- •Индивидуальное задание №2 по дисциплине “Методы социально-экономического прогнозирования”
- •Задание.
- •1)Для предложенного временного ряда определите, имеются ли во временном ряде периодические колебания.
- •4)Оцените качество построенных моделей через показатели средней абсолютной ошибки и среднего относительного отклонения.
- •4)Осуществите прогноз по построенным моделям вперед на 2 временных периода.
Индивидуальное задание №2 по дисциплине “Методы социально-экономического прогнозирования”
для специальности 080116 “Математические методы в экономике”
(дневная форма обучения).
Тема: Адаптивные методы прогнозирования временных рядов.
Задание.
Для предложенного временного ряда определите, имеются ли во временном ряде периодические колебания.
В случае отсутствия периодических колебаний, построить адаптивную полиномиальную модель (порядок модели выберите самостоятельно), в случае их присутствия - адаптивную тренд-сезонную модель (тип модели выберите самостоятельно).
Оцените качество построенных моделей через показатели средней абсолютной ошибки и среднего относительного отклонения.
Осуществите прогноз по построенным моделям вперед на 2 временных периода.
Решение:
1)Для предложенного временного ряда определите, имеются ли во временном ряде периодические колебания.
Вывод: По предложенным данным из графика временного ряда видно отсутствие периодических колебаний.
2)В случае отсутствия периодических колебаний, построить адаптивную полиномиальную модель (порядок модели выберите самостоятельно), в случае их присутствия - адаптивную тренд-сезонную модель (тип модели выберите самостоятельно).
Т.к. во временном ряду отсутствуют периодические колебания, построим адаптивную полиномиальную модель.
а) ПРОСТАЯ ЭКСПОНЕНЦИАЛЬНАЯ СРЕДНЯЯ (a=0,5)
t |
Y |
St |
a0 |
Y^ |
E |
E^2 |
A |
0 |
|
6371,792 |
|
|
|
|
|
1 |
4087 |
5229,396 |
5229,396 |
|
|
|
|
2 |
4737 |
4983,198 |
4983,198 |
5229,396 |
492,3958 |
242453,7 |
0,103947 |
3 |
5768 |
5375,599 |
5375,599 |
4983,198 |
-784,802 |
615914,3 |
0,136061 |
4 |
6005 |
5690,299 |
5690,299 |
5375,599 |
-629,401 |
396145,7 |
0,104813 |
5 |
5639 |
5664,65 |
5664,65 |
5690,299 |
51,29948 |
2631,637 |
0,009097 |
6 |
6745 |
6204,825 |
6204,825 |
5664,65 |
-1080,35 |
1167157 |
0,160171 |
7 |
6311 |
6257,912 |
6257,912 |
6204,825 |
-106,175 |
11273,16 |
0,016824 |
8 |
7107 |
6682,456 |
6682,456 |
6257,912 |
-849,088 |
720949,7 |
0,119472 |
9 |
5741 |
6211,728 |
6211,728 |
6682,456 |
941,4562 |
886339,8 |
0,163988 |
10 |
