Построение точечного прогноза
Обзор процесса построения адаптивной мультипликативной модели Хольта–Уинтерса. Оценка точности построенной модели с использованием средней относительной ошибки аппроксимации. Рассчет экспонциальной скользящей средней; момента; скорости изменения цен.
Рубрика | Математика |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 18.03.2014 |
Размер файла | 1,3 M |
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/
Министерство образования Российской Федерации
Всероссийский заочный финансово-экономический институт
Кафедра математики и информатики
КОНТРОЛЬная работа
по дисциплине "Финансовая математика"
Построение точечного прогноза
Выполнила студентка 4 курса
Бадретдинова А.Н.
Руководитель Хусаинова З.Ф.
Уфа 2007
Задания к контрольной работе
Задание 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).
Требуется:
1) Построить адаптивную мультипликативную модель Хольта-Уинтерса с учетом 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:
случайности остаточной компоненты по критерию пиков;
независимости уровней ряда остатков по d-критерию (критические значения d1, = l,10 и d2=1,37) и по первому коэффициенту автокорреляции при критическом значении r1 =0,32;
нормальности распределения остаточной компоненты по R/S-критерию с критическими значениями от 3 до 4,21.
4) Построить точечный прогноз на 4 шага вперед, т.е. на 1 год.
5) Отразить на графике фактические, расчетные и прогнозные данные.
Таблица №1 - Исходные данные.
Квартал |
Вариант 1 |
|
1 |
41 |
|
2 |
52 |
|
3 |
62 |
|
4 |
40 |
|
5 |
44 |
|
6 |
56 |
|
7 |
68 |
|
8 |
41 |
|
9 |
47 |
|
10 |
60 |
|
11 |
71 |
|
12 |
44 |
|
13 |
52 |
|
14 |
64 |
|
15 |
77 |
|
16 |
47 |
Решение:
Исходные данные:
t |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
|
Y(t) |
41 |
52 |
62 |
40 |
44 |
56 |
68 |
41 |
47 |
60 |
71 |
44 |
52 |
64 |
77 |
47 |
1. Построение адаптивной мультипликативной модели Хольта-Уинтерса
Линейная модель имеет вид:
Yp = a(0) + b(0)*t
Согласно методу наименьших квадратов:
; ;
Все расчеты произведем в таблице
адаптивная мультипликативная экспонциальная скользящая
Уравнение с учетом найденных коэффициентов имеет вид:
Yp = 49,6 + 0,4*t.
Из этого уравнения находим расчетные значения Yp(t) и сопоставляем их с фактическими значениями:
Такое сопоставление позволяет оценить приближенные значения коэффициентов сезонности кварталов F(-3), F(-2), F(-1) и F(0) Эти значения необходимы для расчета коэффициентов сезонности первого года F(1), F(2), F(3), F(4) и других параметров модели Хольта - Уинтерса.
Рассчитаем значения Yp(t), a(t), b(t), F(T) для t=1 значения параметров сглаживания б1=0,3, б2=0,6, б3=0,3.
2. Проверка качества модели
Промежуточные значения для оценки адекватности модели
2) Проверка точности модели
,
Еотн<5% - модель значима с высокой степенью точности
3. Проверка адекватности модели
а) проверка случайности уровней:
Гипотеза подтверждается, если, где
.
Функция int означает, что от полученного значения берется только целая часть. Тогда рассчитав, получим
q= int (2/3*(16-2) -2*) = 6.
Из таблицы Р = 10, т.е. можно заключить, что гипотеза выполнена.
б) проверка независимостей уровня ряда остатков (отсутствия автокорреляции)
- по критерию Дарбина - Уотсона: табличные значения d1 = 1,08, d2 = 1,36.
неоднозначный ответ
- по первому коэффициенту корреляции:
Критический уровень для N<15 (табличное значение) rкр = 0,32,
т.к. |r(1)| ? rкр - сильная автокорреляция
в) Расчет нормальности распределения остаточной компоненты по RS-критерию с критическими уровнями 3 - 4,21
, где
т.е. можно заключить, что распределение нормальное.
г) Значимость коэффициентов регрессии аj оценим с помощью t-критерия Стьюдента:
Табличное значение t для вероятности 95% и v1=n-k-1=14: tтабл=2,15
Т.к. tрасч>tтабл, то параметр b статистически значим
4. Построение точечного прогноза
5.Отразим на графике расчетные, фактические и прогнозные данные.
Задание 2.
Даны цены (открытия, максимальная, минимальная и закрытия) за 10 дней. Интервал сглаживания принят равным пяти дням. Рассчитать:
- экспонциальную скользящую среднюю;
- момент;
- скорость изменения цен;
- индекс относительной силы;
- %R, %K, %D.
Расчеты проводить для всех дней, для которых эти расчеты можно выполнить на основании имеющихся данных.
