- •Методические рекомендации
- •«Математическое моделирование в экономике» Курган - 2012
- •I. Модели, их виды, этапы построения
- •II. Модели одномерных временных рядов (динамические ряды)
- •III. Модели управления запасами
- •Классическая задача управления запасами (модель Вильсона)
- •3.2. Модель Вильсона, учитывающая скидки
- •3.3. Модификации модели Вильсона
- •3.3.3. Модель с учетом дефицита при постепенном пополнении.
- •3.3.5. Модель с учетом ндс.
- •3.4. Модель управления запасами материала
- •V. Модель управления дебиторской и кредиторской задолженностью
- •VI. Модели факторного анализа.
- •VII. Модели оценки риска банкротства предприятия
- •7.1. Модель о.П. Зайцевой для оценки риска банкротства предприятия
- •7.2. Модель Аргенти (а-модель)
- •7.3.Модель Альтмана и ее модификации.
- •7.4. Модель Таффлера
- •7.6.Модель Спрингейта
- •VIII. Модель влияния элементов учетной политики на оптимизацию прибыли
- •IX. Модель, основанная на теории нечетких множеств
- •Пример. Выбор предприятия для кредитования методом лингвистических векторных оценок
- •X. Модель, основанная на построении дерева решений
- •Построение модели временного ряда средствами Exel 2007
- •Построение регрессионной модели средствами Exel 2007
Построение модели временного ряда средствами Exel 2007
Рассмотрим построение модели аддитивного ряда средствами Exel 2007 на примере изучения объемов потребления электроэнергии (млн кВТ*ч) жителями региона за 16 кварталов и на основании полученной модели спрогнозируем объем потребляемой электроэнергии на следующие полгода. Построенный пример описан в .
Пусть известный объем потребляемой электроэнергии задан таблицей 1.
Таблица 1. Потребление электроэнергии жителями региона, млн кВТ*ч
№ кварт. |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
Объем электроэнергии (млн кВТ*ч) |
6,0 |
4,4 |
5,0 |
9,0 |
7,2 |
4,8 |
6,0 |
10 |
8,0 |
5,6 |
6,4 |
11 |
9,0 |
6,6 |
7,0 |
10.8 |
Внесем эти данные в таблицу
В главном меню выбираем «ВСТАВКА»
В главном меню выбираем «ТОЧЕЧНАЯ»
Получаем график
Теперь считаем сезонную компоненту и среднюю ошибку аппроксимации. Для этого открываем лист 2 и копируем в него первые два столбца. По методике, описанной в 1рассчитаем значения сезонной компоненты.
Таблица 1- Расчет оценок сезонной компоненты в аддитивной модели
Номер квартала |
Потребление электроэнергии |
Итого за четыре квартала |
Скользящая средняя |
Центрированная скользящая средняя |
Оценка сезонной компоненты |
1 |
2 |
3 |
4 |
5 |
6 |
1 |
6,0 |
– |
– |
– |
– |
2 |
4,4 |
24,4 |
6,10 |
– |
– |
3 |
5,0 |
25,6 |
6,40 |
6,250 |
–1,250 |
4 |
9,0 |
26,0 |
6,50 |
6,450 |
2,550 |
5 |
7,2 |
27,0 |
6,75 |
6,625 |
0,575 |
6 |
4,8 |
28,0 |
7,00 |
6,875 |
–2,075 |
7 |
6,0 |
28,8 |
7,20 |
7,100 |
–1,100 |
8 |
10,0 |
29,6 |
7,40 |
7,300 |
2,700 |
9 |
8,0 |
30,0 |
7,50 |
7,450 |
0,550 |
10 |
5,6 |
31,0 |
7,75 |
7,625 |
–2,025 |
11 |
6,4 |
32,0 |
8,00 |
7,875 |
–1,475 |
12 |
11,0 |
33,0 |
8,25 |
8,125 |
2,875 |
13 |
9,0 |
33,6 |
8,40 |
8,325 |
0,675 |
14 |
6,6 |
33,4 |
8,35 |
8,375 |
–1,775 |
15 |
7,0 |
– |
– |
– |
– |
16 |
10,8 |
– |
– |
– |
– |
Таблица расчета оценок сезонной компоненты в аддитивной модели заполняется по следующему правилу:
1 столбец – известный номер квартала;
2 столбец – известный объем потребляемой электроэнергии(млн кВТ*ч);
3 столбец – складываем последовательно значения четырех ячеек 2 столбца и записываем их на одну клетку ниже;
4 столбец – каждое значение 3 столбца делим на 4 (период сезонных колебаний);
5 столбец – складываем последовательно значения двух ячеек 4 столбца, делим эту сумму на 2 и записываем на одну клетку ниже;
6 столбец – из элементов 2 столбца вычитаем элементы 5 столбца.
