Финансовая математика

Построение адаптивной мультипликативной модели Хольта-Уинтерса с учётом сезонного фактора. Оценка точности построенной модели с использованием средней относительной ошибки аппроксимации. Правила анализа стохастических линий и индекса относительной силы.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык русский
Дата добавления 13.10.2013
Размер файла 204,9 K

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.

Размещено на http://www.allbest.ru/

1. Задача 1

В каждом варианте приведены поквартальные данные о кредитах от коммерческого банка на жилищное строительство (в условных единицах) за 4 года (всего 16 кварталов, первая строка соответствует первому кварталу первого года).

Квартал

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

Вариант 5

35

44

52

34

37

48

59

36

41

52

62

38

46

56

67

41

Требуется:

1) Построить адаптивную мультипликативную модель Хольта-Уинтерса с учётом сезонного фактора, приняв параметры сглаживания б1 = 0,3; б2 = 0,6; б3 = 0,3.

2) Оценить точность построенной модели с использованием средней относительной ошибки аппроксимации.

3) Оценить адекватность построенной модели на основе исследования:

ь случайности остаточной компоненты по критерию пиков;

ь независимости уровней ряда остатков по d-критерию (критические значения d1 = 1,10 и d2 = 1,37) и по первому коэффициенту автокорреляции при критическом значении r1 = 0,32;

ь нормальности распределения остаточной компоненты по R/S-критерию с критическими значениями от 3 до 4,21.

4) Построить точечный прогноз на 4 шага вперёд, т.е. на 1 год.

5) Отразить на графике фактические, расчётные и прогнозные данные.

Решение

1) Для того чтобы построить адаптивную мультипликативную модель Хольта-Уинтерса необходимо предварительно подготовить значения коэффициентов а(0), b(0), F(-3), F(-2), F(-1), F(0). Для этого построим вспомогательную линейную модель, использовав первые 8 кварталов (2 года), значения которых даны нам в исходных данных (Сервис > Анализ данных > Регрессия). Получим «Вывод итогов» программы Регрессия, где в строках «Y-пересечение» и «Переменная Х1» находятся коэффициенты, которые можно использовать в качестве предварительных оценок а(0) и b(0). Заносим данные в таблицу «Построение модели Хольта-Уинтерса».

Рассмотрим столбец «Предсказанное Y» итогов регрессии, в котором содержатся теоретические Y и составим формулы: коэффициент сезонности первого квартала: Y(1)/ Y(1) и пятый квартал: Y(5)/ Y(5). В качестве оценки коэффициента сезонности предыдущего года возьмём среднее значение:

F(-3) = Ѕ*(Y(1)/ Y(1)+ Y(5)/ Y(5)) = 0,86;

Аналогично:

F(-2) = Ѕ*(Y(2)/ Y(2)+ Y(6)/ Y(6)) = 1,08;

F(-1) = Ѕ*(Y(3)/ Y(3)+ Y(7)/ Y(7)) = 1,27;

F (0) = Ѕ*(Y(4)/ Y(4)+ Y(8)/ Y(8)) = 0,79.

Предварительный расчёт завершён можно перейти к основному по формулам Хольта-Уинтерса. Используем t = 0 и k = 1. По основной формуле получим:

Yp(1) = [a(0)+b(0)*1]*F (0+1 - 4) = 34,52.

Уточним коэффициенты для t = 1:

a(1) = ба* Y(1)/F(-3)+(1 - ба)*(a(0)+b(0)) = 40,25;

b(1) = бb*(a(1) - a(0))+(1 - бb)* b(0) = 0,92;

F(1) = бF*Y(1)/a(1)+(1 - бF)* F(-3) = 0,87.

Аналогично выполняется расчёт t = 2,3,…, 16 (до шестнадцатой строки). Для автоматического вычисления в Excel можно растянуть строку, содержащую коэффициенты сглаживания a(1), b(1), F(1) и расчётное значение Yp(1). Модель Хольта-Уинтерса построена - это заполненная таблица основного расчёта. Результаты моделирования столбец Yp(t).