7087 |
6649,364 |
6649,364 |
6211,728 |
-875,272 |
766100,9 |
0,123504 |
11 |
7310 |
6979,682 |
6979,682 |
6649,364 |
-660,636 |
436439,9 |
0,090374 |
12 |
8600 |
7789,841 |
7789,841 |
6979,682 |
-1620,32 |
2625430 |
0,188409 |
13 |
6975 |
7382,421 |
7382,421 |
7789,841 |
814,841 |
663965,9 |
0,116823 |
14 |
6891 |
7136,71 |
7136,71 |
7382,421 |
491,4205 |
241494,1 |
0,071313 |
15 |
7527 |
7331,855 |
7331,855 |
7136,71 |
-390,29 |
152326,1 |
0,051852 |
16 |
7971 |
7651,428 |
7651,428 |
7331,855 |
-639,145 |
408506,2 |
0,080184 |
17 |
5875 |
6763,214 |
6763,214 |
7651,428 |
1776,428 |
3155695 |
0,302371 |
18 |
6140 |
6451,607 |
6451,607 |
6763,214 |
623,2138 |
388395,4 |
0,101501 |
19 |
6248 |
6349,803 |
6349,803 |
6451,607 |
203,6069 |
41455,77 |
0,032588 |
20 |
6041 |
6195,402 |
6195,402 |
6349,803 |
308,8034 |
95359,57 |
0,051118 |
21 |
4626 |
5410,701 |
5410,701 |
6195,402 |
1569,402 |
2463022 |
0,339257 |
22 |
6501 |
5955,85 |
5955,85 |
5410,701 |
-1090,3 |
1188752 |
0,167713 |
23 |
6284 |
6119,925 |
6119,925 |
5955,85 |
-328,15 |
107682,1 |
0,05222 |
24 |
6707 |
6413,463 |
6413,463 |
6119,925 |
-587,075 |
344656,8 |
0,087532 |
сумма |
152923 |
|
ПРОГНОЗ: |
6413,463 |
|
17122146 |
2,67113 |
среднее |
6371,792 |
|
|
|
|
|
0,116136 |
|
|
|
|
|
|
862,81 |
|
Средняя квадратическая ошибка S=862,81
Ошибка аппроксимации A=11,6 %
б) ЛИНЕЙНАЯ МОДЕЛЬ ЭКСПОНЕНЦИАЛЬНОЙ СРЕДНЕЙ (a=0,5)
t |
Y |
S1 |
S2 |
a0 |
a1 |
Y^ |
E |
E^2 |
A |
0 |
|
5874,248 |
5837,396 |
|
|
|
|
|
|
1 |
4087 |
4980,624 |
5409,01 |
4552,238 |
-428,386 |
|
|
|
|
2 |
4737 |
4858,812 |
5133,911 |
4583,713 |
-275,099 |
4123,852 |
-613,148 |
375950,5 |
0,129438 |
3 |
5768 |
5313,406 |
5223,659 |
5403,154 |
89,7475 |
4308,614 |
-1459,39 |
2129807 |
0,253014 |
4 |
6005 |
5659,203 |
5441,431 |
5876,975 |
217,7723 |
5492,901 |
-512,099 |
262245,4 |
0,085279 |
5 |
5639 |
5649,102 |
5545,266 |
5752,937 |
103,8354 |
6094,748 |
455,7475 |
207705,8 |
0,080821 |
6 |
6745 |
6197,051 |
5871,158 |
6522,943 |
325,8923 |
5856,772 |
-888,228 |
788948,5 |
0,131687 |
7 |
6311 |
6254,025 |
6062,592 |
6445,459 |
191,4335 |
6848,835 |
537,8354 |
289266,9 |
0,085222 |
8 |
7107 |
6680,513 |
6371,552 |
6989,473 |
308,9604 |
6636,892 |
-470,108 |
221001,2 |
0,066147 |
9 |
5741 |
6210,756 |
6291,154 |
6130,358 |
-80,398 |
7298,433 |
1557,433 |
2425599 |
0,271283 |
10 |
7087 |
6648,878 |
6470,016 |
6827,74 |
178,8619 |
6049,96 |
-1037,04 |
1075451 |
0,14633 |
11 |
7310 |
6979,439 |
6724,728 |
7234,151 |
254,7114 |
