Лаба 6 / Решение 1
.docxФедеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
УФИМСКИЙ ГОСУДАРСТВЕННЫЙ АВИАЦИОННЫЙ
ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Лабораторная работа №6
по дисциплине:
«Эконометрика»
Уфа 2016
Цель : построение прогноза показателя на основе моделей адаптивного сглаживания на краткосрочные перспективы.
-
Исходные данные: квартальный объем добычи угля за 5 лет.
Графический анализ данных позволяет предположить о наличии детерминированного линейного тренда. Также заметны периодические колебания, их период 4, это свидетельствует о наличие в структуре ряда сезонности.
Рисунок 1- Исходные данные
-
Оценим модель адаптивного сглаживания с параметрами адаптации, выбранными самостоятельно.
Alpha=0.1
Delta=0.1
Gamma=0.1
На рис. 2 представлен график исходного ряда, подобранного и остатков, в таблице 1 представлены таблицы с соответствующими значениями.
Рисунок 2- График исходного ряда, подобранного и остатков,
для параметров alpha 0,1,delta 0,1, gamma 0,1
Таблица 1
-
Выберем параметры адаптации по сетке поиска и построим прогноз с отобранными параметрами адаптации.
Таблица 2. Сетка поиска
По наименьшим ошибкам sums of squares и mean squares выберем следующие параметры адаптации: alpha 0,1, delta 0,1, gamma 0,1. Для данных значений параметров адаптации график исходных данных уже был построен выше.
-
Построим прогноз по адаптивной модели с автоматически подобранными параметрами адаптации.
На рис. 4 представлен график фактических значений, расчетных и остатков.
Рисунок 4 – график фактических значений, расчетных и остатков
Таблица 4
-
Ниже представлены графики АКФ и ЧАКФ
Рисунок 5 – ЧАКФ и АКФ для параметров, рассчитанных в пункте 2
Рисунок 6 – ЧАКФ и АКФ для параметров, рассчитанных в пункте 4
Таблица 5. Прогнозные значения
Рисунок 8. Прогноз
Лучшей моделью прогнозирования является модель с параметрами адаптации, рассчитанными автоматически (alpha 0,407,delta 0,0, gamma 0,0). Анализ АКФ и ЧАКФ показал, что показатели находятся в пределах белого шума, что свидетельствует об адекватности подобранной модели.