Исходные данные

Построение модели Хольта-Уинтерса

t

Y(t)

a(t)

b(t)

F(t)

Yp(t)

-3

0,86

-2

1,08

-1

1,27

0

39,21

0,87

0,79

1

35

40,25

0,92

0,87

34,52

2

44

41,07

0,89

1,07

44,35

3

52

41,63

0,79

1,26

53,41

4

34

42,63

0,85

0,79

33,43

5

37

43,26

0,78

0,86

37,67

6

48

44,24

0,84

1,08

47,29

7

59

45,62

1,01

1,28

56,75

8

36

46,24

0,89

0,78

37,01

9

41

47,30

0,94

0,86

40,52

10

52

48,21

0,93

1,08

52,13

11

62

48,93

0,87

1,27

62,87

12

38

49,39

0,75

0,78

39,07

13

46

51,07

1,03

0,89

43,32

14

56

52,03

1,01

1,08

56,23

15

67

52,93

0,97

1,27

67,46

16

41

53,59

0,88

0,77

41,80

17

48,26

18

59,65

19

71,32

20

43,93

Для вычисления средней относительной ошибки аппроксимации Зотн. рассмотрим столбцы Y(t), Yp(t), определим остатки Е(t) = Y(t) - Yp(t) и относительную погрешность Еотн(t) = |Е(t)/ Y(t)|*100%.

Оценка качества модели

E(t)

отн. погр.

Пов. точ.

0,48

1,36

-0,35

0,81

0

-1,41

2,71

1

0,57

1,68

1

-0,67

1,82

1

0,71

1,48

0

2,25

3,82

1

-1,01

2,80

1

0,48

1,16

1

-0,13

0,25

0

-0,87

1,40

0

-1,07

2,83

1

2,68

5,83

1

-0,23

0,41

0

-0,46

0,69

0

-0,80

1,94

Найдём среднее значение Еотн(t) с помощью математической функции СРЗНАЧ = 1,94 - относится к интервалу от 0 до 5% - точная модель.

Оценим адекватность построенной модели:

ь свойство случайности остатков по критерию Пиков:

а) количество поворотных точек (Мастер функций > Логические > ЕСЛИ) = 8.

б) критическое значение:

Ркр. = [2/3*14 - 1,96 v(16*16 - 29) /90] = 6.

Следовательно, Р > Ркр, т.е. 8 > 6. Свойство случайности остатков выполняется;

ь свойство независимости остатков (критерий Дарбина-Уотсона):

а) статистика: d = ?(Et - Et-1)І/ ?EtІ. Вычислим значения числителя и знаменателя приведённой формулы, с помощью функций СУММКВ в знаменателе и СУММКВРАЗН - в числителе. Получим значение дроби равное 2,41;

б) критические значения: d1 = 1,10; d2 = 1,37;

в) вывод: данное значение больше двух и попадает в интервал от 2 до 4, следовательно, необходимо вычислить значение dґ = 4 - d = 4 - 2,42 = 1,59. Значение 1,59 принадлежит интервалу (d2 = 1,37; 2), т.е. свойство независимости остатков выполняется.

Для дополнительной проверки используют первый коэффициент автокорреляции (в учебных целях):

а) рассчитаем статистику r1 = ?(Et * Et-1)І/ ?EtІ или СУММПРОИЗВ/СУММКВ = -0,23.

б) по условию критическое значение r1 кр. = 0,32.

в) Т.к. r1 кр > ¦ r1 ¦> 0,32 > 0,23. Свойство независимости остатков выполняется.

ь Свойства нормального распределения остатков по R/S-критерию:

а) статистика: R/S = (Еmax - Emin)/SE. Максимальное и минимальное значения остаточной компоненты определим с помощью МАКС и МИН: 2,68 и -1,41 Значение знаменателя определим через функцию СТАНДОТКЛ > R/S = 3,55.

