Прогнозування за допомогою ARІМА-моделей
Економетричні методи і моделі, їх вживання в моделюванні. ARIMA-аналіз, методології нового покоління засобів моделювання. Стохастичні параметри динамічних рядів. Практичне застосування моделей ARIMA на прикладі аналізу податкового потенціалу підприємства.
| Рубрика | Экономико-математическое моделирование |
| Вид | реферат |
| Язык | украинский |
| Дата добавления | 28.05.2018 |
| Размер файла | 749,5 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.
2
Размещено на http://www.allbest.ru/
Зміст
- Вступ
- 1. Теоретична сутність побудови
- 2. Практичне застосування моделей ARIMA на прикладі аналізу податкового потенціалу підприємства
- Висновки
- Список використаних джерел
Вступ
Економетричні методи і моделі все більше вживають не тільки в моделюванні, однак і для доказу конкретних гіпотез становлення фінансових дій, для емпіричного випробування фінансової доктрини, дослідження і розбору сценаріїв фінансового становлення, моделювання податкового потенціалу на базі оцінки економічного і фінансово-господарського потенціалу компанії, місцевості та прийняття відповідних управлінських рішень.
Макроекономічні моделі різних держав базувалися на системах регресійних рівнянь, які переважали в фінансовому моделюванні в 60-70 роки минулого століття. При зміні інституційного відношення моделі нерідко не здатні правильно захищати імітовані процеси. Наявний недолік наявних програмних продуктів спонукав експертів до дослідження такого дієвого, малозатратного способу, як ARIMA-прогнозування. При цьому відповідний динамічний ряд моделюється лише за допомогою його минулих значень (лагів) і екзогенної випадкової величини.
Теоретичною основою ARIMA-аналізу і методології, вважається порівняно нове поколінням засобів моделювання, заснованих на розборі стохастичних параметрів динамічних рядів, в основу яких стали наукові дослідження Дж. Боксу і Г. Дженкінса, зокрема їх загальна служба, приурочена до розбору моделювання та контролювання часових рядів [1].
У роботах вітчизняних експертів [2] інтерес загострюється на тому, що впровадження традиційних регресійних моделей час від часу некоректний, особливо коли це ведеться у відсутності належної попередньої підготовки часових рядів на стаціонарність. Якщо ряди нестаціонарні, то просто вгодити в пастку "хибної" регресії. Така регресія при коректних значеннях головних критеріїв якості відображає причинно-наслідкові взаємозв'язки між досліджуваними змінними, а тільки резюмує присутність загальної зміни курсу.
1. Теоретична сутність побудови
В даний момент ARIMA-моделі отримали поширеність в практиці моделювання фінансово-бюджетних дій, що обумовлено, згідно думки дослідників [3], наступними головними факторами:
- попередня інформація про ймовірні зв'язки між динамічними рядами фінансових характеристик не завжди мають можливість бути відмінно аргументованими. В даному випадку кристально статистична модель, що зв'язує поточні і минулі сенсу досліджуваної ознаки має можливість вживатися для короткострокових моніторингів;
- час від часу з добре відомих структурних моделей фінансової доктрини можемо отримати моделі виду авторегресійних або моделей змінного середнього, особливо при оцінці наведеної форми асимілятивних систем рівнянь, то є при вираженні ендогенних (внутрішніх) змінних структурної моделі при віднесені і екзогенній змінні (зовнішні).
Впровадження таких економетричних пакетів, як STATA, STATISTICA, TSP, призвело до підйому точності висновків на базі коректного впровадження передових економетричних методів. Однак в взаємозв'язку з динамічними змінами в сфері комп'ютерних технологій особливе місце займає пакет прикладних програм E. VIEWS.
При переході до ринкової економіки все найбільш важливим робиться вивчення і оцінка довготривалих віянь суспільно-фінансового становлення ареалу або певного суб'єкта господарювання в поєднанні з короткостроковими змінами грошової, кредитної, бюджетної, інвестиційної, інноваційної складової політичної діяльності.
Дана проблема знайшла розв'язання в рамках передових моделей, зокрема в моделі виправлення помилки (ЕСМ), де поблизу з відмінностями, що відображають короткострокову динаміку, вводиться пристрій виправлення помилки, що описує довготривалі фінансові результати, і відображена в роботах вітчизняних дослідників [3].