Рассчитаем значения сезонной компоненты S
Для этой цели составим следующую расчетную таблицу 3, в которую последовательно разместим данные из 6 столбца табл. 2.
Таблица 3- Расчет значений сезонной компоненты в аддитивной модели
Показатель |
Год |
Номер квартала | |||
I |
II |
III |
IV | ||
|
1 |
– |
– |
–1,250 |
2,550 |
2 |
0,575 |
–2,075 |
–1,100 |
2,700 | |
3 |
0,550 |
–2,025 |
–1,475 |
2,875 | |
4 |
0,675 |
–1,775 |
– |
– | |
Итого за квартал |
|
1,800 |
–5,875 |
–3,825 |
8,125 |
Средняя оценка сезонной компоненты ( |
|
0,600 |
–1,958 |
–1,275 |
2,708 |
Скорректированная сезонная компонента |
|
0,581 |
–1,977 |
–1,294 |
2,690 |
Средняя оценка сезонной компоненты () рассчитывается как итого за квартал /3.
В аддитивных моделях с сезонной компонентой предполагается , что сезонные воздействия за период взаимопогашаются. Это означает, что сумма значений сезонной компоненты по всем кварталам должна быть равна 0.
Для данной модели имеем 0,600+ (–1,958) + (–1,275) + 2,708 = 0,075 0.
Определим корректирующий коэффициент k = 0,075/4 = 0,01875.
Рассчитаем скорректированные значения сезонной компоненты, как разность между ее средней оценкой и корректирующим коэффициентом k:
k.
Проверим условие равенства нулю суммы значений сезонной компоненты: 0,581 – 1,977 – 1,294 + 2,690 = 0.
Подставим значения скорректированной сезонной компоненты в столбец С.
Заполняем столбец D, как разность В и С.
Получаем
Пошагово выбираем ту линию тренда, где наибольшее значение имеет R2.
Для этого ставим курсор на точки поля корреляции и выбираем тренд, расставляя галочки в окна, «показать уравнение на диаграмме» и «поместить на диаграмму величину достоверности аппроксимации».
В столбец Е вбиваем формулу для уравнения тренда y= 0, 1864x + 5, 7155 и получаем расчетные значения для тренда.
Заполним столбец F, как сумму C и Е, и найдем ошибку аппроксимации.
Для нахождения ошибки аппроксимации заполним столбец G. Для этого в столбец G вставляем формулу
Получаем
Найдем среднюю ошибку аппроксимации, заполнив столбец Н. Для этого разделим G на В и умножим на 100%.
Таким образом, заметим, что R2 = 0,915 0,75, средняя ошибка аппроксимации равна 2,75%< 3%. Значит, данная модель является надежной.
Спрогнозируем значения потребляемой электроэнергии на следующий квартал. Для этого воспользуемся вновь электронной таблицей.
Заметим, что полученное число 8,8843 млн. кВт/ч. практически не отличается от полученного ранее значения млн. кВт/ч.
Приложение 2.