б) критический интервал от 3 до 4,21

в) вывод: полученное значение входит в интервал от 3 до 4,21. Отсюда - свойство нормального распределения остатков выполняется.

Общий итог: проверка показала, что построенная модель является точной и адекватной, поэтому прогнозирование по этой модели выполнять целесообразно.

Для прогнозирования можно использовать только основную формулу модели. В ней нужно зафиксировать t = 16 и изменять шаг упреждения k = 1; 2; 3; 4. Получим:

Yp (16+1) = [a(16)+b(16)*1]*F (16+1 - 4) = 48,26;

Yp (16+2) = [a(16)+b(16)*2]*F (16+2 - 4) = 59,65;

Yp (16+3) = [a(16)+b(16)*3]*F (16+3 - 4) = 71,32;

Yp (16+4) = [a(16)+b(16)*4]*F (16+4 - 4) = 43,92.

Построенный точечный прогноз может считаться достоверным, если модель точна и адекватна.

Расчётные значения хорошо описывают фактические значения показателя Y:

2. Задача 2

Даны цены (открытия, максимальная, минимальная, закрытия) за 10 дней. Интервал сглаживания принять равным пяти дням. Рассчитать:

ь экспоненциальную скользящую среднюю;

ь момент;

ь скорость изменения цен;

ь индекс относительной силы;

ь %R, %K, %D.

Расчёты приводить для всех дней, для которых эти расчёты можно выполнить на основании имеющихся данных.

Вариант 5

Дни

Цены

макс.

мин.

закр.

1

718

660

675

2

685

601

646

3

629

570

575

4

585

501

570

5

598

515

523

6

535

501

506

7

555

500

553

8

580

540

570

9

580

545

564

10

603

550

603

Дополним диаграмму вспомогательными линиями, ограничивающими график снизу (линии поддержки) и сверху (линии сопротивления). На графике можно видеть неявный характер тренда - нерезкие колебания диаграммы. Но, тем не менее, происходит чередование участков восходящего (приблизительно 6 - 10 день) и нисходящего (приблизительно 1 - 5 день) тренда. Пересечение графика с линиями тенденции является сигналом разворота. Таким образом, сигнал разворота можно видеть примерно на 5 день. Сигнал разворота говорит о смене тренда: 5 день: нисходящий > восходящий. При восходящем тренде - рекомендуются покупки, при нисходящем - продажи.

ь Для расчета экспоненциальной скользящей средней предварительно нужно подготовить первоначальное значение ЕМА(5) = МА(5), т. к. интервал сглаживания равен 5 дням), оно равно 598. Дальнейшие расчёты проводим по основной формуле ЕМА(t), где t ? n+1, а k = 2/(5+1) = ?. Например, ЕМА(6) > 6 ? 5+1 > ?С(6) + ? ЕМА(5) = 567,20. Далее аналогично (можно протянуть столбец в Excel и подсчёты будут проведены автоматически).

Вывод: тренд нисходящий вплоть до 8 дня, т. к. график скользящей средней расположен выше графика цен закрытия - рекомендуются продажи. На 9 день наблюдается сигнал разворота - графики пересекаются. На 10 день тренд меняет своё направление, становится восходящим, т. к. график скользящей средней расположен ниже графика цен закрытия - рекомендуются покупки.

ь По условию интервал сглаживания n = 5. Расчёт начинается с t = 6 = 5+1:

МОМ(6) = C(6) - C(1) = -169. Далее аналогично.

Вывод: С 6 - 9 день тренд нисходящий, т. к. график момента расположен ниже горизонтальной оси нулевого уровня - рекомендуются продажи.

Далее следует сигнал разворота - пересечение графика с осью иксов.

На 10 день тренд меняет направление на восходящий - график момента расположен выше горизонтальной оси нулевого уровня - рекомендуются покупки.