Таблица № 2 - Исходные данные.
Вариант 1 |
||||
Дни |
Цены |
|||
макс. |
мин. |
закр. |
||
1 |
998 |
970 |
982 |
|
2 |
970 |
922 |
922 |
|
3 |
950 |
884 |
902 |
|
4 |
880 |
823 |
846 |
|
5 |
920 |
842 |
856 |
|
6 |
889 |
840 |
881 |
|
7 |
930 |
865 |
870 |
|
8 |
890 |
847 |
852 |
|
9 |
866 |
800 |
802 |
|
10 |
815 |
680 |
699 |
Решение:
Введем исходные данные в ячейки В2:Е13.
Расчет проведем в таблице.
Экспоненциальная скользящая средняя (ЕМА) определяется по формуле:
EMAt = Ct*K + EMAt-1*(1- K) ,
где Ct - цена закрытия i-го дня ( i = (t -n +1),…,t);
n - интервал сглаживания (n = 5)
K = 2/(n+1) = 2/(5+1)= 0,33,
запишем это значение в ячейку D$19.
ЕМА5 = (С1+С2+С3+С4+С5)/n, в ячейку С33 введем формулу: ==СУММ(B29:B33)/5.
ЕМА6 =С6*K+EMA5*(1-K), в ячейку С34 введем формулу: =B34*D$19+C33*(1-D$19), аналогично заполним ячейки С35:С38 формулами.
Момент (МОМ): МОМt = Ct - Ct-n
Положительное значение МОМ свидетельствует о росте цен.
Движение графика вверх (7-9 день) в зону положительных значений является относительным сигналом к покупке, а движение графика вниз (9 - 10 день) в зону отрицательных значений является относительным сигналом к продаже.
Скорость изменения цен (ROC):
ROCt = Ct/Ct-n *100%
ROC является отражением скорости изменения цены, а также указывает направление этого изменения. В качестве нулевой линии используется уровень 100%. Нахождения индекса выше линии 100 и положительная динамика в 7-9 дни говорит о сигнале к покупке. На 7-8 день скорость изменения цен была максимальной.
Индекс относительной силы (RSI):
RSI = 100 - 100/(1+AU/AD),
где AU - сумма приростов конечных цен за n дней;
AD - сумма убыли конечных цен за n дней.
Рассчитаем сумму повышений:
Рассчитаем сумма понижений:
Индекс силы рассчитаем в ячейках J34:J38. В ячейку J34 введем формулу =100-100/(1+H34/I34), в остальных проделаем те же операции.
Зоны перепроданности располагаются обычно ниже 25-20, а перекупленности - выше 75-80. Сигналом служит разворот RSI в указанных зонах и выход из нее. Как видно из рисунка, индекс относительной силы вошел в зону, ограниченной линией 80%, на 6-10 день. Это значит, что цены поднялись слишком высоко, надо ждать их падения и подготовится к продаже. Сигналом к продаже послужит момент выхода графика из зоны перепроданности.
Стохастические линии
Смысл индексов %К и %R состоит в том, что при росте цен цена закрытия бывает ближе к максимальной цена ,а при падении цен, наоборот, ближе к минимальной. Индексы %R и %К проверяют куда больше тяготеет цена закрытия.
Значение индекса текущего дня:
%Кt =100(Ct - L5)/(H5-L5)
%R = (Ct-L5)/ (H5-L5)*100%
%
L5, H5 - соответственно минимальная и максимальная цены за предшествующие 5 дней;
Ct - цена закрытия текущего дня.
Критические значения % К практически во все дни анализа (зона перекупленности) свидетелствует о том, что можно ожидать скорого разворота тренда, т.е. падения цен. Как видно из графика и из таблицы если цена закрытия ближе к максимальной цене, то наблюдается рост цен, в противном случае, падение.
Размещено на Allbest.ru
...Подобные документы
Методика и основные этапы расчета параметров линейного уравнения парной регрессии с помощью программы Excel. Анализ качества построенной модели, с использованием коэффициента парной корреляции, коэффициента детерминации и средней ошибки аппроксимации.
лабораторная работа [22,3 K], добавлен 15.04.2014Построение модели множественной регрессии теоретических значений динамики ВВП, определение средней ошибки аппроксимации. Выбор фактора, оказывающего большее влияние. Построение парных моделей регрессии. Определение лучшей модели. Проверка предпосылок МНК.
курсовая работа [352,9 K], добавлен 26.01.2010Обзор адаптивных методов прогнозирования. Построение модели Брауна. Применение методов прогнозирования на примере СПК колхоза "Новоалексеевский" в рамках модели авторегрессии и проинтегрированного скользящего среднего, предложенной Боксом и Дженкинсом.
