Прогнозирование емкости и коньюктуры рынка

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Московский Государственный Текстильный Университет

имени А. Н. Косыгина

кафедра экономики

ИНДИВИДУАЛЬНОЕ ЗАДАНИЕ (вариант №23, 1 и 2 часть)

По курсу:

«Прогнозирование емкости и коньюктуры рынка».

Выполнил: студент группы 47-03

Котляр Владимир

Проверил:

Станкевич А.В.

Москва – 2007

Задание № 1

На основании данных о еженедельном спросе на текстильную продукцию:

построить график (рис. 1) и визуально оценить наличие в нем тенденции;

проверить наличие или отсутствие в исходном временном ряде тенденции с помощью коэффициента Кендэла;

если исходный ряд является стационарным, то рассчитать точечный и интервальный прогноз с периодом упреждения прогноза, равным 1.

Рис. 1. Еженедельный спрос на текстильную продукцию

При визуальной оценке наличия в графике тенденции можно отметить сильную его приближенность к полиному высокого порядка (шестой степени), использование которого нецелесообразно, поскольку полученные таким образом аппроксимирующие функции будут отражать случайные отклонения, что противоречит смыслу тенденции.

Таким образом, в результате визуальной оценки можно сделать вывод об отсутствии в графике тенденции.

2).

Определим расчетное значение коэффициента Кендэла (tр):

где n – количество уровней во временном ряде.

Коэффициент Кендэла является случайной величиной, соответствует нормальному распределению и изменяется от -1 до +1. Теоретическими характеристиками коэффициента Кендэла являются математическое ожидание, которое равно нулю (Мt = 0) и дисперсия, рассчитываемая по формуле:

Если сопоставить расчетное и теоретическое значение коэффициента Кендэла, то может возникнуть три ситуации.

1) (0 – td Ч) < tр < (0 + td Ч),

где td – коэффициент доверия.

Данный вариант означает, что с вероятностью td во временном ряде нет тренда.

2) tр < (0 – td Ч)

Данный вариант означает, что с выбранной вероятностью в ряде имеет место убывающая тенденция.

3) tр > (0 + td Ч)

Данный вариант означает, что с выбранной вероятностью в ряде имеет место возрастающая тенденция.

При выбранной вероятности 0,95 (95%) коэффициент доверия td = 1,96.

(0 – 1,96 Ч ) < tр < (0 + 1,96 Ч )

- 0,488 < - 0,0222 < + 0,488

Таким образом, с вероятностью 95% можно говорить об отсутствии тенденции среднего уровня (тренда) во временном ряде.

3)

Так как во временном ряде нет тенденции, то данный временной ряд является стационарным процессом.

Поскольку в ряде отсутствует тенденция, то точечный прогноз определяется как средняя арифметическая простая:

где n – количество уровней ряда.

Интервальный прогноз:

=+ tg Ч,

где tg – табличное значение по распределению Стьюдента с числом степеней свободы

К = n – 1 и уровнем значимости а; – дисперсия временного ряда.

При заданном уровне значимости a = 0,05 (g = 1 – а = 1 – 0,05 = 0,95) и числе степеней свободы К = 10 – 1 = 9, определим табличное значение t-критерия Стьюдента (см. Приложение 1). Табличное значение критерия Стьюдента tg = 2,262.

Определим интервальный прогноз.

=17,7 – 2,262 Ч= + 14,8

=24,16 + 2,262 Ч= + 20,6

Таким образом, с вероятностью 0,95 (95%) можно говорить о том, что на 11-ю неделю уровень ряда будет находиться в промежутке между 14,8 и 20,6.

Задание № 2

По данным о ежедневном обороте магазина «Ткани для дома»:

построить график исходного временного ряда и визуально оценить наличие в нем тенденции и возможный ее тип. Сгладить исходный временной ряд с помощью скользящей средней (шаг сглаживания равен 3). Построить график сглаженного ряда и визуально оценить возможный в нем тип тенденции. Оба графика построить на одном чертеже (рис. 2). Результаты обеих визуальных оценок отметить в отчете;

оценить с помощью метода Фостера – Стюарта и коэффициента Кендела наличие тенденции (в среднем и дисперсии) в исходном временном ряде. Сравнить полученные оценки с оценками, полученными при выполнении пункта 1, и сделать окончательный свой вывод. Результаты вывода отметить в отчете;

