Материалы сайта
Это интересно
Прогнозирование цены компьютера Pentium 166 на 19 декабря 1997 г
Башкирский Государственный Университет Кафедра финансов и налогообложения ПРИЛОЖЕНИЕ к курсовой работе на тему: Прогнозирование цены на комьютер Pentium 166 на 19 декабря 1997 года. Выполнила: студентка дн.от. эк.ф-та,3-го курса,гр. 3.4ЭЮ Хакимова Д.И. Проверила: научный рук-ль, доцент ,к.э.н. Саяпова А.Р. г. Уфа 1997 г. Содержание приложения: Удаление тренда различными способами используемые программой Statistika версии 4.3 Модель Holt (( =0.300,(=0.800) Модель Winters (( =0.300,(=0.800) Модель Брауна (( =0.300,(=0.800) Регрессионная модель Удаление тренда различными способами используемые программой Statistika версии 4.3 Я работала в программе Statistica 4.3 которая позволяет удалить тренд, исходя из ниже предложенных графиков можно увидеть различные способы для его удаления. Но эти способы не явились более подходящими, и поэтому представлены для анализа проделанной курсовой работе. [pic] На этом графике использовался метод Trend subtract (x=x-(a+b*t)), где а= 6.606, b = -0.52 . Тренд в данном случае неудалился, так как сам тренд не линейный. Сделав вывод, что тренд не линейный, я проделала попытку удалить тренд в Nonlinear Estimatoin получила следущее: Model: PENTIUM = b1+b2/t+b3/t**2 | | N=62 |Dep.var: PENTIUM loss (OBS - PRED)**2 FINAL loss:31.852464424 R=.67433 variance explained: 45.473% | | | b1 | b2 | b3 | |Estimate |4.34597 |11.85681 |-10.0804 | | График удаления тренда не линейным способом: [pic] Выше описанным способом тренд тоже не удалился. Модель Holt (( =0.300,(=0.800) Примером адаптивной модели предназначенной для прогнозирования сезонных процессов, является модель Хольта. Эта модель предполагает мультипликативное объединение линейного тренда и сезонные составляющие во временном ряду. Модель Хольта при ( = 0.300 Exp.smoothing: SO=6.534 TO = 0.49 TIME SERIES Summury of error |Lin.trend; no season; Alpha= 0.300 Gamma=0.1 PENTIUM Error | |Mean error |.00731672825436 | |Mean absolute error |.13134104302219 | |Sums of squares |1.96424677027454 | |Mean squares |.03168139952056 | |Mean percentage error |.26328877539247 | |Mean abs. pers. |3.01698849598955 | | График по Хольту с ( = 0.300 [pic] Exp.smoothing: SO=6.534 TO = 0.49 CASE |SMOOTHED SERIES | |16.12.97 |3.379367 | |17.12.97 |3.343613 | |18.12.97 |3.307860 | |19.12.97 |3.272107 | | Модель Хольта при ( = 0.800 Exp.smoothing: SO=6.534 TO = 0.49 TIME SERIES Summury of error |Lin.trend; no season; Alpha= 0.800 Gamma=0.1 PENTIUM Error | |Mean error |.00315177373958 | |Mean absolute error |.05706002635321 | |Sums of squares |.48259413419920 | |Mean squares |.00778377635805 | |Mean percentage error |.12944834490985 | |Mean abs. pers. |1.26337346085392 | | График по Хольту с ( = 0.800 [pic] Exp.smoothing: SO=6.534 TO = 0.49 CASE |SMOOTHED SERIES | |16.12.97 |3.457111 | |17.12.97 |3.423383 | |18.12.97 |3.398655 | |19.12.97 |3.355927 | | Модель Winters (( =0.300,(=0.800) Модель Уйнтерса при ( = 0.300 Exp.smoothing:Multipl.season(12) SO=6.433 TO = 0.52 