7006,602 |
-303,398 |
92050,33 |
0,041505 |
12 |
8600 |
7789,72 |
7257,224 |
8322,215 |
532,4959 |
7488,862 |
-1111,14 |
1234628 |
0,129202 |
13 |
6975 |
7382,36 |
7319,792 |
7444,928 |
62,56808 |
8854,711 |
1879,711 |
3533315 |
0,269493 |
14 |
6891 |
7136,68 |
7228,236 |
7045,124 |
-91,5559 |
7507,496 |
616,4959 |
380067,2 |
0,089464 |
15 |
7527 |
7331,84 |
7280,038 |
7383,642 |
51,80208 |
6953,568 |
-573,432 |
328824,2 |
0,076183 |
16 |
7971 |
7651,42 |
7465,729 |
7837,111 |
185,6911 |
7435,444 |
-535,556 |
286820,1 |
0,067188 |
17 |
5875 |
6763,21 |
7114,469 |
6411,951 |
-351,259 |
8022,802 |
2147,802 |
4613054 |
0,365583 |
18 |
6140 |
6451,605 |
6783,037 |
6120,173 |
-331,432 |
6060,691 |
-79,3089 |
6289,909 |
0,012917 |
19 |
6248 |
6349,802 |
6566,42 |
6133,185 |
-216,617 |
5788,741 |
-459,259 |
210919,3 |
0,073505 |
20 |
6041 |
6195,401 |
6380,911 |
6009,892 |
-185,509 |
5916,568 |
-124,432 |
15483,38 |
0,020598 |
21 |
4626 |
5410,701 |
5895,806 |
4925,596 |
-485,105 |
5824,383 |
1198,383 |
1436121 |
0,259054 |
22 |
6501 |
5955,85 |
5925,828 |
5985,873 |
30,02236 |
4440,491 |
-2060,51 |
4245699 |
0,316953 |
23 |
6284 |
6119,925 |
6022,877 |
6216,974 |
97,0486 |
6015,895 |
-268,105 |
71880,27 |
0,042665 |
24 |
6707 |
6413,463 |
6218,17 |
6608,756 |
195,293 |
6314,022 |
-392,978 |
154431,4 |
0,058592 |
|
|
|
|
|
ПРОГНОЗ: |
6804,049 |
|
24385558 |
3,072121 |
|
|
|
|
|
|
6999,342 |
|
|
0,13357 |
|
|
|
|
|
|
7194,635 |
|
1029,68 |
|
Средняя квадратическая ошибка S=1029,68
Ошибка аппроксимации A=13,3 %
в) КВАДРАТИЧНАЯ МОДЕЛЬ ЭКСПОНЕНЦИАЛЬНОЙ СРЕДНЕЙ (a=0,5)
t |
Y |
S1 |
S2 |
S3 |
a0 |
a1 |
a2 |
Y^ |
E |
E^2 |
A |
0 |
|
3828,829 |
3391,530 |
2946,6038 |
4258,5 |
418,23 |
-7,6275 |
|
|
|
|
1 |
4087 |
3957,91 |
3674,72 |
3310,663 |
4160,24 |
81,0246 |
-80,867 |
|
|
|
|
2 |
4737 |
4347,46 |
4011,09 |
3660,876 |
4669,979 |
301,753 |
-13,8459 |
4200,83 |
-536,17 |
287478 |
0,1132 |
3 |
5768 |
5057,73 |
4534,41 |
4097,643 |
5667,601 |
739,702 |
86,55305 |
4964,81 |
-803,19 |
645116 |
0,1392 |
4 |
6005 |
5531,36 |
5032,89 |
4565,265 |
6060,697 |
575,617 |
30,85559 |
6450,58 |
445,58 |
198541 |
0,0742 |
5 |
5639 |
5585,18 |
5309,03 |
4937,15 |
5765,593 |
36,8049 |
-95,7371 |
6651,74 |
1012,74 |
1025646 |
0,1796 |
6 |
6745 |
6165,09 |
5737,06 |
5337,106 |
6621,191 |
498,208 |
28,07173 |
5754,53 |
-990,47 |
981033 |
0,1468 |
7 |
6311 |
6238,05 |
5987,55 |
5662,33 |
6413,804 |
63,6599 |
-74,7326 |
7133,43 |
822,435 |
676399 |
0,1303 |
8 |
7107 |
