Контрольная работа: Аппарат теории двойственности для экономико-математического анализа. Анализ одномерного временного ряда
2. Линейную трендовую модель строим с помощью надстройки EXCEL «Анализ данных… Регрессия»:
Уравнение линейного тренда имеет вид (см. «Коэффициенты»):
.
Угловой коэффициент показывает, что спрос на кредитные ресурсы финансовой компании за одну неделю возрастает в среднем на 2,58 млн. руб.
Коэффициент детерминации уравнения R2»0,941 превышает критическое значение для a=0,05 и n=9, что свидетельствует о статистической значимости линейной модели и наличии устойчивого линейного тренда во временном ряду. Само значение R2 показывает, что изменение спроса во времени на 94,1 % описывается линейной моделью.
3. Построение адаптивной модели Брауна. Модель Брауна строится в несколько этапов.
1) По первым пяти точкам временного ряда методом наименьших квадратов оцениваем параметры а0 и а1 линейной модели
.
Получаем начальные значения параметров модели Брауна и , которые соответствуют моменту времени t=0 (определены с помощью функций EXCEL «ОТРЕЗОК» и «НАКЛОН» соответственно.
2) Находим прогноз на первый шаг (t=1):
.
3) Определяем величину отклонения расчетного значения от фактического:
.
4) Скорректируем параметры модели для параметра сглаживания =0,4 по формулам:
;
,
где - коэффициент дисконтирования данных, отражающий степень доверия к более поздним наблюдениям; - параметр сглаживания (=); - отклонение (остаточная компонента).
По условию =0,4, следовательно значение b равно:
.
Получим:
;
,
5) По модели со скорректированными параметрами a0(t) и a1(t) находим прогноз на следующий момент времени:
.
Для t=2:
.
6) Возвращаемся к пункту 3 и повторяем вычисления до конца временного ряда.
7) Вычислим среднюю относительную ошибку для данного параметра сглаживания:
8) Корректировка параметров модели для =0,7 и =0,3:
;
9) Средняя относительная ошибка для данного параметра:
Таким образом, судя по средней относительной ошибке при =0,4 и =0,7, в первом случае =4,1%, а во втором случае =5,0%. Следовательно, =0,4 – лучшее значение параметра сглаживания, т.к. средняя относительная ошибка меньше.
4. Оценим адекватность линейной модели. Рассчитанные по модели значения спроса , остатки и их график были получены в EXCEL одновременно с построением модели (см. «ВЫВОД ОСТАТКА» в прил. 4).
Случайность остаточной компоненты проверим по критерию поворотных точек. В нашем случае общее число поворотных точек в ряду остатков составляет p=4.
Критическое число поворотных точек для a=0,05 и n=9 определяется по формуле
Так как , остатки признаются случайными.
Проверим независимость остатков с помощью критерия Дарбина–Уотсона (отсутствие автокорреляции). Для расчета d‑статистики используется выражение, составленное из встроенных функций EXCEL:
d‑статистика имеет значение (см. прил. 4):
;
;
Критические значения d‑статистики для a=0,05 и n=9 составляют: d1=0,82; d2=1,32. Так как выполняется условие
,
то нет достаточных оснований сделать тот или иной вывод о выполнении свойства независимости. Проверим независимость остатков по коэффициенту автокорреляции первого порядка, который равен (см. прил. 4):
.
Для расчета коэффициента автокорреляции использовалось выражение, составленное из встроенных функций EXCEL:
Критическое значение коэффициента автокорреляции для a=0,05 и n=9 составляет 0,666. Так как коэффициент автокорреляции не превышает по абсолютной величине критическое значение, то это указывает на отсутствие автокорреляции в ряде динамики. Следовательно, модель по этому критерию адекватна.
Проверим равенство нулю математического ожидания уровней ряда остатков. Среднее значение остатков равно нулю: (определено с помощью встроенной функции «СРЗНАЧ»; см. прил. 4). Поэтому гипотеза о равенстве математического ожидания значений остаточного ряда нулю выполняется.
Нормальный закон распределения остатков проверяем с помощью R/S-критерия, определяемого по формуле
,
где emax; emin - наибольший и наименьший остатки соответственно (определялись с помощью встроенных функций «МАКС» и «МИН»); - стандартное отклонение ряда остатков (определено с помощью встроенной функции «СТАНДОТКЛОН»; см. прил. 4).
