Главная Коллекция "Revolution" Экономика и экономическая теория Получение прогноза по ценам на серебро путем комбинирования разных моделей прогнозирования

Получение прогноза по ценам на серебро путем комбинирования разных моделей прогнозирования

Неопределенность и современные методы прогнозирования экономических показателей. Комбинирование различных методов прогнозирования. Задания весов с помощью компьютерных программ. Построение прогнозов с помощью линейных и нелинейных методов исследования.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 02.04.2016
Размер файла 2,1 M
рефераты на заказ со скидкой

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

17

0.337

0.010

931.36

0.000

.|** |

.|* |

18

0.319

0.079

946.51

0.000

.|** |

.|. |

19

0.301

0.009

960.12

0.000

.|** |

.|. |

20

0.284

-0.003

972.35

0.000

.|** |

.|. |

21

0.262

-0.016

982.90

0.000

.|** |

.|. |

22

0.251

0.048

992.70

0.000

.|** |

.|. |

23

0.240

-0.041

1001.7

0.000

.|** |

.|. |

24

0.228

-0.006

1009.9

0.000

.|* |

.|. |

25

0.213

0.017

1017.2

0.000

.|* |

.|. |

26

0.200

-0.008

1023.6

0.000

.|* |

.|* |

27

0.205

0.135

1030.5

0.000

.|* |

.|. |

28

0.208

0.024

1037.6

0.000

.|** |

.|. |

29

0.214

0.040

1045.1

0.000

Приложение 5

Данные цен за унцию золота в USD

DATE

Price

DATE

Price

DATE

Price

DATE

Price

03-Sep-12

1691,5

16-Oct-12

1746,5

28-Nov-12

1708,0

15-Jan-13

1680,5

04-Sep-12

1697,0

17-Oct-12

1749,0

29-Nov-12

1725,0

16-Jan-13

1676,3

05-Sep-12

1690,0

18-Oct-12

1743,0

30-Nov-12

1726,0

17-Jan-13

1675,0

06-Sep-12

1701,0

19-Oct-12

1737,0

03-Dec-12

1720,0

18-Jan-13

1688,5

07-Sep-12

1728,0

22-Oct-12

1726,8

04-Dec-12

1697,8

21-Jan-13

1687,5

10-Sep-12

1732,0

23-Oct-12

1711,0

05-Dec-12

1694,0

22-Jan-13

1690,5

11-Sep-12

1736,8

24-Oct-12

1706,5

06-Dec-12

1694,3

23-Jan-13

1690,3

12-Sep-12

1737,0

25-Oct-12

1715,5

07-Dec-12

1701,5

24-Jan-13

1671,0

13-Sep-12

1733,3

26-Oct-12

1716,0

10-Dec-12

1712,5

25-Jan-13

1660,0

14-Sep-12

1775,5

29-Oct-12

1707,0

11-Dec-12

1710,0

28-Jan-13

1656,5

17-Sep-12

1770,0

30-Oct-12

1710,0

12-Dec-12

1716,3

29-Jan-13

1663,5

18-Sep-12

1769,5

31-Oct-12

1719,0

13-Dec-12

1692,8

30-Jan-13

1677,5

19-Sep-12

1766,8

01-Nov-12

1716,3

14-Dec-12

1696,3

31-Jan-13

1664,8

20-Sep-12

1758,5

02-Nov-12

1685,0

17-Dec-12

1695,8

01-Feb-13

1669,0

21-Sep-12

1784,5

05-Nov-12

1683,5

18-Dec-12

1694,0

04-Feb-13

1666,0

24-Sep-12

1762,5

06-Nov-12

1691,0

19-Dec-12

1665,0

05-Feb-13

1673,5

25-Sep-12

1771,5

07-Nov-12

1715,3

20-Dec-12

1650,5

06-Feb-13

1674,3

26-Sep-12

1744,8

08-Nov-12

1717,0

21-Dec-12

1651,5

07-Feb-13

1668,0

27-Sep-12

1763,0

09-Nov-12

1738,3

24-Dec-12

1662,5

08-Feb-13

1668,3