На сучасному етапі бракує вправи, котра б видавала єдиний специфікацією даних модель, тому на практиці з'являється питання про вибір найкращої з декількох. Для автоматизації цього процесу в практичні реалізації доцільно використовувати пакет прикладних програм E. VIEWS. Фактичне використання моделей ARIMA автором для моделювання податкового потенціалу підприємств і ареалів призводять до позитивних підсумків вивчення проблеми.
Для того щоб проілюструвати використання ARIMA (p, d, q) - моделей, проведемо моделювання надходжень до Зведеного державного бюджету України податку з прибутку підприємств. Схожий спосіб дозволяє прогнозувати оцінку і положення реалізації податкового потенціалу як окремих компаній, так і їх з'єднань згідно галузевому чи територіальним показникам. Аналогічно можна проаналізувати податковий потенціал і за іншими податками, справляння яких формує дохідну частину бюджетів усіх рівнів.
Податок на прибуток підприємств (ППП) вважається одним з головних податків вітчизняної фіскальної системи, становить близько 25% надходжень до консолідованого держбютжету України. Слідчо, даний податок вважається значущим бюджетоутворюючим податком, і тому чітке і правильне прогнозування і моделювання ППП вважається необхідною умовою коректного прогнозування всієї дохідної частини зведеного бюджету України.
2. Практичне застосування моделей ARIMA на прикладі аналізу податкового потенціалу підприємства
Для того щоб прокоментувати моделювання на базі ARIMA-моделей на зразку податку на прибуток підприємств, потрібно уникнути інфляційного спотворення інформації, то є перейти з номінальних одиниць до справжніх.
При побудові ARIMA-моделі слід зазначити 3 основні етапи:
1) На першому етапі потрібно випробувати короткочасні ряди на стаціонарність. Стаціонарні ряди мають нульовий порядок інтеграції. Порядком інтеграції вважається кількість, що показує, наскільки раз часовий розряд вимагає застосування оператора перших різниць, щоб бути стаціонарним. Звичайний зоровий контроль не є необхідним для висновку про стаціонарності часового ряду. Одним з формальних критеріїв для випробування вважається аналіз Божевільні-Фуллера.
У нашому випадку при заданій на першому кроці кількості лагів n = 1 та нульовому порядку інтеграції отримано такі результати за ADF-тестом (табл. 2.1).
Таблиця 2.1. Результати ADF-тесту при n = 1, I = 0
З аналіз виданих результатів можна зробити висновок, що розрахована величина МакКіннона в абсолютному виразі більша за критичну навіть за рівня статистичної значимості 1 %.
Як правило, в практичних дослідженнях, якщо ADF-тест відхиляє гіпотезу стаціонарності ряду із заданим малим числом лагів, він відкидає її і при більшій кількості заданих лагів. З аналізу даних табл.2.2 видно, що часовий ряд є нестаціонарним.
Таблиця 2.2. Результати ADF-тесту n = 12, I = 0
Випробування часових рядів на стаціонарність є мало потужними інструментами, особливо в маленьких вибірках, тому особливо потрібно перевірити корелограми. Якщо коефіцієнти автокореляції та вибіркової автокорреляции швидко згасають, то це показує, що часовий ряд вважається стаціонарним. В даному випадку підтверджуємо, що ряд вважається нестаціонарним (рис.2.1).
Модифікуємо ряд, значеннями якого будуть різниці першого порядку. Результати аналізу дозволяють зробити висновок, що порядок інтеграції вказаного часового ряду дорівнює 1 (табл.2.3, 2.4, рис.2.2).
Таблиця 2.3. Результати ADF-тесту при n = 1, I = 1
Рис. 2.1 Корелограма першого порядку тестування ADF - тесту при n = 1, I = 0
моделювання економетричний метод
Рис.2.2 Корелограма першого порядку тестування ADF-тесту n = 12, I = 0
2) На 2-му етапі, виходячи з розбору автокореляційних параметрів трансформованого ряду, потрібно обрати кілька ARIMA-специфікацій з метою визначення кращого.
Не існує правила для знаходження ідеального порядку (р) авторегресійного процесу. Та навіть за відсутністю теоретично обґрунтованого універсального правила для знаходження ідеальної кількості лагів у моделі застосовуються певні процедури, які з достатньою точністю дозволяють знаходити порядок авторегресійного процесу, наприклад, процедура Хеннона та Ріссанена для визначення порядку p та q ARIMA (p,q - процесу).
Беручи до уваги усі факти, можна зауважити, що оптимальний порядок AR-складової дорівнює трьом (табл.2.5).
Таблиця 2.5. Результати оцінки моделі AR (3)
Після проведення аналізу результатів можна зауважити, що порядок складової ковзного середнього дорівнює двом. Загальний вид моделі наведено у табл.2.6.
