99,3854

25.10.2001
91,4308

10.12.2001
98,6803

26.10.2001
93,6935

11.12.2001
97,9448

29.10.2001
92,3283

12.12.2001
97,4542

30.10.2001
90,1196

13.12.2001
96,913


     Страница: 1 из 1
     <-- предыдущая следующая -->

Перейти на страницу:
скачать реферат | 1 

© 2007 ReferatBar.RU - Главная | Карта сайта | Справка