Дипломная работа

от 20 дней
от 9999 рублей

Заказать

Курсовая работа

от 10 дней
от 1999 рублей

Заказать

Реферат

от 3 дней
от 699 рублей

Заказать

Контрольная работа

от 3 дней
от 99 рублей
за задачу

Заказать

Диссертация

Сроки и стоимость индивидуальные

Заказать

Главная - Эконометрика - Прогнозирование временных рядов.

Прогнозирование временных рядов. Эконометрика. Курсовая

  • Тема: Прогнозирование временных рядов.
  • Автор: Сергей Пашков
  • Тип работы: Курсовая
  • Предмет: Эконометрика
  • Страниц: 23
  • Год сдачи: 2001
  • ВУЗ, город: Уфа
  • Цена(руб.): 1500 рублей

Заказать персональную работу

Выдержка

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.

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

Литература

Нет.

Форма заказа

Заполните, пожалуйста, форму заказа, чтобы менеджер смог оценить вашу работу и сообщил вам цену и сроки. Все ваши контактные данные будут использованы только для связи с вами, и не будут переданы третьим лицам.

Тип работы *
Предмет *
Название *
Дата Сдачи *
Количество Листов*
уточните задание
Ваши Пожелания
Загрузить Файлы

загрузить еще одно дополнение
Страна
Город
Ваше имя *
Эл. Почта *
Телефон *
  

Название Тип Год сдачи Страниц Цена
Проектирование информационной подсистемы Курсовая 2004 15 1500
Расчет финансового левериджа. Курсовая 2000 19 1500
Современные методы статистики финансов. Курсовая 2000 25 1500
Статистические методы анализа финансового состояния предприятия в условиях рынка. Курсовая 2000 40 1500
Типы регулярных регуляторов. Курсовая 2001 31 1500
Трехмерное параметрическое моделирование. Курсовая 2005 31 1500
Экономико статистический анализ и динамика прогнозирования урожайности С\Х культур. Курсовая 2001 36 1500
Экономико-математическое моделирование транспортных процессов. Курсовая 2001 13 1500
Статистические исследования воздействия на структуру туристского спроса общеэкономических, демографических и культурных факторов Курсовая 2006 37 1500
Анализ ликвидности и платежеспособности (на примере ОАО «Завод им. В. И. Дягтерева»). Курсовая 2007 36 1500
курсовые, дипломные, контрольные на заказ скидки на курсовые, дипломные, контрольные на заказ

© 2010-2016, Все права защищены. Принимаем заказы по всей России.