по исходным данным методом усреднения по левой и правой половине определить параметры линейного тренда = а0 + а1t. Построить график исходного временного ряда и полученного линейного тренда на одном чертеже (рис. 3). Оценить визуально, отражает ли линейный тренд тенденцию временного ряда? Свой вывод отразить в отчете;

по исходным данным методом МНК рассчитать параметры линейного тренда = а0 + а1t. Кроме того, выбрать нелинейную модель, которая, по вашему мнению, может хорошо описать тенденцию исходного временного ряда. Рассчитать параметры выбранной вами нелинейной трендовой модели. Построить три графика (исходный временной ряд, линейная и выбранная вами нелинейная трендовая модели) на одном чертеже (рис. 4). Определить аналитическим способом, какая из двух трендовых моделей (линейная и нелинейная) наилучшим образом аппроксимирует исходный временной ряд;

построить график ряда отклонений еt (рис. 5) и визуально оценить отсутствие в нем тенденции. Оценить адекватность выбранной модели тренда исходному ряду на основе анализа данных ряда отклонений;

рассчитать точечную и интервальную прогнозную оценку с периодом упреждения, равным t = 1.

1)

Рис. 2. Еженедельный оборот магазина «Ткани для дома» (исходный и сглаженный ряд)

После построения графика (рис. 2) можно сделать вывод о наличии возрастающей тенденции. После построения сглаженного ряда стало более наглядно видно наличие возрастающей тенденции.

2). а) Метод Фостера – Стюарта

Выдвинем нулевую гипотезу: во временном ряде (данные графы 2) нет тенденции среднего уровня и нет тенденции дисперсии. Для проверки выдвинутой нулевой гипотезы необходимо рассчитать по формулам и значения t1 и t2. Но для этого надо знать значения μ, σ1, σ2 . В приложении 1 приведены данные для n=10 и для n=15, а нам надо найти данные для n=12.

Для нахождения данных при n=12 используем принцип интерполяции, предположив, что эти данные в интервале от n=10 до n=15 изменяются линейно, т.е. равномерно. Поэтому нам нужно к значениям данных при n=10 прибавить их изменения за два (2=12–10) шага и получить искомые данных.

Найдем μ для n=12 следующим образом. Значение μ для n=10, согласно приложению 1, равно 3,858. Увеличение μ при изменении n на 2 шага найдем следующим образом

.

Отсюда μ(12)=μ(10)+Δμ=3,858+0,311=4,169. Аналогичным образом найдем значения для σ1(12)=1,381 и для σ2(12)=2,040. По формулам (2.7) найдем значения t1 и t2

= (8 – 4,169)/1,381 = 3,326; = (8-0)/2,040 = 3,92

Случайные величины t1 и t2 имеют распределение Стьюдента с числом степеней свободы К = n – 1 = 12 – 1 = 11 и уровнем значимости a, который может принимать значения 0,01; 0,05 и т.д. Примем уровень значимости (вероятность, с которой исследователь может ошибиться), равный 0,05 (5%). На основе выбранного уровня значимости а = 0,05 рассчитаем доверительную вероятность: g = 1 – а = 1 – 0,05 = 0,95.

По числу степеней свободы К = 11 и величине доверительной вероятности g = 0,95 по таблице «Значение t-критерия Стьюдента» (Приложение 1)определим табличное значение случайной величины (tg): tg = 2,201.

Расчетные значения t1 и t2 сопоставим с табличным tg.

Если сопоставить расчетные значения t1 и t2 с табличным tg, то может возникнуть четыре ситуации.

1) |t1| > |tg|.

Данный вариант означает, что нулевая гипотеза об отсутствии в ряде тенденции отвергается и с вероятностью g во временном ряде имеет место тенденция дисперсии.

2) |t1| < |tg|.

Данный вариант означает, что нулевая гипотеза об отсутствии в ряде тенденции принимается и с вероятностью g во временном ряде нет тенденции дисперсии.

3) |t2| > |tg|.

Данный вариант означает, что нулевая гипотеза об отсутствии в ряде тенденции отвергается и с вероятностью g во временном ряде имеет место тенденция в среднем.

4) |t2| < |tg|.

Данный вариант означает, что нулевая гипотеза об отсутствии в ряде тенденции принимается и с вероятностью g во временном ряде нет тенденции в среднем.