28-Sep-12

1776,0

12-Nov-12

1735,3

27-Dec-12

1655,5

11-Feb-13

1652,0

01-Oct-12

1787,0

13-Nov-12

1726,3

28-Dec-12

1657,5

12-Feb-13

1647,5

02-Oct-12

1775,5

14-Nov-12

1725,8

31-Dec-12

1664,0

13-Feb-13

1645,0

03-Oct-12

1775,3

15-Nov-12

1710,0

02-Jan-13

1693,8

14-Feb-13

1646,0

04-Oct-12

1791,8

16-Nov-12

1713,5

03-Jan-13

1679,5

15-Feb-13

1612,3

05-Oct-12

1784,0

19-Nov-12

1730,5

04-Jan-13

1648,0

18-Feb-13

1610,8

08-Oct-12

1773,5

20-Nov-12

1732,3

07-Jan-13

1645,3

19-Feb-13

1607,8

09-Oct-12

1774,0

21-Nov-12

1724,0

08-Jan-13

1656,0

20-Feb-13

1588,5

10-Oct-12

1761,3

22-Nov-12

1731,0

09-Jan-13

1657,8

21-Feb-13

1577,0

11-Oct-12

1769,0

23-Nov-12

1734,5

10-Jan-13

1675,0

22-Feb-13

1576,5

12-Oct-12

1766,8

26-Nov-12

1750,5

11-Jan-13

1657,5

25-Feb-13

1586,3

15-Oct-12

1736,0

27-Nov-12

1746,3

14-Jan-13

1666,5

26-Feb-13

1590,5

Приложение 6

Код к созданию регрессионной нейронной сети в программе matlab

% Solve an Autoregression Problem with External Input with a NARX Neural Network

% Script generated by NTSTOOL

% Created Sun Apr 14 16:32:26 MSD 2013

% This script assumes these variables are defined:

% data - input time series.

% data_out - feedback time series.

inputSeries = tonndata(data,false,false);

targetSeries = tonndata(data_out,false,false);

% Create a Nonlinear Autoregressive Network with External Input

inputDelays = 1:9;

feedbackDelays = 1:9;

hiddenLayerSize = 10;

net = narxnet(inputDelays,feedbackDelays,hiddenLayerSize);

% Prepare the Data for Training and Simulation

% The function PREPARETS prepares timeseries data for a particular network,

% shifting time by the minimum amount to fill input states and layer states.

% Using PREPARETS allows you to keep your original time series data unchanged, while

% easily customizing it for networks with differing numbers of delays, with

% open loop or closed loop feedback modes.

[inputs,inputStates,layerStates,targets] = preparets(net,inputSeries,{},targetSeries);

% Train the Network

[net,tr] = train(net,inputs,targets,inputStates,layerStates);

% Test the Network

outputs = net(inputs,inputStates,layerStates);

errors = gsubtract(targets,outputs);

performance = perform(net,targets,outputs)

% Recalculate Training, Validation and Test Performance

trainTargets = gmultiply(targets,tr.trainMask);

valTargets = gmultiply(targets,tr.valMask);

testTargets = gmultiply(targets,tr.testMask);

trainPerformance = perform(net,trainTargets,outputs)

valPerformance = perform(net,valTargets,outputs)

testPerformance = perform(net,testTargets,outputs)

% View the Network

view(net)

Приложение 6 (продолжение). Код к созданию регрессионной нейронной сети в программе matlab

% Closed Loop Network

% Use this network to do multi-step prediction.