дипломная работа [9,0 M], добавлен 28.06.2011Анализ динамических процессов в системе на основе использования построенной аналитической модели. Моделирование с использованием пакета расширения Symbolic Math Tolbox. Построение модели в виде системы дифференциальных уравнений, записанных в форме Коши.
курсовая работа [863,4 K], добавлен 21.06.2015Создание математической модели движения шарика, подброшенного вертикально вверх, от начала падения до удара о землю. Компьютерная реализация математической модели в среде электронных таблиц. Определение влияния изменения скорости на дальность падения.
контрольная работа [1,7 M], добавлен 09.03.2016Методы составления закона распределения случайной величины. Вычисление средней арифметической и дисперсии распределения. Расчет средней квадратической ошибки бесповторной выборки. Построение эмпирических линий регрессии, поиск уравнения прямых регрессий.
контрольная работа [77,6 K], добавлен 20.07.2010Оценка неизвестных величин по результатам измерений, содержащим случайные ошибки, при помощи метода наименьших квадратов. Аппроксимация многочленами, обзор существующих методов аппроксимации. Математическая постановка задачи аппроксимации функции.
курсовая работа [1,9 M], добавлен 12.02.2013Моделирование непрерывной системы контроля на основе матричной модели объекта наблюдения. Нахождение передаточной функции формирующего фильтра входного процесса. Построение графика зависимости координаты и скорости от времени, фазовой траектории системы.
курсовая работа [1,5 M], добавлен 25.12.2013Построение теоретико-вероятностной модели исследуемого явления случайной величины математическими выводами. Реализация выборки статистической моделью, описывающей серию опытов. Точечная (выборочная) оценка неизвестного параметра и кривая регрессии.
курсовая работа [311,7 K], добавлен 10.04.2011Методы последовательного поиска: деление отрезка пополам, золотого сечения, Фибоначчи. Механизмы аппроксимации, условия и особенности их применения. Методы с использованием информации о производной функции: средней точки, Ньютона, секущих, кубической.
курсовая работа [361,5 K], добавлен 10.06.2014Основные правила расчета значений дифференциального уравнения. Изучение выполнения оценки погрешности вычислений, осуществления аппроксимации решений. Разработка алгоритма и написание соответствующей программы. Построение интерполяционного многочлена.
курсовая работа [212,6 K], добавлен 11.12.2013Способы построения интерполяционных многочленов Лагранжа, основные этапы. Интерполирование функций многочленами Ньютона, способы построения графика. Постановка задачи аппроксимации функции одной переменной, предпосылки повышения точности расчетов.
презентация [204,5 K], добавлен 18.04.2013Решение дифференциальных уравнений математической модели системы с гасителем и без гасителя. Статический расчет виброизоляции. Определение собственных частот системы, построение амплитудно-частотных характеристик и зависимости перемещений от времени.
контрольная работа [1,6 M], добавлен 22.12.2014Теоретические основы оценивания показателей точности и описание статистической имитационной модели. Моделирование мощности излучения и процесса подготовки к измерениям. Статистическая обработка результатов моделирования и сущность закона распределения.
дипломная работа [1,9 M], добавлен 10.06.2011Знакомство с особенностями построения математических моделей задач линейного программирования. Характеристика проблем составления математической модели двойственной задачи, обзор дополнительных переменных. Рассмотрение основанных функций новых переменных.
задача [656,1 K], добавлен 01.06.2016Обзор применения аппарата разностных уравнений в экономической сфере. Построение моделей динамики выпуска продукции фирмы на основе линейных разностных уравнений второго порядка. Анализ модели рынка с запаздыванием сбыта, динамической модели Леонтьева.
практическая работа [129,1 K], добавлен 11.01.2012Построение уравнения регрессии. Оценка параметров линейной парной регрессии. F-критерий Фишера и t-критерий Стьюдента. Точечный и интервальный прогноз по уравнению линейной регрессии. Расчет и оценка ошибки прогноза и его доверительного интервала.
презентация [387,8 K], добавлен 25.05.2015Схема блоков модели Карааслана, система дифференциальных уравнений, методы решения. Блоки и биохимические законы системы Солодянникова, переход между фазами. Моделирование патологий, графики экспериментов. Построение комплексной модели гемодинамики.
дипломная работа [4,1 M], добавлен 24.09.2012Многошаговые методы и их построение. Вычисление интеграла. Формула для определения неизвестного значения сеточной функции. Запись разностной схемы четвертого порядка. Сущность методов Адамса, Милна, прогноза и коррекции. Оценка точности вычислений.
презентация [162,9 K], добавлен 18.04.2013Расчет с использованием системы MathCAD значения функций перемещения, скорости и ускорения прицепа под воздействием начальных их значений без учета возмущающей силы неровностей дороги. Оценка влияния массы прицепа на максимальную амплитуду колебаний.
курсовая работа [1,2 M], добавлен 19.02.2013