Вам нужна курсовая работа?
Интересует Высшая Математика?
Оставьте заявку
на Курсовую работу
Получите бесплатную
консультацию по
написанию
Сделайте заказ и
скачайте
результат на сайте
1
2
3

Моделирование и прогнозирование курса акций «Ростелеком»

  • 19 страниц
  • 5 источников
  • Добавлена 18.05.2012
750 руб. 1 500 руб.
  • Содержание
  • Часть работы
  • Список литературы
Введение
1.Описание и анализ исходных данных
2.Анализ общей и частной автокорреляционной функции временного ряда.
3.Приведение ряда к стационарному
4.Построение модели временного ряда
5.Прогнозирование при помощи модели ARIMA (2,2)
Заключение
Список использованной литературы

Фрагмент для ознакомления

Также критерий Дарбина-Уотсона равен 2, что говорит об возможности построения идеальной модели.Date: 05/23/12Time: 16:44Sample: 3 743Included observations: 741Q-statistic probabilities adjusted for 4 ARMA term(s)AutocorrelationPartial CorrelationAC  PAC Q-Stat Prob       .| |       .| |1-0.004-0.0040.0098       .| |       .| |20.0310.0310.7352       .| |       .| |30.0230.0231.1243       .| |       .| |4-0.050-0.0513.0241       .| |       .| |50.0110.0093.11740.077       .| |       .| |6-0.021-0.0193.46110.177       .| |       .| |70.0700.0717.08780.069       .| |       .| |80.0410.0408.35700.079       .|* |       .| |90.0750.07412.5870.028       .| |       .| |100.0710.06516.3740.012       *| |       *| |11-0.070-0.06920.1030.005       .| |       .| |120.0510.04522.0360.005       .| |       .| |130.0580.07024.5860.003       .| |       .| |140.0060.01024.6100.006       .| |       .| |150.0190.00324.8900.009       .| |       .| |160.0390.03326.0210.011       .| |       .| |170.0200.00826.3280.015       .| |       .| |18-0.016-0.01926.5180.022       .| |       .| |190.0120.00326.6330.032       .| |       .| |20-0.004-0.00526.6440.046       .| |       .| |210.0250.02427.1370.056       .| |       .| |220.0280.00527.7180.066       .| |       *| |23-0.063-0.07330.7810.043       .| |       .| |24-0.017-0.02331.0030.055       .| |       .| |25-0.035-0.04231.9520.059       .| |       .| |260.0450.04133.5260.055       .| |       .| |27-0.015-0.01433.6880.070       .| |       .| |280.0220.01634.0610.084       .| |       .| |290.018-0.00334.3030.102       .| |       .| |300.0060.01434.3260.127       .| |       .| |310.0210.02034.6820.147       .| |       .| |32-0.064-0.04737.8930.100       .| |       .| |33-0.022-0.01538.2600.117       .| |       .| |34-0.040-0.04439.5100.115       .| |       .| |35-0.043-0.04140.9420.109       .| |       .| |360.0650.06344.2660.073Исходя из графиков автокорреляции и частичной автокорреляции можно сделать вывод, что она отсутствует в предложенной модели.Breusch-Godfrey Serial Correlation LM Test:F-statistic0.389150    Prob. F(2,734)0.6778Obs*R-squared0.784889    Prob. Chi-Square(2)0.6754Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 05/23/12Time: 16:48Sample: 3 743Included observations: 741Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.  C0.0001520.2206660.0006880.9995AR(1)0.0014970.0121360.1233280.9019AR(2)-4.95E-050.011874-0.0041720.9967MA(1)-0.0015170.016323-0.0929220.9260MA(2)-0.0022800.015965-0.1428450.8865RESID(-1)-0.0034960.038290-0.0913130.9273RESID(-2)0.0335500.0382870.8762790.3812R-squared0.001059    Mean dependent var-0.000128Adjusted R-squared-0.007106    S.D. dependent var5.960938S.E. of regression5.982081    Akaike info criterion6.424816Sum squared resid26266.41    Schwarz criterion6.468346Log likelihood-2373.394    Hannan-Quinn criter.6.441599F-statistic0.129717    Durbin-Watson stat1.999994Prob(F-statistic)0.992599Автокорреляция отсутствует, так все вероятности не равны нулю, а в большинстве случаев ближе к 1.ТестJarque–BeraВероятность равна нулю, соответственно автокорреляция отсутствует.На основании этой модели целесообразно сделать прогноз.Прогнозирование при помощи модели ARIMA (2,2)Точечный прогноз741194.2853742194.6046743192.8578По данной модели мы можем спрогнозировать на 3 шага вперед, для более долгосрочного прогноза предполагается использование более сложных моделей.ЗаключениеВ результате написания данной работы были проанализированы статистические данные временного ряда. Проведены гипотезы на стационарность изначального ряда, с помощью ряда тестов найден стационарный ряд,на основании которого выбрана наиболее подходящая модель.Использование программы EVIEWSпоиску оптимальной модели для составления краткосрочного прогноза для статистических данных во времянном ряду.Список использованной литературыДоугерти К. Введение в эконометрику. М., 2003Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебник. – 8-е изд. – М.: Дело, 2007Анализ временных рядов. Пособие для студентов. М., 2003.Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа: Учебник – Москва: Экономика, 2011 - (Высшее образование)Эконометрика: Учебник / Елисеева И.И., Курышева С.В., Костеева Т.В. и др. – М.: Финансы и статистика, 2007

Список использованной литературы
1.Доугерти К. Введение в эконометрику. М., 2003
2.Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебник. – 8-е изд. – М.: Дело, 2007
3.Анализ временных рядов. Пособие для студентов. М., 2003.
4.Тихомиров Н.П., Тихомирова Т.М., Ушмаев О.С. Методы эконометрики и многомерного статистического анализа: Учебник – Москва: Экономика, 2011 - (Высшее образование)
5.Эконометрика: Учебник / Елисеева И.И., Курышева С.В., Костеева Т.В. и др. – М.: Финансы и статистика, 2007


Узнать стоимость работы