% The function CLOSELOOP replaces the feedback input with a direct

% connection from the outout layer.

netc = closeloop(net);

netc.name = [net.name ' - Closed Loop'];

view(netc)

[xc,xic,aic,tc] = preparets(netc,inputSeries,{},targetSeries);

yc = netc(xc,xic,aic);

closedLoopPerformance = perform(netc,tc,yc)

% Early Prediction Network

% For some applications it helps to get the prediction a timestep early.

% The original network returns predicted y(t+1) at the same time it is given y(t+1).

% For some applications such as decision making, it would help to have predicted

% y(t+1) once y(t) is available, but before the actual y(t+1) occurs.

% The network can be made to return its output a timestep early by removing one delay

% so that its minimal tap delay is now 0 instead of 1. The new network returns the

% same outputs as the original network, but outputs are shifted left one timestep.

nets = removedelay(net);

nets.name = [net.name ' - Predict One Step Ahead'];

view(nets)

[xs,xis,ais,ts] = preparets(nets,inputSeries,{},targetSeries);

ys = nets(xs,xis,ais);

earlyPredictPerformance = perform(nets,ts,

% Получение прогноза на несколько шагов вперед

M=load('new_input');

input_pred=con2seq(M.input_new);

target_pred=con2seq(M.target_new);

[Xs1,Xi1,Ai1,Ts1]=preparets(netc,input_pred,{},target_pred);

yPred=netc(Xs1,Xi1,Ai1)

Приложение 7

Код к созданию авторегрессионной нейронной сети в программе matlab

% Solve an Autoregression Time-Series Problem with a NAR Neural Network

% Script generated by NTSTOOL

% Created Tue Apr 16 21:57:24 MSD 2013

%

% This script assumes this variable is defined:

%

% data - feedback time series.

targetSeries = tonndata(data,true,false);

% Create a Nonlinear Autoregressive Network

feedbackDelays = 1:22;

hiddenLayerSize = 10;

net = narnet(feedbackDelays,hiddenLayerSize);

% Prepare the Data for Training and Simulation

% The function PREPARETS prepares timeseries data for a particular network,

% shifting time by the minimum amount to fill input states and layer states.

% Using PREPARETS allows you to keep your original time series data unchanged, while

% easily customizing it for networks with differing numbers of delays, with

% open loop or closed loop feedback modes.

[inputs,inputStates,layerStates,targets] = preparets(net,{},{},targetSeries);

% Setup Division of Data for Training, Validation, Testing

% For a list of all data division functions type: help nndivide

net.divideFcn = 'divideblock'; % Divide data randomly

net.divideMode = 'time'; % Divide up every value

net.divideParam.trainRatio = 70/100;

net.divideParam.valRatio = 15/100;

net.divideParam.testRatio = 15/100;

% Choose a Training Function

% For a list of all training functions type: help nntrain

net.trainFcn = 'trainlm'; % Levenberg-Marquardt

% Choose a Performance Function

% For a list of all performance functions type: help nnperformance

net.performFcn = 'mse'; % Mean squared error

% Choose Plot Functions

% For a list of all plot functions type: help nnplot

net.plotFcns = {'plotperform','plottrainstate','plotresponse', ...

'ploterrcorr', 'plotinerrcorr'};

Приложение 7(продолжение). Код к созданию авторегрессионной нейронной сети в программе matlab

% Train the Network

[net,tr] = train(net,inputs,targets,inputStates,layerStates);

% Test the Network

outputs = net(inputs,inputStates,layerStates);

errors = gsubtract(targets,outputs);

performance = perform(net,targets,outputs)

% Recalculate Training, Validation and Test Performance

trainTargets = gmultiply(targets,tr.trainMask);

valTargets = gmultiply(targets,tr.valMask);

testTargets = gmultiply(targets,tr.testMask);

trainPerformance = perform(net,trainTargets,outputs)

valPerformance = perform(net,valTargets,outputs)

testPerformance = perform(net,testTargets,outputs)

% View the Network

view(net)

% Closed Loop Network

% Use this network to do multi-step prediction.