6672,52 |
6330,04 |
5996,184 |
7023,637 |
364,06 |
8,630161 |
6440,1 |
-666,9 |
444758 |
0,0938 |
9 |
5741 |
6206,76 |
6268,4 |
6132,292 |
5947,377 |
-556 |
-197,746 |
7392,01 |
1651,01 |
2725841 |
0,2876 |
10 |
7087 |
6646,88 |
6457,64 |
6294,966 |
6862,687 |
255,656 |
26,56629 |
5292,5 |
-1794,5 |
3220234 |
0,2532 |
11 |
7310 |
6978,44 |
6718,04 |
6506,503 |
7287,703 |
382,557 |
48,86296 |
7131,63 |
-178,37 |
31817,1 |
0,0244 |
12 |
8600 |
7789,22 |
7253,63 |
6880,067 |
8486,837 |
940,656 |
162,0264 |
7694,69 |
-905,31 |
819582 |
0,1053 |
13 |
6975 |
7382,11 |
7317,87 |
7098,968 |
7291,688 |
-322,41 |
-154,662 |
9508,51 |
2533,51 |
6418651 |
0,3632 |
14 |
6891 |
7136,56 |
7227,21 |
7163,091 |
6891,118 |
-477,61 |
-154,78 |
6891,94 |
0,94278 |
0,88883 |
0,0001 |
15 |
7527 |
7331,78 |
7279,5 |
7221,293 |
7378,14 |
37,4829 |
-5,91981 |
6336,12 |
-1190,9 |
1418192 |
0,1582 |
16 |
7971 |
7651,39 |
7465,44 |
7343,367 |
7901,208 |
345,628 |
63,87229 |
7412,66 |
-558,34 |
311740 |
0,07 |
17 |
5875 |
6763,19 |
7114,32 |
7228,843 |
6175,471 |
-942,62 |
-236,599 |
8278,77 |
2403,77 |
5778118 |
0,4092 |
18 |
6140 |
6451,6 |
6782,96 |
7005,9 |
6011,819 |
-602,41 |
-108,418 |
5114,55 |
-1025,4 |
1051547 |
0,167 |
19 |
6248 |
6349,8 |
6566,38 |
6786,139 |
6136,401 |
-208,63 |
3,181502 |
5355,2 |
-892,8 |
797084 |
0,1429 |
20 |
6041 |
6195,4 |
6380,89 |
6583,514 |
6027,046 |
-142,65 |
17,13581 |
5929,37 |
-111,63 |
12462,3 |
0,0185 |
21 |
4626 |
5410,7 |
5895,79 |
6239,654 |
4784,37 |
-838,18 |
-141,235 |
5892,96 |
1266,96 |
1605197 |
0,2739 |
22 |
6501 |
5955,85 |
5925,82 |
6082,738 |
6172,821 |
497,387 |
186,9439 |
3875,57 |
-2625,4 |
6892872 |
0,4038 |
23 |
6284 |
6119,92 |
6022,87 |
6052,806 |
6343,96 |
414,511 |
126,9837 |
6763,68 |
479,681 |
230094 |
0,0763 |
24 |
6707 |
6413,46 |
6218,17 |
6135,487 |
6721,37 |
476,828 |
112,6134 |
6821,96 |
114,963 |
13216,4 |
0,0171 |
|
|
|
|
|
|
|
ПРОГНОЗ: |
7254,51 |
|
3,6E+07 |
3,6481 |
|
|
|
|
|
|
|
|
7900,25 |
|
|
0,1586 |
|
|
|
|
|
|
|
|
8658,61 |
|
1243,87 |
|
Средняя квадратическая ошибка S=1243,87
Ошибка аппроксимации A=15,8 %
Вывод:
I) Средняя квадратическая ошибка S=862,81
Ошибка аппроксимации A=11,6 %
II) Средняя квадратическая ошибка S=1029,68
Ошибка аппроксимации A=13,3 %
III) Средняя квадратическая ошибка S=1243,87
Ошибка аппроксимации A=15,8 %
Последние две модели уступают простой экспоненциальной средней, так как их ошибки выше, чем у первой модели. Более точным будет являться прогноз первой модели.