ь ROC(6) = C(6)/C(5)*100 = 74,96; для 6 = 5+1.

Формула показывает: при восходящем тренде ROC > 100%, при нисходящем меньше. Сигналом разворота является пересечение графика с уровнем 100%.

Вывод: С 6 - 9 день тренд нисходящий, т. к. график расположен ниже уровня 100% - рекомендуются продажи.

Далее следует сигнал разворота - пересечение графика с линией 100%.

На 10 день тренд меняет направление на восходящий - график момента расположен выше уровня 100% - рекомендуются покупки.

ь Прежде чем приступить к расчёту индекса относительной силы RSI(t) выполним подготовительную работу в виде вычислений:

1. изменения цен ? C(t) = C(t) - C (t-1). Среди этих изменений часть положительных, часть отрицательных;

2. разности изменений на приросты (+? C(t)) и убыль (-? C(t)). В Excel приросты и убыль можно определить, использовав, логическую функцию ЕСЛИ. Следует отметить, что отрицательные изменения должны быть представлены без минусов, для этого была применена математическая функция ABS;

3. расчет сумм положительных приростов AU и отрицательных AD при интервале сглаживания - 5 дней. В ППП Excel - функция СУММ неполного столбца.

Пример, RSI(6) = 100 - 100/(1+AU (6,5)/AD (6,5)) = 0. Далее расчёты проводим аналогично.

Занесём все данные в таблицу «Расчет индексов MOM, ROC, RSI (осцилляторы)» и построим график «График индекса относительной силы RSI(t)»:

t

H(t)

L(t)

C(t)

EMA(t)

MOM(t)

ROC(t)

1

718

660

675

2

685

601

646

3

629

570

575

4

585

501

570

5

598

515

523

598

6

535

501

506

567,20

-169

74,96

7

555

500

553

562,47

-93

85,60

8

580

540

570

564,98

-5

99,13

9

580

545

564

564,65

-6

98,95

10

603

550

603

577,43

80

115,30

t

изменен.

повышен.

понижен.

AU (t, 5)

AD (t, 5)

RSI(t)

1

2

-29

0

29

3

-71

0

71

4

-5

0

5

5

-47

0

47

6

-17

0

17

0

169

0

7

47

47

0

47

140

25

8

17

17

0

64

69

48

9

-6

0

6

64

70

48

10

39

39

0

103

23

82

Вывод: На 6 день RSI равен 0 - это означает, что AU (6,5) = 0, т.е. за 5 дней нет приростов, только убыль > быстрый непродолжительный нисходящий тренд, ожидается разворот. Затем до 7 дня график находится в зоне перепроданности - операции следует приостановить в ожидании скорого разворота тренда. Далее мы видим выход графика из критической зоны, т.е. сигнал разворота, график входит в нейтральную зону от 20 (25) до 75 (80) (8 - 9 день) - возможны операции (рекомендуются продажи по сигналам МОМ и ЕМА). На 10 день график входит в критическую зону перекупленности - зону бездействия, рекомендуется приостановить операции - сделки следует приостановить в ожидании сигнала разворота (выхода графика из критической зоны).

ь Прежде чем вычислять стохастические индексы, необходимо провести предварительные расчёты:

1. По условию n = 5. Для 5 дня определим максимальное значение H (t, n) с первого по пятый день (МАКС) и минимальное значение L (t, n) с первого по пятый день (МИН).

2. Заполним столбцы C - L, H - L, H - C в соответствии с формулами расчёта числителей и знаменателя % K и % R.

3. Пользуясь последними тремя колонками, определим значение % K и % R.

4. Определим трёхдневные суммы величин в столбцах C - L, H - L.

5. С помощью последних двух столбцов вычислим % D.

Полученные данные вносим в таблицу «Расчет индексов % K, %R, %D (стохастические линии)» и строим график «Стохастические линии % R, %K, %D».