% The function CLOSELOOP replaces the feedback input with a direct

% connection from the outout layer.

netc = closeloop(net);

[xc,xic,aic,tc] = preparets(netc,{},{},targetSeries);

yc = netc(xc,xic,aic);

perfc = perform(net,tc,yc)

T={0.896739130434783 0.916189931350114 0.899027459954233 0.901315789473684 0.915617848970252 0.888729977116705 0.908180778032037 0.901601830663616 0.891304347826087 0.882151029748284 0.887728832951945 0.883295194508009 0.863272311212815 0.858123569794050 0.858123569794050 0.832665903890160 0.821510297482837 0.823512585812357 0.834382151029748 0.822368421052632 0.831521739130435 0.828089244851259 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN};

[xc1,xic1,aic1,tc1] = preparets(netc,{},{},T);

yc1 = netc(xc1,xic1,aic1)

Размещено на Allbest.ru

...

Страница:


Подобные документы

  • Методы прогнозирования национальной экономики

    Классификация методов прогнозирования. Характеристика поискового и нормативного прогнозов. Сущность и цель методов экстраполяции и методов информационного моделирования. Сущность интуитивных методов прогнозирования и особенности экспертных оценок.

    реферат [20,4 K], добавлен 10.01.2012

  • Методы научно-технического прогнозирования

    Задачи и принципы прогнозирования, характеристика экстраполяционных, статистических и экспертных методов. Классификация экономических прогнозов. Опыт организации систем прогнозирования в высшем учебном заведении. Форсайт как практика управления.

    курсовая работа [47,9 K], добавлен 13.03.2014

  • Методы моделирования экономико-политической ситуации

    Необходимость применения достоверного прогноза на базе методов и моделей научного прогнозирования для эффективного регулирования экономики. Описание основных методов и моделей экономического прогнозирования, представляющих экономико-политический интерес.

    реферат [13,0 K], добавлен 11.04.2010

  • Методы планирования и прогнозирования в экономике

    Рассмотрение прогноза показателей социально-экономического развития России. Обобщение методов планирования и прогнозирования в экономике. Изучение применения методов планирования и прогнозирования на макроуровне. Прогноз развития сектора экономики.

    курсовая работа [44,5 K], добавлен 26.08.2017

  • Методы планирования и прогнозирования в экономике

    Теоретические аспекты прогнозирования и планирования на предприятии. Классификация прогнозов и планов на предприятии, основных методов осуществления прогнозирования и планирования. Практическая реализация выбранного метода планирования и прогнозирования.

    курсовая работа [234,6 K], добавлен 07.10.2014

  • Современные проблемы макроэкономического прогнозирования в США

    Роль прогнозирования в США. Процесс разработки макроэкономических прогнозов в Соединенных Штатах. Антикризисная программа США. Основные методы прогнозирования, используемые на государственном уровне в США. Модель круговых потоков в закрытой экономике.

    реферат [42,7 K], добавлен 15.05.2010

  • Классификация методов прогнозирования

    Понятие и сущность методов прогнозирования. Описание трехуровневой и четырехуровневой классификационных схем методов социально-экономического прогнозирования. Рассмотрение индивидуальных и коллективных экспертных оценок. Анализ алгоритма выбора метода.

    презентация [293,2 K], добавлен 22.08.2015

  • Фактографические методы прогнозирования

    Классификация основных видов и методов прогнозирования. Фактографические и статистические методы. Историческая и математическая аналогия. Практическое применение методов прогнозирования на примере группы компаний ООО "Аэроэкспресс", экстраполяция.

    курсовая работа [713,1 K], добавлен 16.04.2014

  • Основы прогнозирования в условиях рынка

    Задачи, классификация, этапы и принципы прогнозов, сущность системного подхода. Характеристика методов экономического прогнозирования, его информационное обеспечение. Методические приемы использования типовых прогнозов, суть регрессионного анализа.