1) 3,326 > 2,201; 3,92 > 2,201Ю нулевая гипотеза об отсутствии в ряде тенденции отвергается и с вероятностью g = 0,95 можно говорить, что во временном ряде имеет место тенденция дисперсии

б) Метод коэффициента Кенделла

Определим расчетное значение коэффициента Кендэла (tр):

где n – количество уровней во временном ряде.

Коэффициент Кендэла является случайной величиной, соответствует нормальному распределению и изменяется от -1 до +1. Теоретическими характеристиками коэффициента Кендэла являются математическое ожидание, которое равно нулю (Мt = 0) и дисперсия, рассчитываемая по формуле:

Если сопоставить расчетное и теоретическое значение коэффициента Кендэла, то может возникнуть три ситуации.

1) (0 – td Ч) < tр < (0 + td Ч),

где td – коэффициент доверия.

Данный вариант означает, что с вероятностью td во временном ряде нет тренда.

2) tр < (0 – td Ч)

Данный вариант означает, что с выбранной вероятностью в ряде имеет место убывающая тенденция.

3) tр > (0 + td Ч)

Данный вариант означает, что с выбранной вероятностью в ряде имеет место возрастающая тенденция.

При выбранной вероятности 0,95 (95%) коэффициент доверия td = 1,96.

tр > (0 + 1,96 Ч )

0,85 > + 0,434

Таким образом, с вероятностью 0,95 (95%) можно говорить о наличии в ряде возрастающей тенденции в среднем (тренда).

В ходе анализа временного ряда на наличие в нем тенденции среднего уровня (тренда) по методу Фостера – Стюарта и методу коэффициента Кенделла получены аналогичные результаты. Следовательно, в ряде отмечается возрастающая тенденция в среднем.

Таким образом, визуальная оценка нашла свое подтверждение в ходе аналитических расчетов с использованием соответствующих методов оценки временного ряда на наличие в нем тенденции.

3). Метод усреднения по левой и правой половине

Метод усреднения по левой и правой половине - графический метод, используется для нахождения параметров линейного тренда.

Для нахождения параметров а0 и а1 разделим исходные данные пополам и по каждой половине рассчитаем средние значения фактора и уровня ряда.

В результате расчетов получили две точки: А (3,5; 13,25), В (9,5; 15,95).

Построим графическую модель исходного временного ряда и найдя точки А и В, проведем через них прямую, которая будет отображать тенденцию исходного временного ряда (рис. 3).

Рис. 3. Еженедельный оборот магазина «Ткани для дома» (исходный ряд и линейный тренд)

Из графика видно, что построенный линейный тренд отражает тенденцию исходного ряда: возрастающий тренд.

Для нахождения параметра а0 продолжим линию до пересечения с осью ординат. Чтобы найти параметр а1, преобразуем уравнение тренда:

а1t = – а0 | :t

Зададимся произвольным значение параметра t (например, t = 3,5). По графику модели найдем значение параметра а0 (а0 = 13,45). Рассчитаем значение параметра а1.

Таким образом, уравнение линейного тренда будет иметь следующий конкретный вид:

= 11,8+ 0,41t.

4). Расчет параметров линейного тренда t = а0 + а1t по исходным данным методом МНК.

Для нахождения параметров строится система нормальных уравнений.

=(175,2*650-78*1204,5)/(12*650-78*78)=11,614;

=(12*1204,5-175,2*78)/(12*650-78*78)=-0,459

Расчет параметров параболического тренда t = а0 + а1t + a2t2 по исходным данным методом МНК.

Для нахождения параметров строится система нормальных уравнений.

na0 + a1St + a2St2 = Sy;

a0St + a1St2 + a2St3 = Syt;

a0St2 + a1St3 + a2St4 = Syt2.

Таким образом, параболический тренд имеет следующий вид:

t = 11,12 + 0,67 Ч t - 0,016 Ч t2.

Рис. 4. Еженедельный оборот магазина «Ткани для дома» (исходный ряд, линейный и параболический тренд)

Проведем оценку аппроксимации линейного тренда и выбранной параболической трендовой модели с помощью критерия наименьшей суммы квадратов отклонений, который имеет следующий вид:

где n – количество уровней ряда; m – число параметров трендовой модели.