E. VIEWS дозволяє опротестувати багато гіпотез на перевірку адекватності моделі (h-тест Дарбіна-Уотсона для перевірки залишків на серійну автокореляцію, LM-тест Бойша-Годфрея, Тест Жарку-Бера - на нормальність розподілу). Ці значення підтвердили, що обрана модель є найкращою.
Зазначимо, що коефіцієнт детермінації залежить тільки від AR-умов, тому цей критерій адекватності моделі є не зовсім придатним для вибору найкращої з декількох моделей.
Таблиця 2.6. Результати оцінки моделі ARIMA (3, 1,2)
Для того щоб обрати придатну і не надто велику модель, передбачається 2-ві статистики: інформативний аспект Акайка (АІС) і інформативний Шварца (SIC). Дані аспекти можуть бути використані до двох моделей, які оцінюються і аналізуються при знаходженні порядку AR-складової і порядку складової змінного середнього MA. Якщо включення допоміжного лага ніяк не замінює АІС і SIC, тоді можемо взяти рішення не додавати до моделі даний лаг.
1. На 3-му етапі застосовуємо обрану модель для моделювання податкових надходжень і оцінки податкового потенціалу. Набутий моніторинг каже, що підібрана модель вважається адекватною, більш гарною по зіставленню з іншими. Також вона є коректною щодо основних статистичних тестів, має стійкі статистичні характеристики. Крім того, підсумки розрахунків по ARIMA-моделі порівнювалися з результатами за багатофакторними регресійними моделі, що лише довело гідності даної моделі.
Рис.2.3 Результати прогнозування податкових надходжень до Держбюджету України від податку на прибуток
Висновки
Проведений аналіз моделювання головних податків на зразку податку на прибуток підприємств України відображає віддачу і ймовірність впровадження ARIMA-моделей в прикладних дослідженнях з метою визначення реальної оцінки податкового потенціалу підприємств. Ці моделі досить прості, однак у той же час стійкі з дуже стійкими прогностичними рисами, які дозволяють шанобливо підійти до проблеми прогнозування податкових дій, а пакет E. Views дозволяє найбільш детально перевірити модель на адекватність.
Список використаних джерел
1. Box G.E.P., Jenkins G.M. Time Series Analysis: Forecasting and Control / Revised Edition. - San Francisco: Holden Day, 1976.
2. Лук'яненко І.Г., Городніченко Ю.О. Прогнозування податкових надходжень за допомогою моделей корегування помилки // Фінанси України. - 2001. - № 7. - С.89-99.
3. Лук'яненко І.Г., Городніченко Ю.О. Сучасні економетричні методи у фінансах: Навчальний посібник. - К.: Літера ЛТД, 2002. - 352 с.
4. Черняк О.І., Ставицький А.В. Динамічна економетрика. - К.: КВІЦ, 2000. - 120 с.
Размещено на Allbest.ru
...Подобные документы
Економетричні моделі - системи взаємопов'язаних рівнянь і використовуються для кількісних оцінок параметрів економічних процесів та явищ. Прикладні економетричні моделі Франції та США. Макроеконометричні моделі України та прогнозування економіки.
реферат [20,6 K], добавлен 01.02.2009Создание комбинированных моделей и методов как современный способ прогнозирования. Модель на основе ARIMA для описания стационарных и нестационарных временных рядов при решении задач кластеризации. Модели авторегрессии AR и применение коррелограмм.
презентация [460,1 K], добавлен 01.05.2015Економіко-математичне моделювання як спосіб вивчення господарської діяльності. Аналіз коефіцієнтів оборотності капіталу. Оцінка факторів, що впливають на ділову активність. Застосування моделей прогнозування для підприємств гірничообробної промисловості.
курсовая работа [274,5 K], добавлен 06.09.2013Вихідні поняття прогнозування, його сутність, принципи, предмет і об'єкт. Суть адаптивних методів. Прогнозування економічної динаміки на основі трендових моделей. Побудова адаптивної моделі прогнозування прибутку на прикладі стоматологічної поліклініки.
дипломная работа [1,2 M], добавлен 18.06.2015Теоретичні основи методів аналізу фінансових даних. Формалізований опис емпіричних закономірностей фінансових часових рядів. Розробка алгоритмів оцінювання параметрів волатильності і комплексу стохастичних моделей прогнозування фінансових індексів.
