Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн

Август 27, 2022

Главная
Обществознание
Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн

Содержание

2. Три составляющие временного ряда Долговременная тенденция Т Периодические (циклические или сезонные) колебания S Случайная компонента Е
3. Модели временного ряда: Основная задача эконометрического исследования временного ряда: выявление и количественное выражение его компонент (тенденции,
4. Автокорреляция уровней временного ряда – это корреляционная зависимость между последовательными уровнями временного ряда. Измеряется с помощью
5. τ – величина сдвига во времени, или лаг Например, лаг τ=1 означает, что ряд сдвинут на
6. Свойства коэффициента автокорреляции: характеризует тесноту только линейной связи текущего и предыдущего уровней ряда, поэтому по данному
7. Автокорреляционная функция временного ряда (АКФ) – это последовательность коэффициентов автокорреляции первого, второго и т.д. порядков. Коррелограмма
8. Моделирование тенденции временного ряда Аналитическое выравнивание – это построение аналитической функции, характеризующей зависимость уровней ряда от
9. Для определения вида тенденции применяются следующие методы: – качественный анализ изучаемого процесса; – построение и визуальный
10. Выбор вида тенденции на основе качественного анализа Процессы с монотонным характером развития и отсутствием пределов роста
11. Моделирование периодических колебаний Построение аддитивной и мультипликативной моделей сводится к расчету значений T, S, E для
12. 1 этап. Выравнивание исходного ряда методом скользящей средней
13. 2 этап. Расчет значений периодической компоненты S
14. 3 этап. Устранение периодической компоненты из исходных уровней ряда и получение выравненных данных (Т+Е)
16. Скачать презентацию

Слайд 2

Три составляющие временного ряда
Долговременная
тенденция Т
Периодические
(циклические или сезонные)
колебания S
Случайная

компонента
Е

Слайд 3

Модели временного ряда:
Основная задача эконометрического исследования временного ряда:
выявление и количественное выражение

его компонент (тенденции, периодичности, случайной компоненты)
в целях их использования для прогнозирования будущих значений ряда.

1) аддитивная

2) мультипликативная

3) смешанная

Слайд 4

Автокорреляция уровней временного ряда –
это корреляционная зависимость между последовательными уровнями

временного ряда.
Измеряется с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями ряда, сдвинутыми на несколько шагов назад во времени:

Слайд 5

τ – величина сдвига во времени, или лаг
Например, лаг τ=1

означает, что ряд сдвинут на один период (момент) назад и т.д. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается.

τ=1 =>

τ=2 =>

Слайд 6

Свойства коэффициента автокорреляции:
характеризует тесноту только линейной связи текущего и предыдущего уровней

ряда, поэтому по данному коэффициенту можно судить о наличии линейной или близкой к линейной тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию, коэффициент автокорреляции может приближаться к нулю;
по знаку коэффициента автокорреляции нельзя судить о возрастающей или убывающей тенденции в уровнях ряда.

Слайд 7

Автокорреляционная функция временного ряда (АКФ) – это последовательность коэффициентов автокорреляции первого,

второго и т.д. порядков. Коррелограмма – это график зависимости значений АКФ от величины лага.

Слайд 8

Моделирование тенденции временного ряда
Аналитическое выравнивание – это построение аналитической функции, характеризующей

зависимость уровней ряда от времени, т.е. построение тренда:
линейный тренд
экспоненциальный тренд
гипербола
тренд в форме степенной функции

Слайд 9

Для определения вида тенденции применяются следующие методы:
– качественный анализ изучаемого процесса;
–

построение и визуальный анализ графика зависимости уровней ряда от времени;
– расчет и анализ показателей динамики временного ряда (абсолютные приросты, темпы роста и др.);
– метод перебора, при котором строятся тренды различного вида с последующим выбором наилучшего на основании значения скорректированного коэффициента детерминации.

Слайд 10

Выбор вида тенденции на основе качественного анализа
Процессы с монотонным характером

развития и отсутствием пределов роста

Функции:
линейная,
параболическая,
экспоненциальная,
степенная.

Процессы, имеющие предел роста (падения), так называемые процессы с «насыщением»

Функции:
гиперболическая,
модифицированная экспонента.

S-образные
процессы

Функция:
логистическая.

Слайд 11

Моделирование периодических колебаний
Построение аддитивной и мультипликативной моделей сводится к расчету значений

T, S, E для каждого уровня ряда.
Процесс построения модели включает в себя следующие этапы:
1. Выравнивание исходного ряда методом скользящей средней.
2. Расчет значений периодической компоненты S.
3. Устранение периодической компоненты из исходных уровней ряда и получение выравненных данных (Т+Е) в аддитивной или (Т•Е) в мультипликативной модели.
4. Аналитическое выравнивание уровней ряда и расчет значений Т с использованием полученного уравнения тренда.
5. Расчет полученных по модели значений (Т+S) или (Т•S).
6. Расчет абсолютных и/или относительных ошибок.

Слайд 12

1 этап. Выравнивание исходного ряда методом скользящей средней

Слайд 13

2 этап. Расчет значений периодической компоненты S

Слайд 14

3 этап. Устранение периодической компоненты из исходных уровней ряда и получение

выравненных данных (Т+Е)

Временные ряды Эконометрическую модель можно построить, используя два типа исходных данных: данные, характеризующие совокупн

Содержание

Три составляющие временного рядаДолговременная тенденция ТПериодические (циклические или сезонные) колебания SСлучайная

Модели временного ряда:Основная задача эконометрического исследования временного ряда:выявление и количественное выражение

Автокорреляция уровней временного ряда – это корреляционная зависимость между последовательными уровнями

τ – величина сдвига во времени, или лаг Например, лаг τ=1

Свойства коэффициента автокорреляции:характеризует тесноту только линейной связи текущего и предыдущего уровней