Расчет индексов % K, %R, %D (стохастические линии)

t

H (t, 5)

L (t, 5)

C(t) - L (t, 5)

H (t, 5) - C(t)

H (t, 5) - L (t, 5)

1

2

3

4

5

718

501

22

195

217

6

685

501

5

179

184

7

629

500

53

76

129

8

598

500

70

28

98

9

598

500

64

34

98

10

603

500

103

0

103

t

%K

%R

sum (C-L)

sum (H-L)

%D

1

2

3

4

5

10,13825

89,86175

6

2,717391

97,28261

7

41,08527

58,91473

80

530

15

8

71,42857

28,57143

128

411

31

9

65,30612

34,69388

187

325

58

10

100

0

237

299

79

мультипликативный сезонный аппроксимация финансовый

Вывод: правила анализа стохастических линий соответствуют правилам анализа индекса относительной силы RSI(t). Таким образом, анализ стохастической линии % K показал, что с 5 - 6 день график находится в критической зоне перепроданности - рекомендуется приостановить операции. Далее - сигнал разворота - выход графика из критической зоны. С 7 - 9 день график находится в нейтральной зоне - можно проводить операции (продажи). На 10 день график находится в верхней критической зоне перекупленности (75 (80) - 100) - следует приостановить операции в ожидании сигнала разворота. При этом на графике существует точка - десятый день, в которой %K равен 100. Это свидетельствует о том, что цена закрытия десятого дня 603 равна максимальной цене десятого дня с параметром сглаживания n = 5. Т.е. цена закрытия является максимальной за десять дней, что говорит о наличии непродолжительного быстро восходящего тренда и появлении последующего разворота.

Стохастическая линия % R имеет график симметричный % K, для него верхняя зона - это зона перепроданности, а нижняя критическая зона - зона перекупленности. Сигналы поведения графика % R полностью совпадают с сигналами поведения графика % K.

Размещено на Allbest.ru

...

Подобные документы

  • Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Оценка точности построенной модели с использованием средней относительной ошибки аппроксимации. Определение суммы банковской ссуды, долга по ссуде и дисконта.

    контрольная работа [393,0 K], добавлен 06.12.2007

  • Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора и согласно параметрам сглаживания. Средняя ошибка аппроксимации. Определение коэффициентов заданного линейного уравнения. Проверка точности построенной модели.

    контрольная работа [1,6 M], добавлен 20.01.2010

  • Построение адаптивной мультипликативной модели Хольта-Уинтерса, оценка ее точности и адекватности с использованием средней относительной ошибки аппроксимации. Построение точечного прогноза. Отражение на графике фактических, расчетных и прогнозных данных.

    контрольная работа [816,2 K], добавлен 23.03.2013

  • Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Коммерческий расчет экспоненциально скользящей средней цены с использованием интервала сглаживания. Построение графиков фактических, расчетных и прогнозных данных.

    контрольная работа [626,5 K], добавлен 28.04.2011

  • Построение адаптивной мультипликативной модели Хольта-Уинтерса с учетом сезонного фактора. Определение эффективной ставки процента по вкладу в банке, номинальной ставки при начислении процента. Расчет дисконта по формуле математического дисконтирования.

    контрольная работа [756,3 K], добавлен 05.04.2011

  • Построение ряда динамики. Расчет параметров линейного, степенного, экспоненциального (показательного), параболического, гиперболического трендов с помощью пакета Excel. Вычисление относительной ошибки аппроксимации. Оценка адекватности линейной модели.

    практическая работа [165,9 K], добавлен 13.05.2014

  • Экономико-математическая модель для анализа ресурсов в форме отчета устойчивости. Проверка продуктивности технологической матрицы коэффициентов прямых материальных затрат. Оценка точности моделей на основе средней относительной ошибки аппроксимации.

    задача [142,9 K], добавлен 03.05.2009

  • Построение доверительного интервала для коэффициента регрессии в заданной модели. Оценка качества модели по анализу ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности спроса в зависимости от цены. Уравнение авторегрессии.