TIME SERIES Summury of error |Lin.trend; no season; Alpha= 0.300 Delta=.100; Gamma=0.1 PENTIUM Error | |Mean error |.00850967552279 | |Mean absolute error |.13196744584935 | |Sums of squares |2.02519074270767 | |Mean squares |.03266436817876 | |Mean percentage error |.27239869561423 | |Mean abs. pers. |3.02001823889308 | | График по Уинтерсу с ( = 0.300 [pic] Exp.smoothing:Multipl.season(12) SO=6.433 TO = 0.52 CASE |SMOOTHED SERIES | |16.12.97 |3.373012 | |17.12.97 |3.337162 | |18.12.97 |3.309019 | |19.12.97 |3.283079 | | Модель Уйнтерса при ( = 0.800 Exp.smoothing:Multipl.season(12) SO=6.433 TO = 0.52 TIME SERIES Summury of error |Lin.trend; no season; Alpha= 0.800 Delta=.100; Gamma=0.1 PENTIUM Error | |Mean error |.00387269483310 | |Mean absolute error |.06040575200437 | |Sums of squares |.54276104822497 | |Mean squares |.00875421046649 | |Mean percentage error |.14058659957529 | |Mean abs. pers. |1.32624409579650 | | График по Уинтерсу с ( = 0.800 [pic] Exp.smoothing:Multipl.season(12) SO=6.433 TO = 0.52 CASE |SMOOTHED SERIES | |16.12.97 |3.453841 | |17.12.97 |3.429777 | |18.12.97 |3.407928 | |19.12.97 |3.380729 | | Модель Брауна (( =0.300,(=0.800) Модель Брауна может отображать развитие не только в виде линейной тенденции, нои в виде случайного процесса, не имеющего тенденции, а также ввиде изиеняющейся параболической тенденции. Модель Брауна при ( = 0.300 Exp.smoothing: SO=4.982 |TIME |Lin.trend; no season; | |SERIES |Alpha= 0.300 | | |PENTIUM | |Summury of error |Error | |Mean error |-.0780414476807 | |Mean absolute error |.1978141110028 | |Sums of squares |6.8610393089365 | |Mean squares |.1106619243377 | |Mean percentage error |-2.2104491142263 | |Mean abs. pers. |4.0726990990745 | График по Брауну с ( = 0.300 [pic] Exp.smoothing: SO=4.982 CASE |SMOOTHED SERIES | |16.12.97 |3.530736 | |17.12.97 |3.530736 | |18.12.97 |3.530736 | |19.12.97 |3.530736 | | Модель Брауна при ( = 0.800 Exp.smoothing: SO=4.982 TIME SERIES Summury of error |Lin.trend; no season; Alpha= 0.300 PENTIUM Error | |Mean error |-.0298811251614 | |Mean absolute error |.08804695430620 | |Sums of squares |3.1058602054085 | |Mean squares |.05009465809765 | |Mean percentage error |-.90807550618029 | |Mean abs. pers. |1.70449937474829 | | 1) График по Брауну с ( = 0.800 [pic] Exp.smoothing: SO=4.982 CASE |SMOOTHED SERIES | |16.12.97 |3.500203 | |17.12.97 |3.500203 | |18.12.97 |3.500203 | |19.12.97 |3.500203 | | Прогнозирование по вышеуказанным моделям получается не совсем стабильным. Регрессионная модель В экономической деятельности очень часто требуется не только получать прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов. Рассматривая зависимость цены на компьютер Pentium166 и инфляции я получаю: REGRESSION SUMMARY for Dependent Variable: PENTIUM |R=.68998993 RI=.47608611 Abjusted RI=.45593557 F(1,26)=23.626 p<.00005 std. Err of estimate | |N = 28 |BETA |St.Err. of BETA | B |St.Err. of B | t(26) | p-level | |Intercpt | | |6.701069 |.537806 |12.46001 |.000000 | |Inf |-6.89990 |1.41953 |-.345470 |.071074 |- 4.86071 |.000049 | |