    учебное пособие [2,5 M], добавлен 22.06.2012

  • Методы планирования и прогнозирования социально-экономических процессов МО Улан-Удэ

    Теоретико-методологические основы методов и принципов социально-экономического планирования и прогнозирования. Анализ и прогнозирование социально-экономических процессов МО Улан-Удэ. Прогноз основных показателей социально-экономических процессов.

    курсовая работа [180,6 K], добавлен 04.12.2013

  • Оценка уровня жизни в России

    Уровень жизни населения как объект прогнозирования, современные подходы и критерии его оценки, используемые методы и модели. Анализ динамики экономических показателей населения РФ и этапы их прогнозирования, экономическое обоснование и значение.

    контрольная работа [63,3 K], добавлен 15.04.2015

  • Статистические методы прогнозирования социально-экономических явлений

    Разработка прогнозных моделей и критерии их качества; проработка спецификации. Классификация прогнозных моделей. Методы прогнозирования, основанные на сглаживании, экспоненциальном сглаживании и скользящем среднем. Способы Бокса-Дженкинса (ARIMA).

    курсовая работа [99,2 K], добавлен 12.09.2014

  • Прогнозирование объема реализации продукции ООО "Славянка"

    Основные понятия прогнозирования и нейронных сетей, описание принципов их работы. Общая характеристика методов прогнозирования. Анализ проблемы организации сбыта на предприятии ООО "Славянка". Прогноз экономических показателей сбыта различными методами.

    курсовая работа [1009,1 K], добавлен 18.10.2011

  • Роль прогнозирования в экономическом анализе

    Роль прогнозирования в управлении предприятием. Прогнозирование первичных и вторичных показателей. Выбор метода прогнозирования. Применение аналитических показателей для количественной оценки динамики явлений. Варианты конкуренции товара на рынке.

    контрольная работа [110,8 K], добавлен 24.10.2009

  • Особенности применения формализованных методов прогнозирования

    Методы экстраполяции и моделирования как формализованные методы прогнозирования. Прогноз динамики изменения объема выпускаемой продукции предприятия за счет получения краткосрочного кредита под оборотные активы, финансовой устойчивости предприятия.

    контрольная работа [106,3 K], добавлен 24.02.2010

  • Анализ и совершенствование административно-правового регулирования государственного прогнозирования экономического и социального развития

    Роль, функции и система прогнозирования и программирования экономики. История использования методов стратегического планирования в России. Особенности административно-правового регулирования государственных прогнозов социально-экономического развития РФ.

    курсовая работа [429,1 K], добавлен 10.11.2014

  • Прогнозирования потребности в материальных ресурсах

    Теоретические аспекты прогнозирования потребности в материальных ресурсах. Научные условия методологии, технология прогнозирования потребности в материальных ресурсах. Анализ обеспеченности материальными ресурсами ООО "Новые окна", методы прогнозирования.

    курсовая работа [265,8 K], добавлен 16.02.2014

  • Прогнозирование и планирование

    Теория прогнозирования и планирования экономики. Классификация прогнозов и планов. Курса действий над управляемой системой как цель экономического планирования. Простые и комплексные методы прогнозирования. Методы экстраполяции и экспертных оценок.

    контрольная работа [86,7 K], добавлен 16.04.2009

  • Методологические основы социально-экономического прогнозирования

    Прогноз как форма научного предвидения и основные подходы к исследованию объекта прогнозирования. Наука о принципах, методах и средствах научного прогнозирования – прогностика. Методология прогнозирования развития социально-экономической системы страны.

    реферат [54,0 K], добавлен 26.02.2009

  • Основы статистической науки

    Рассмотрение форм (отчетность, регистр), методов организации сбора, обработки данных статистического наблюдения, их структурного и содержательного анализа с помощью обобщающих показателей, способов статистического моделирования и прогнозирования.

    методичка [3,0 M], добавлен 10.04.2010

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены