Моделирование одномерных временных рядов
Цель изучения темы: научитьсяопределять тип тенденции и выявлять наличие периодической составляющей во временном ряду, а также оценивать уровень сезонности, осуществлять фильтрацию периодических составляющих временного ряда и их моделирование. Получить навыки идентификации и применения различных моделей стационарных временных рядов для прогнозирования экономических процессов в профессиональной деятельности.
Контрольные вопросы
1 Охарактеризуйте основные типы кривых роста, наиболее часто используемые на практике при построении трендовых моделей.
2 Назовите важнейшие характеристики точности моделей прогнозирования.
3 Какова интерпретация коэффициентов линейной трендовой модели?
4 Какова интерпретация коэффициентов показательной трендовой модели?
5 Какие методы проверки ряда на стационарность вы знаете?
6 Что понимается под сезонными колебаниями?
7 Назовите основные этапы построения аддитивной модели сезонности.
|
|
8 Назовите основные этапы построения мультипликативной модели сезонности.
9 Как проводится моделирование сезонных колебаний с помощью фиктивных переменных?
10 Что такое стационарные временные ряды в широком и узком смысле?
11 Какие существуют классы моделей для прогнозирования стационарных временных рядов?
12 Как проводится идентификация AR(p) моделей с помощью анализа автокорреляционной и частной автокорреляционной функций?
13 Как проводится идентификация MA(q) моделей с помощью анализа автокорреляционной и частной автокорреляционной функций?
14 Назовите основные этапы построения модели ARIMA.
15 Какие критерии применяются при окончательном выборе модели ARIMA?
Задание Для временного ряда финансового или социально-экономического показателя с помесячной или поквартальной динамикой требуется:
1) на основе графического анализа провести исследование компонентного состава временного ряда;
2) при обнаружении тенденции во временном ряду оценить параметры линейного и параболического тренда;
3) построить тренд – сезонную аддитивную или мультипликативную модель;
4) построить модель регрессии с включением фактора времени и фиктивных переменных;
5) на основе анализа АКФ и ЧАКФ выбрать порядок модели AR(p), оценить параметры выбранной модели;
Для всех построенных моделей с помощью средней относительной ошибки аппроксимации оценить их качество и дать прогноз на следующие два периода.