    контрольная работа [156,8 K], добавлен 28.02.2011

  • Порядок построения линейного регрессионного уравнения, вычисление его основных параметров и дисперсии переменных, средней ошибки аппроксимации и стандартной ошибки остаточной компоненты. Построение линии показательной зависимости на поле корреляции.

    контрольная работа [75,1 K], добавлен 29.01.2010

  • Экономическая интерпретация коэффициента регрессии. Нахождение статочной суммы квадратов и оценка дисперсии остатков. Проверка значимости параметров уравнения регрессии с помощью t-критерия Стьюдента. Расчет средней относительной ошибки аппроксимации.

    контрольная работа [261,1 K], добавлен 23.03.2010

  • Построение поля рассеяния, его визуальный анализ. Определение точечных оценок параметров методом наименьших квадратов. Расчет относительной ошибки аппроксимации. Построение доверительных полос для уравнения регрессии при доверительной вероятности У.

    контрольная работа [304,0 K], добавлен 21.12.2013

  • Проведение корреляционно-регрессионного анализа в зависимости выплаты труда от производительности труда. Построение поля корреляции, выбор модели уравнения и расчет его параметров. Вычисление средней ошибки аппроксимации и тесноту связи между признаками.

    практическая работа [13,1 K], добавлен 09.08.2010

  • Расчет основных параметров уравнений регрессий. Оценка тесноты связи с показателем корреляции и детерминации. Средний коэффициент эластичности, сравнительная оценка силы связи фактора с результатом. Средняя ошибка аппроксимации и оценка качества модели.

    контрольная работа [3,4 M], добавлен 22.10.2010

  • Построение доверительного интервала для коэффициента регрессии. Определение ошибки аппроксимации, индекса корреляции и F-критерия Фишера. Оценка эластичности изменения материалоемкости продукции. Построение линейного уравнения множественной регрессии.

    контрольная работа [250,5 K], добавлен 11.04.2015

  • Обзор корреляционного поля. Доверительные интервалы регрессии. Оценка качества линейной модели прогнозирования. Проверка ее на соответствие условиям теоремы Гаусса-Маркова. Точечный и интервальный прогнозы. Нахождение средней ошибки аппроксимации.

    контрольная работа [47,9 K], добавлен 09.08.2009

  • Возможные ошибки спецификации модели. Симптомы наличия ошибки спецификации первого типа. Проблемы с использованием замещающих переменных. Построение функции Кобба-Дугласа. Проверка адекватности модели. Переменные социально-экономического характера.

    презентация [264,5 K], добавлен 19.01.2015

  • Расчет параметров уравнения регрессии, среднего коэффициента эластичности и средней ошибки аппроксимации по рынку вторичного жилья. Определение идентификации моделей денежного и товарного рынков, выбор метода оценки параметров модели, оценка его качества.

    контрольная работа [133,1 K], добавлен 23.06.2010

  • Построение линейного уравнения парной регрессии, расчет линейного коэффициента парной корреляции и средней ошибки аппроксимации. Определение коэффициентов корреляции и эластичности, индекса корреляции, суть применения критерия Фишера в эконометрике.

    контрольная работа [141,3 K], добавлен 05.05.2010

  • Расчет коэффициента корреляции, определение вида зависимости, параметров линии регрессии и оценка точности аппроксимации. Построение матрицы прибыли в зависимости от выбранной стратегии и состоянии факторов внешней среды. Индивидуальное отношение к риску.

    контрольная работа [474,7 K], добавлен 01.12.2010

  • Анализ построенной модели на мультиколлинеарность на основе показателей, характеризующих социально-экономическое развитие городов и районов Оренбургской области. Построение линейной зависимости или корреляции между двумя и более объясняющими переменными.

    лабораторная работа [99,6 K], добавлен 03.02.2015

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.