Моделирование и прогнозирование курса акций «Ростелеком»
Заказать уникальную курсовую работу- 1919 страниц
- 5 + 5 источников
- Добавлена 18.05.2012
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
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
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
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
Вопрос-ответ:
Что такое моделирование и прогнозирование курса акций?
Моделирование и прогнозирование курса акций - это процесс, при котором используются математические модели и статистические методы для анализа и предсказания будущих изменений цены акций.
Какие данные использовались в исследовании курса акций «Ростелеком»?
Для исследования курса акций «Ростелеком» были использованы данные, такие как дата и время торгов, количество сделок, объем торгов, цена открытия и закрытия акций и другие показатели.
Что такое автокорреляционная функция временного ряда и как она анализируется?
Автокорреляционная функция временного ряда - это мера связи между значениями ряда и его отстающими значениями. Анализ автокорреляционной функции позволяет выявить наличие закономерностей и периодичности в данных временного ряда.
Что означает приведение ряда к стационарному?
Приведение ряда к стационарному значит, что мы удаляем из него тренды, сезонные факторы и прочие временные зависимости, чтобы получить стационарный ряд, в котором среднее значение и дисперсия не меняются со временем.
Какой критерий используется для оценки модели временного ряда?
Для оценки модели временного ряда используется критерий Дарбина-Уотсона. Значение этого критерия равное 2 говорит о возможности построения идеальной модели, то есть модели, в которой нет автокорреляции ошибок.
Что представляют собой исходные данные для моделирования курса акций «Ростелеком»?
Исходные данные для моделирования курса акций «Ростелеком» - это временной ряд, содержащий информацию о курсе акций данной компании за определенные периоды времени.
Как проводится анализ общей и частной автокорреляционной функции временного ряда?
Для анализа общей и частной автокорреляционной функции временного ряда используются статистические методы, такие как коррелограмма и частичная автокорреляционная функция. Коррелограмма позволяет оценить зависимость между значениями ряда на разных лагах времени, а частичная автокорреляционная функция позволяет учитывать влияние промежуточных лагов при оценке автокорреляции на заданном лаге.
Каким образом можно привести временной ряд к стационарному состоянию?
Временной ряд можно привести к стационарному состоянию путем применения различных методов, таких как дифференцирование, логарифмирование, удаление тренда и сезонности. Эти методы помогают устранить систематическую зависимость между значениями ряда и сделать его более предсказуемым.
Какая модель может быть построена для временного ряда курса акций «Ростелеком»?
Для временного ряда курса акций «Ростелеком» может быть построена различная модель, включая модели ARIMA (авторегрессионная интегрированная скользящая средняя), модели GARCH (общий авторегрессионный условный гетероскедастичный) и другие модели временных рядов. Выбор конкретной модели зависит от структуры исходного ряда и целей моделирования.
Какой прогноз может быть сделан для курса акций «Ростелеком» при помощи модели?
С использованием модели временного ряда для курса акций «Ростелеком» можно сделать прогноз на будущие периоды времени. Прогноз может предоставлять информацию о том, как изменится курс акций в будущем, основываясь на анализе и моделировании исходных данных. Однако, стоит учитывать, что точность прогноза может зависеть от различных факторов и ограничений модели.