курсовая работа [1,4 M], добавлен 05.05.2015Основні поняття і попередній аналіз рядів динаміки. Систематичні та випадкові компоненти часового ряду. Перевірка гіпотези про існування тренда. Методи соціально-економічного прогнозування. Прогнозування тенденцій часового ряду за механічними методами.
презентация [1,3 M], добавлен 10.10.2013Поняття та процес економічного прогнозування, процес формування прогнозу про розвиток об'єкта на основі вивчення тенденцій його розвитку. Сутність та побудова економетричних моделей. Зарубіжний досвід побудови та використання економетричної моделі.
реферат [43,5 K], добавлен 15.04.2013Методи економічного прогнозування, їх відмінні особливості, оцінка переваг та недоліків. Моделі прогнозування соціально-економічних об’єктів. Принципи вибору моделей та комбінування прогнозів. Прогнозування показників розвитку банківської системи.
курсовая работа [813,1 K], добавлен 18.02.2011Теоретичні аспекти дослідження ID-IS моделей. Попит та пропозиція як економічні категорії. Особливості моделей перехідної економіки. Аналіз підходів щодо моделювання сукупного попиту та пропозиції. Процес досягнення рівноваги та прогнозування ціни.
курсовая работа [639,7 K], добавлен 15.11.2010Сучасні методи управління економічними системами та процесами, роль і місце економетричних моделей в управлінні ними. Економетрична модель і проблеми економетричного моделювання. Поняття сукупності спостережень як основа економетричного моделювання.
реферат [70,8 K], добавлен 22.03.2009Загальна характеристика, структура та аналіз енергетичного комплексу України. Особливості застосування методів багатовимірного статистичного аналізу в моделюванні енергоспоживання регіонами України. Оцінка величини енергетичних потреб населення регіону.
магистерская работа [5,7 M], добавлен 21.06.2010Інфляція як економічна категорія, прогнозування її рівня в Україні. Інфляція попиту та пропозиції як головні причини систематичного зростання цін. Особливості методології прогнозування інфляційного процесу. Методи регресійного та факторного аналізу.
презентация [195,7 K], добавлен 11.02.2010Основні етапи формування інвестиційної політики підприємства та особливості управління фінансовими інвестиціями. Адаптивні методи прогнозування. Дослідження динаміки фондового ринку на основі моделей авторегресії – проінтегрованого ковзного середнього.
дипломная работа [1,6 M], добавлен 18.11.2013Типи економетричних моделей. Етапи економетричного аналізу економічних процесів та явищ. Моделі часових рядів та регресійні моделі з одним рівнянням. Системи одночасних рівнянь. Дослідження моделі парної лінійної регресії. Однофакторні виробничі регресії.
задача [152,8 K], добавлен 19.03.2009Аналіз умов застосування існуючих методик і моделей прогнозу характеристик цінних паперів, розробка концепції економіко-математичного моделювання облігацій і акцій. Кількісне дослідження й моделей і алгоритмів оцінювання ризикових і безризикових активів.
автореферат [64,1 K], добавлен 06.07.2009Аналіз особливостей функціонування кредитних спілок в Україні. Розробка методології аналізу економічних процесів в кредитних спілках та побудова економіко-математичних моделей діяльності кредитних спілок в умовах переходу економіки до ринкових відносин.
автореферат [34,3 K], добавлен 06.07.2009Основні поняття про стохастичні та вінерівський процеси. Розгляд альтернативних моделей ціноутворення: дисперсії, стохастичної та передбачуваної волантильності. Проблема деривативів та бар'єрні опціони. Стандартні ринкові моделі: процентні деривативи.
курсовая работа [2,6 M], добавлен 28.02.2012Використання методів економетричного моделювання, аналізу і прогнозування на всіх напрямках економічних досліджень: мікро- та макроекономіка, міжнародна економіка, фінансові ринки. Розробка і використання адекватних статистичних (економетричних) моделей.
контрольная работа [330,4 K], добавлен 25.01.2015Кредитний ринок як складова національної економіки. Показники стану кредитного ринку. Підходи до визначення процентної ставки та аналізу її складових. Побудова моделі взаємозв’язку відсотків та обсягу кредитних ресурсів. Методи дослідження часових рядів.
дипломная работа [1,7 M], добавлен 09.11.2013Теоретичні основи економічного прогнозування: сутність, види і призначення, принципи і методи. Особливості вибору моделей та створення систем державних прогнозів і соціально-економічних програм України. Порядок моделювання динаміки господарської системи.
курсовая работа [869,6 K], добавлен 16.02.2011
