Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1




НазваМарина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1
Дата канвертавання05.11.2012
Памер91.68 Kb.
ТыпЛабораторная работа
Марина Шутько


Лабораторная работа №3

Модели стационарных рядов ARMA и нестационарных ARIMA


Задание №1


Для TS рядов, по результатам ADF – теста, из Лабораторной работы №1 построить модели ARMA, если необходимо – исключить линейный тренд.

Для DS рядов, по результатам ADF – теста, из Лабораторной работы №1 построить модели ARIMA, если необходимо – исключить линейный тренд.

Результаты применения теста ADF (5% Critical Value)
















Переменная

ADF- тест

Результат

Спецификация

ADF-статистика

Критические значения
















РЕЗЕРВНЫЕ АКТИВЫ кредит

(rezervnyeaktivyk)

C,0

-7.526617

-2.9286

I(0)
















Индекс базисный

(bazisnyj)

C,0

-7.526617

-2.9286

I(0)
















Индекс цепной

(cepnoj)

N,0

-5.891163

-1.9504

I(0)
















Индекс к соответствующему периоду предыдущего года

(ksootvperiodu)

N,0

-5.363696

-1.951

I(0)
















Индекс нарастающим итогом

(narastitogom)

N,0

-2.982668

-1.9498

I(0)

















Ссылаясь на результаты применения теста ADF (5% Critical Value), определяем принадлежность временных рядов: все рассматриваемые временные ряды мы отнесем к классу стационарных, которые не имеют детерминированного тренда, т.е. к классу TS-рядов. Таким образом, построим для всех временных рядов модели ARMA.


РЕЗЕРВНЫЕ АКТИВЫ кредит (rezervnyeaktivyk)


Исходный ряд имеет спецификацию: xt ~ I(0), С, т.е. является стационарным и содержит только константу.

В зависимости от порядка интегрированности k строим коррелограм ряда (View/Correlogram). В нашем случае k=0, =>, строим коррелограм в уровнях (Level):



Он имеет вид:



По поведению графиков автокорреляционной (Autocorrelation, ACF) и частной автокорреляциолнной (Partial Correlation, PACF) функций определяем порядок составляющих MA(q) и AR(p). По поведению графика Autocorrelation определяем порядок МА, т.е. производим выбор q. По поведению Partial Correlation определяем порядок AR, т.е. производим выбор p.

В нашем случае временной ряд является «белым шумом». =>, построить ARMA-модель нельзя.

Однако мы попробуем построить ARMA-модель, где q=1, p=1, порядок которых мы определяем по поведению графиков автокорреляционной (Autocorrelation, ACF) и частной автокорреляционной (Partial Correlation, PACF) функций.

Строим модель, т.е. в объекте Equation: зависимая переменная – это исходный ряд rezervnyeaktivyk»), затем константа (c), затем авторегрессионная составляющая (AR(1)) и составляющая скользящего среднего (MA(1)).



В общем случае в EViews модель имеет вид:



Получаем результат:



Таким образом, можно сделать вывод о том, что все переменные значимы (Prob.<0,05), а, =>, мы их оставляем в модели.

Проверим, является ли нормальным распределение остатков. Применим тест Бера–Жарка:



Как следует из приведенной выше таблицы: Prob.<0,05. Это позволяет утверждать, что допущение о нормальном распределении остатков нарушено. =>, построение модели ARMA является некорректным, что и предполагалось выше: т.к. временной ряд «РЕЗЕРВНЫЕ АКТИВЫ кредит» («rezervnyeaktivyk») является «белым шумом», построить ARMA-модель нельзя.


Индекс базисный (bazisnyj)


Исходный ряд имеет спецификацию: xt ~ I(0), С, т.е. является стационарным и содержит только константу.

В зависимости от порядка интегрированности k строим коррелограм ряда (View/Correlogram). В нашем случае k=0, =>, строим коррелограм в уровнях (Level):


Он имеет вид:



Проанализировав графики автокорреляционной (Autocorrelation, ACF) и частной автокорреляциолнной (Partial Correlation, PACF) функций, делаем вывод о том, что временной ряд «Индекс базисный» («bazisnyj») также является «белым шумом». =>, построить ARMA-модель нельзя.


Индекс цепной (cepnoj)


Исходный ряд имеет спецификацию: xt ~ I(0), N, т.е. является стационарным и не содержит ни тренд, ни константу.

В зависимости от порядка интегрированности k строим коррелограм ряда (View/Correlogram). В нашем случае k=0, =>, строим коррелограм в уровнях (Level):



Он имеет вид:



Проанализировав графики автокорреляционной (Autocorrelation, ACF) и частной автокорреляциолнной (Partial Correlation, PACF) функций, делаем вывод о том, что временной ряд «Индекс цепной» («cepnoj») также является «белым шумом». =>, построить ARMA-модель нельзя.


Индекс к соответствующему периоду предыдущего года (ksootvperiodu)


Исходный ряд имеет спецификацию: xt ~ I(0), N, т.е. является стационарным и не содержит ни тренд, ни константу.

В зависимости от порядка интегрированности k строим коррелограм ряда (View/Correlogram). В нашем случае k=0, =>, строим коррелограм в уровнях (Level):



Он имеет вид:



Проанализировав графики автокорреляционной (Autocorrelation, ACF) и частной автокорреляциолнной (Partial Correlation, PACF) функций, делаем вывод о том, что временной ряд «Индекс к соответствующему периоду предыдущего года» («ksootvperiodu») также является «белым шумом». =>, построить ARMA-модель нельзя.


