Мегаобучалка Главная | О нас | Обратная связь


Тема 1. Прогнозирование с учетом сезонной составляющей



2020-02-04 242 Обсуждений (0)
Тема 1. Прогнозирование с учетом сезонной составляющей 0.00 из 5.00 0 оценок




Институт экономики и управления

Кафедра Экономическая кибернетика

 

Методические указания по лабораторным работам

 

 

По дисциплине Методы социально-экономического прогнозирования

 

 

Для специальности

 080116.65 «Математические методы в экономике»

 

 

Методические указания разработаны в соответствии с составом УМКД

 

Методические указания разработала   Порошина Л.А. _____________

Методические указания утверждены на заседании кафедры,

протокол № ______ от «___» _______________ 200__ г.

Зав. кафедрой _________ «___» ______________ 200__ г. Пазюк К.Т.

Методические указания по лабораторным работам по дисциплине «Эконометрическое моделирование» включают тематику лабораторных заданий, выполняемых во время аудиторных занятий.

 

 

Методические указания рассмотрены и утверждены на заседании УМКС и рекомендованы к изданию

протокол № ______ от «___» _______________ 200__ г.

Председатель УМКС _______ «___» __________ 200__ г. 

Директор института _________ «___» ____________ 200__ г. Зубарев А.Е.


Введение

Реалии нынешнего этапа развития российской государственности выдвигают в число первоочередных задачу перехода к стабильному, предсказуемому и эффективному развитию экономики страны, что в свою очередь не возможно без специальных знаний в области методологии, методики и технологии составления научно-обоснованных макро- и микроэкономических прогнозов социально-экономического развития. Масштаб стоящих перед российским бизнесом проблем, а также качественный уровень развития современного научно-технического потенциала требует соответствующей теоретической и практической подготовки специалистов в области экономико-математического моделирования. Прогнозная информация, с одной стороны, необходима как основа планирования деятельности любого социально-экономического объекта, а с другой стороны - как предварительная оценка последствий принимаемых решений с целью их оптимизации. Отсюда ясна важность данной дисциплины для формирования специалиста в области математических методов и исследования операций в экономике.

В этой связи цель дисциплины "Методы социально-экономического прогнозирования" - вооружить студентов специальности "Математические методы в экономике" - 080116.65 знаниями общих закономерностей составления научных прогнозов развития социально-экономических объектов; познакомить их с максимально широким инструментарием выработки прогнозов развития социально-экономических объектов, а также методиками его использования в практике прогнозирования; выработать в процессе обучения у студентов навыки грамотного использования аппарата математического моделирования посредством применения передовых информационных технологий.

Задачи курса: изучение методологических основ прогнозирования, а также приемов и методов прогнозирования экономических процессов.

Дисциплина «Методы социально-экономического прогнозирования» опирается на материал учебных дисциплин: «Математический анализ», «Теория вероятности и математическая статистика», «Экономическое моделирование», «Математические методы исследования операций», «Эконометрика» и других дисциплин. В соответствии с Государственным образовательным стандартом она является дисциплиной специализации по специальности «Математические методы в экономике» и полностью соответствует по содержанию его требованиям.

Основная  цель лабораторных занятий - углубленное изучение проблем, затронутых в лекционном курсе, и отработка навыков в применении изучаемых методов и процедур прогнозирования с использованием современного программного обеспечения персональных компьютеров.

В качестве базового информационно-программного инструментария на лабораторных работах предлагается воспользоваться продуктами Excel, StatGraphics, Statistica. В ходе освоения дисциплины студенты могут ознакомиться и с дополнительными программными средами, например, Matlab (Statistics Toolbox, GARCH Toolbox), Mathcad, SPSS, Eviews и др., а также специальными оптимизационными и модулями математических пакетов Matlab (Optimization Toolbox), Mathcad, Mathematica и др.

Изучение дисциплины заканчивается написанием и защитой курсовой работы и сдачей итогового экзамена.

Краткие характеристики лабораторных работ

Тема 1. Прогнозирование с учетом сезонной составляющей

Задание. Построить точечный и интервальный прогноз на основе мультипликативной модели, аддитивной модели и модели Винторса.

Исполнение: выполнение индивидуального задания с использованием Excel. Интерпретация результатов решения.

Оценка. Практическая реализация теоретических методов прогнозирования.

Время выполнения заданий: 2 часа.

 

Методические указания

Построение аддитивной модели временного ряда. Обратимся к данным об объеме правонарушений на таможне за четыре года, представленным в табл. 1.

Было показано, что данный временной ряд содержит сезонные колебания периодичностью 4, т.к. количество правонарушений в первый-второй кварталы ниже, чем в третий-четвертый. Рассчитаем компоненты аддитивной модели временного ряда.

Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого:

1.1. Просуммируем уровни ряда последовательно за каждые четыре квартала со сдвигом на один момент времени и определим условные годовые объемы потребления электроэнергии (гр. 3 табл. 1).

1.2. Разделив полученные суммы на 4, найдем скользящие средние (гр. 4 табл. 1). Полученные таким образом выровненные значения уже не содержат сезонной компоненты.

1.3. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (гр. 5 табл. 1).