Критические границы R/S-критерия для a=0,05 и n=9 имеют значения: (R/S)1=2,7 и (R/S)2=3,7. Так как R/S-критерий попадает в интервал между критическими границами, то ряд остатков признается соответствующим нормальному закону распределения вероятностей. Модель по этому критерию адекватна.
Таким образом, выполняются все пункты проверки адекватности модели: модель признается адекватной исследуемому процессу.
Оценим адекватность построенной модели Брауна: с параметром сглаживания (см. таблица 2):
Таблица 2 - Анализ ряда остатков модели Брауна
Проверяемое свойство |
Используемые статистики |
Граница |
Вывод |
||
наименование |
значение |
нижняя |
верхняя |
||
Независимость |
d–критерий Дарбина-Уотсона r(1)-коэффициент автокорреляции |
d=2,79 -0,44 |
0,82 |
1,32 0,666 |
Нельзя сделать вывод по этому критерию r(1)<0,666 адекватна |
Случайность | Критерий пиков (поворотных точек) | 6>2 | 2 | адекватна | |
Нормальность | RS-критерий |
R/S= |
2,7 | 3,7 | неадекватна |
Мат.ожидание≈0 | t-статистика Стьюдента | 2,306 | адекватна | ||
Вывод: модель статистически неадекватна |
5. Оценим точность линейной модели на основе использования средней относительной ошибки аппроксимации.
Среднюю относительную ошибку аппроксимации находим по формуле:
%
Значение Eотн показывает, что предсказанные моделью значения спроса на кредитные ресурсы отличаются от фактических значений в среднем на 2,57 %. Модель имеет хорошую точность.
Оценим точность модели Брауна с параметром сглаживания :
Модель Брауна также имеет хорошую точность, однако она несколько ниже, чем у линейной трендовой модели.
6. Строим точечный и интервальный прогнозы спроса на 1 и 2 недели вперед для линейной модели:
Прогноз на 1 неделю вперед (период упреждения k=1):
1) Точечный прогноз :
млн. руб.
Среднее прогнозируемое значение спроса равно 64,5 млн. руб.
2) Интервальный прогноз
с надежностью (доверительной вероятностью) g=0,7. необходимые расчеты приведены в таблице 3:
млн. руб.,
где tтаб=1,083 - табличное значение t-критерия Стьюдента для доверительной вероятности g=0,7.
Таблица 3
t |
yt |
|||
1 | 43 | 16 | ||
2 | 47 | 9 | ||
3 | 50 | 4 | ||
4 | 48 | 1 | ||
5 | 54 | 0 | ||
6 | 57 | 1 | ||
7 | 61 | 4 | ||
8 | 59 | 9 | ||
9 | 65 | 16 | ||
Среднее |
5 |
- |
60 |
|
Прогноз на 2 недели вперед (период упреждения k=2):
1) Точечный прогноз:
млн. руб.
Среднее прогнозируемое значение спроса равно 66,8 млн. руб.
2) Интервальный прогноз с надежностью g=0,7:
млн. руб.,
С вероятностью 70 % фактическое значение спроса на кредитные ресурсы будет находиться в интервале от 64,29 до 69,31 млн. руб.
Построим прогноз для модели Брауна на следующие 2 недели. Параметры модели, полученные для последнего уровня временного ряда (т. е. для t=n=9), используются для построения прогноза спроса по формуле:
.
Прогноз на 1 неделю вперед (период упреждения k=1):
млн. руб.
С вероятностью 70 % значение спроса на кредитные ресурсы будет находиться в интервале от 63,213 до 70,361 млн. руб.
Прогноз на 2 недели вперед (период упреждения k=2):
млн. руб.
Значение спроса на кредитные ресурсы будет находиться в интервале от 65,603 до 73,167 млн. руб.
7. График временного ряда спроса строим с помощью надстройки «Диаграмма» EXCEL. Предварительно выделяется блок ячеек «t» и «yt» вместе с заголовками, а затем выбирается пункт меню «Вставка» «Диаграмма…»:
Далее строим линию линейного тренда (меню «Диаграмма» ® «Добавить линию тренда…» ® «Линейная»), и устанавливаем «Прогноз» вперед на 2 единицы и назад на 1 единицу, а также вывод на диаграмме уравнения тренда и коэффициента детерминации R2.