рефераты конспекты курсовые дипломные лекции шпоры

Раздел Экономика
/
Прогнозы.

Реферат Курсовая Конспект

Выберите учебное заведение

Прогнозы.

Прогнозы. - раздел Экономика, ЭКОНОМЕТРИКА Точечный Прогноз На Основе Временных Моделей...

Точечный прогноз на основе временных моделей получается подстановкой в модель (уравнение тренда) соответствующего значения фактора времени, т.е. t=n+1, n+2,..., n+k.

Точное совпадение фактических данных и прогностических точечных оценок, полученных путем экстраполяции кривых, характеризующих тенденцию, имеет малую вероятность.

Возникновение соответствующих отклонений объясняется следующими причинами.

1. Выбранная для прогнозирования кривая не является единственно возможной для описания тенденции. Можно подобрать такую кривую, которая дает более точные результаты.

2. Прогноз осуществляется на основании ограниченного числа исходных данных. Кроме того, каждый исходный уровень обладает еще и случайной компонентой. Поэтому и кривая, по которой осуществляется экстраполяция, также будет содержать случайную компоненту.

3. Тенденция характеризует движение среднего уровня ряда динамики, поэтому отдельные наблюдения могут от него отклоняться. Если такие отклонения наблюдались в прошлом, то они будут наблюдаться и в будущем.

Интервальные прогнозы строятся на основе точечных прогнозов.

Доверительным интервалом называется такой интервал, относительно которого можно с заранее выбранной вероятностью утверждать, что он содержит значение прогнозируемого показателя. Ширина интервала зависит от качества модели, т.е. степени ее близости к фактическим данным, числа наблюдений, горизонта прогнозирования и выбранного пользователем уровня вероятности.

При построении доверительного интервала прогноза рассчитывается величина U(k), которая для линейной модели имеет вид:

, (1.26)

где

, (1.27)

где

- стандартная ошибка (среднеквадратическое отклонение от модели),

m – количество факторов в модели, для линейной модели m = 1.

Коэффициент [4] является табличным значением t-статистики Стьюдента при заданном уровне значимости и числе наблюдений.

Если исследователь задает уровень вероятности попадания прогнозируемой величины внутрь доверительного интервала, равной 70%, то при n =9 = 1,12.

При вероятности, равной 95%, = 2,36.

Для других моделей величина U(k) рассчитывается аналогичным образом, но имеет более громоздкий вид.

Как видно из формулы (1.10), величина U зависит прямо пропорционально от точности модели, коэффициента доверительной вероятности степени углубления в будущее на k шагов вперед, т.е. на момент t = n+k, и обратно пропорциональна объему наблюдений.

Доверительный интервал прогноза будет иметь следующие границы:

– верхняя граница прогноза = Y_{прогноз}(n+k) + U(k);

– нижняя граница прогноза = Y_{прогноз}(n+k) – U(k).

Если построенная модель адекватна, то с выбранной пользователем вероятностью можно утверждать, что при сохранении сложившихся закономерностей развития прогнозируемая величина попадает в интервал, образованный верхней и нижней границей.

После получения прогнозных оценок необходимо убедиться в их разумности и непротиворечивости оценкам, полученным иным способом.

Развернуть

Открыть в широком формате

– Конец работы –

Эта тема принадлежит разделу:

ЭКОНОМЕТРИКА

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ... МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ... Кафедра ИС и ПМ...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Прогнозы.

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Временной ряд – это набор чисел, привязанный к последовательным, обычно равноотстоящим моментам времени.
Числа, составляющие временной ряд и получающиеся в результате наблюдения за ходом некоторого процесса, называются уровнями временного ряда или элементами.

Требования к исходной информации
Применяемые при обработке временных рядов методы во многом опираются на методы математической статистики, которые базируются на достаточно жестких требованиях к исходным данным (таким как од

Этапы построения прогноза по временным рядам.
экстраполяционное[1] прогнозирование экономических процессов, представленных одномерными временными рядами, сводится к выполнению следующих основны

Предварительный анализ данных.
В ходе предварительного анализа определяют соответствие имеющихся данных требованиям, предъявляемым к ним математическими методами (объективности, сопоставимости, полноты, однородности и устойчив

Решение
Результаты расчетов по методу Ирвина приведены в табл1.3.

Критерий «восходящих» и «нисходящих» серий.
Этот критерий «улавливает» постепенное смещение среднего значения в исследуемом распределении не только монотонного, но и более общего, например, периодического характера. Так же

Метод простой скользящей средней.
1. Согласно этому методу определяется количество наблюдений, входящих в интервал сглаживания. При этом используют правило: если необходи

Процедура продолжается до тех пор, пока в интервал сглаживания не войдет последнее наблюдение временного ряда.
Недостатком метода является невключение в процедуру сглаживания первых и последних p наблюдений временного ряда. Метод простой скользящей средней

Этот метод отличается от предыдущего тем, что сглаживание внутри интервала производится не по прямой, а по кривой более высокого порядка.
Это обусловлено тем, что суммирование членов ряда, входящих в интервал сглаживания, производится с определенными весами, рассчитанными по методу наименьших квадратов. Если сгл

Метод экспоненциального сглаживания.
Рассмотренные методы простой и взвешенной скользящей средней не дают возможности сгладить первые и последние p наблюдений временного ряда. Отсутствие сглаженных первых наблюдений не так ва

Показатель среднего абсолютного прироста используется для построения простейших так называемых наивных прогнозов.
Прогноз на k- шагов вперед на момент времени t=n+1получается по формуле:

Порядок коэффициентов автокорреляции определяет временной лаг: первого порядка (при t= 1), второго порядка (при t= 2) и т. д.
Последовательность коэффициентов автокорреляции уровней первого, второго, третьего и т.д. порядков называют автокорреляционной функцией. Знач

На практике, как правило, при вычислении автокорреляции используется формула (1.13).
Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором автокорреляция наиболее высокая, т.е. при помощи анализа автокорреляционной функции и кор

Аналитические методы выделения (оценки) неслучайной составляющей временного ряда.
Формирование уровней ряда определяется закономерностями трех основных типов: инерцией тенденции, инерцией взаимосвязи между последовательными уровнями ряда и инерцией взаимосвязи между исследу

Модели кривых роста
Плавную кривую (гладкую функцию), аппроксимирующую временной ряд принято называть кривой роста. Аналитические методы выделения (оценки) неслу

Проверка равенства математического ожидания уровней ряда остатков нулю осуществляется в ходе проверки соответствующей нулевой гипотезы .
С этой целью строится t-статистика: , (1.22)

Критерий «пиков», или критерий поворотных точек.
Значение случайной переменной считается поворотной точкой, если оно одновременно больше (меньше) соседних с ним элементов. Если остатки случайны, то поворотная точка прихо

Наличие (отсутствие) автокорреляции в отклонениях от модели роста проверяют с помощью критерия Дарбина – Уотсона.
Соответствие ряда остатков нормальному закону распределения важно с точки зрения правомерности построения доверительных интервалов прогноза.

То гипотеза о нормальном характере распределения отвергается
В случае попадания коэффициентов асимметрии и эксцесса в зону неопределенности (между полутора и двумя СКО) используются другие критерии, частности RS- критерий:

Средняя относительная по модулю ошибка
|Еср|отн= |Еср| / Yср * 100% (1.25) Эти показатели дают представление об абсолютной величине ошибки

Оценка параметров модели по формуле (3.5) «вручную».
Промежуточные расчеты параметров линейной модели по формулам (1.5) приведены в табл. 1.15. Табл. 1.15 №