Таблица 1 – Расчёт сезонной компоненты

№ квартала, Количество правонарушений, Итого за четыре квартала Скользящая средняя за четыре квартала Центрированная скользящая средняя Оценка сезонной компоненты
1 2 3 4 5 6
1 375
2 371 2630 657,5
3 869 2612 653 655,25 213,75
4 1015 2712 678 665,5 349,5
5 357 2835 708,75 693,75 -336,75
6 471 2840 710 709,375 -238,375
7 992 2873 718,25 714,125 277,875
8 1020 2757 689,25 703,75 316,25
9 390 2757 689,25 689,25 -299,25
10 355 2642 660,5 674,875 -319,875
11 992 2713 678,25 669,375 322,625
12 905 2812 703 690,625 214,375
13 461 2740 685 694 -233
14 454 2762 690,5 687,75 -233,75
15 920
16 927

Шаг 2. Найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и центрированными скользящими средними (гр. 6 табл. 1). Используем эти оценки для расчета значений сезонной компоненты  (табл. 2). Для этого найдем средние за каждый квартал (по всем годам) оценки сезонной компоненты . В моделях с сезонной компонентой обычно предполагается, что сезонные воздействия за период взаимопогашаются. В аддитивной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна нулю.

Таблица 2 – Расчёт скорректированной сезонной компоненты

Показатели

Год

№ квартала,

I II III IV

 

1999 213,75 349,5
2000 -336,75 -238,375 277,875 316,25
2001 -299,25 -319,875 322,625 214,375
2002 -233 -233,75
Всего за -й квартал   -869 -792 814,25 880,125
Средняя оценка сезонной компоненты для -го квартала,   -289,667 -264 271,417 293,375
Скорректированная сезонная компонента,   -292,448 -266,781 268,636 290,593

Для данной модели имеем:

.

Корректирующий коэффициент: .

Рассчитываем скорректированные значения сезонной компоненты ( ) и заносим полученные данные в таблицу 2.

Проверим равенство нулю суммы значений сезонной компоненты:

       .

Шаг 3. Исключим влияние сезонной компоненты, вычитая ее значение из каждого уровня исходного временного ряда. Получим величины  (гр. 4 табл. 3). Эти значения рассчитываются за каждый момент времени и содержат только тенденцию и случайную компоненту.

Таблица 3 – Трендовая и слуайная компонента

1 2 3 4 5 6 7 8
1 375 -292,448 667,448 672,700 380,252 -5,252 27,584
2 371 -266,781 637,781 673,624 406,843 -35,843 1284,721
3 869 268,636 600,364 674,547 943,183 -74,183 5503,117
4 1015 290,593 724,407 675,470 966,063 48,937 2394,830
5 357 -292,448 649,448 676,394 383,946 -26,946 726,087
6 471 -266,781 737,781 677,317 410,536 60,464 3655,895
7 992 268,636 723,364 678,240 946,876 45,124 2036,175
8 1020 290,593 729,407 679,163 969,756 50,244 2524,460
9 390 -292,448 682,448 680,087 387,639 2,361 5,574
10 355 -266,781 621,781 681,010 414,229 -59,229 3508,074
11 992 268,636 723,364 681,933 950,569 41,431 1716,528
12 905 290,593 614,407 682,857 973,450 -68,450 4685,403
13 461 -292,448 753,448 683,780 391,332 69,668 4853,630
14 454 -266,781 720,781 684,703 417,922 36,078 1301,622
15 920 268,636 651,364 685,627 954,263 -34,263 1173,953
16 927 290,593 636,407 686,550 977,143 -50,143 2514,320

Шаг 4. Определим компоненту  данной модели. Для этого проведем аналитическое выравнивание ряда ( ) с помощью линейного тренда. Результаты аналитического выравнивания следующие:

       .

Подставляя в это уравнение значения , найдем уровни  для каждого момента времени (гр. 5 табл. 3).

Шаг 5. Найдем значения уровней ряда, полученные по аддитивной модели. Для этого прибавим к уровням  значения сезонной компоненты для соответствующих кварталов (гр. 6 табл. 3).

На одном графике отложим фактические значения уровней временного ряда и теоретические, полученные по аддитивной модели.

Рис. 1 – Динамика скорректированных показателей

 

Для оценки качества построенной модели применим сумму квадратов полученных абсолютных ошибок.

           

Следовательно, можно сказать, что аддитивная модель объясняет 97% общей вариации уровней временного ряда количества правонарушений по кварталам за 4 года.

Шаг 6. Прогнозирование по аддитивной модели. Предположим, что по нашему примеру необходимо дать прогноз об общем объеме правонарушений на I и II кварталы 2003 года. Прогнозное значение  уровня временного ряда в аддитивной модели есть сумма трендовой и сезонной компонент. Для определения трендовой компоненты воспользуемся уравнением тренда

       .

Получим

       ;

       .

Значения сезонных компонент за соответствующие кварталы равны:  и . Таким образом,

       ;

       .

Т.е. в первые два квартала 2003 г. следовало ожидать порядка 395 и 422 правонарушений соответственно.

Построение мультипликативной модели рассмотрим на данных предыдущего примера.

 



2020-02-04 242 Обсуждений (0)
Тема 1. Прогнозирование с учетом сезонной составляющей 0.00 из 5.00 0 оценок









Обсуждение в статье: Тема 1. Прогнозирование с учетом сезонной составляющей

Обсуждений еще не было, будьте первым... ↓↓↓

Отправить сообщение

Популярное:
Почему наличие хронического атрофического гастрита способствует возникновению и развитию опухоли желудка?
Почему стероиды повышают давление?: Основных причин три...
Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной...
Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней...



©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (242)

Почему 1285321 студент выбрали МегаОбучалку...

Система поиска информации

Мобильная версия сайта

Удобная навигация

Нет шокирующей рекламы



(0.007 сек.)