Индекс нарастающим итогом (narastitogom)


Исходный ряд имеет спецификацию: xt ~ I(0), N, т.е. является стационарным и не содержит ни тренд, ни константу.

В зависимости от порядка интегрированности k строим коррелограм ряда (View/Correlogram). В нашем случае k=0, =>, строим коррелограм в уровнях (Level):



Он имеет вид:



Временной ряд «Индекс нарастающим итогом» («narastitogom») также является «белым шумом». =>, построить ARMA-модель нельзя.

Однако мы попробуем построить ARMA-модель, где q=12, p=12, порядок которых мы определяем по поведению графиков автокорреляционной (Autocorrelation, ACF) и частной автокорреляционной (Partial Correlation, PACF) функций.

Строим модель, т.е. в объекте Equation: зависимая переменная – это исходный ряд narastitogom»), затем авторегрессионная составляющая (AR(12)) и составляющая скользящего среднего (MA(12)). Компоненту MA в модель ввести невозможно.



Получаем результат:



Можно сделать вывод о том, что переменная AR(12) является незначимой (Prob.>0,05), а, =>, мы ее исключаем из модели.

Таким образом, временной ряд «Индекс нарастающим итогом» («narastitogom») является «белым шумом», =>, построить ARMA-модель нельзя, что и предполагалось выше.


Вывод

Таким образом, в нашем случае все временные ряды являются «белым шумом». =>, для них построить ARMA-модели нельзя.


Задание №2


По моделям из Задания №1 построить прогноз показателя на 2 года вперед и сравнить с прогнозом, построенным в Лабораторной работе № 2.


Из выше проделанной работы (см. Задание №1) мы пришли к выводу, что для всех временных рядов построить ARMA-модели нельзя.

Однако попробуем построить прогноз на два года вперед по модели «РЕЗЕРВНЫЕ АКТИВЫ кредит» («rezervnyeaktivyk»). В этой модели все переменные значимы: c, AR(1), MA(1) (но необходимо помнить, что эта ARMA-модель является некорректной, т.к. нарушено допущение о нормальном распределении остатков). Затем прогноз по модели «РЕЗЕРВНЫЕ АКТИВЫ кредит» («rezervnyeaktivyk») сравним с ранее полученным прогнозом (см. Лаб. работа №2).

Для этого необходимо продлить Range на 2 года вперед (делаем двойное нажатие мышки в поле Range). Затем в нашей модели (объекте Equation) нажимаем кнопку Forecast. В окне Forecast задаем имя временного ряда, где будет сохранен прогноз показателя (поле Forecast name) и период, для которого строиться прогноз (Sample range for forecast).









Таким образом, получаем результат:

Год

Прогноз Лаб. работы №2

Прогноз ARМА-модели

2007:2

25.38710

15.30589

2007:3

25.38710

20.50963

2007:4

8.763636

23.59451

2008:1

25.38710

25.42329

2008:2

25.38710

26.50742

2008:3

25.38710

27.15012

2008:4

8.763636

27.53112

2009:1

25.38710

27.75699



Дадаць дакумент у свой блог ці на сайт

Падобныя:

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа №5 Построение реляционной модели бд с использованием метода нормальных форм
...

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа №1 Выполнили студентки 101 группы
Основные понятия системного анализа (из главы 1 книги Ю. М. Плотинского “Модели социальных процессов )

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconТеоретические и методические основы разработки организационно-экономической модели лекарственного обеспечения стационарных больных в современных условиях ( на примере Республики Татарстан)
Работа выполнена в Государственном образовательном учреж­дении дополнительного профессионального образования «Казан­ская медицинская...

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа №5: Перманганатометрия. Стандартизация раствора перманганата калия. Определение
Лабораторная работа №5: Перманганатометрия. Стандартизация раствора перманганата калия. Определение Fe2+ в растворе соли Мора

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа №1 По теме ««Изучение Internet в целях использовании его в теории систем и системном анализе» По курсу тс и са
Лабораторная работа предназначена для: обоснования потребности, необходимости и удобства использования среды Internet для поиска...

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЗадание Структура Задание 1 Задание 2 Задание 3 Задание 4
Введение в проблему (наличие реально жизненной ситуации (проблемы)/лично-значимый познавательный вопрос)

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconРабочая программа дисциплины " Теория экономического равновесия и роста "
Вальда. Рассматриваются также модели несовершенной конкуренции. Представлены динамические модели поведения в условиях рынка, модели...

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа №5
Освоить основные алгоритмы программной генерации равномерно распределенных псевдослучайных последовательностей

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа по тексту рисункам учебника найти отличия первобытного человека и животных от современного человека Работа с историческими понятиями, выделенными в книге
В чем главное отличие людей от животных? (по рисунку и учебнику, найти не менее 3-4х отличий)

Марина Шутько Лабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1 iconЛабораторная работа
Цель: доказать, что в ротовой полости действительно происходит расщепление крахмала ферментами слюны

Размесціце кнопку на сваім сайце:
be.convdocs.org


База данных защищена авторским правом ©be.convdocs.org 2012
звярнуцца да адміністрацыі
be.convdocs.org
Галоўная старонка