Курсовая с практикой на тему Анализ временных рядов

Содержание:

Содержание. 1
Введение. 2
1 Теоретический раздел «Анализ временных рядов». 3
1.1 Понятие временного ряда. 3
1.2 Компоненты
временного ряда. 5
1.3 Автокорреляция
при исследовании временных рядов. 10
1.4 Модели
прогнозирования временных рядов. 15
2 Практический раздел
«Построение модели парной регрессии». 21
Заключение. 28
Список использованных
источников. 29

Введение:

Цель курсовой работы – закрепление
знаний и формирование основных навыков в области моделирования и анализа деятельности
финансово-экономических объектов при исследовании процессов, которые описывают
с помощью рядов динамики и регрессионного анализа

Задачи курсовой работы — углубить
основные термины и
понятия, связанные с эконометрическим моделированием на основе регрессионного
анализа, овладеть  методикой построения
моделей, используемых для моделирования финансово-экономических объектов
изменяющихся во времени (динамических рядов), уметь применять математический аппарат
регрессионного анализа для оценки параметров финансово-экономических моделей.

Методы, используемые для
выполнения курсовой работы – методы анализа динамических рядов, которые
опираются на регрессионный анализ (метод наименьших квадратов для построения
тренда и анализа тренда), корреляционный анализ для построения
автокорреляционной функции и выявления сезонной компоненты, а также другие
статистические методы.

Программные средства,
используемые для выполнения работы – возможности системы Exsel и команд пакета «Анализ
данных» (Регрессия).

Актуальность темы исследования. Развитие общества требует
значительного усиления роли знаний и информации. Особую важность в управлении
различными социально-экономическими процессами приобретает изучение временных
рядов экономических показателей и их прогнозирование. Статистический анализ
информации, представленной в виде временных рядов, является необходимой
составной частью современных экономических исследований. Временные ряды имеют
огромное значение для выявления и изучения складывающихся закономерностей в
развитии явлений экономической, политической и культурной жизни общества. С их помощью
решается актуальная по сегодняшний день задача прогнозирования.

Заключение:

В ходе выполнения курсовой
работы были  углублены теоретические
знания, полученные при изучении дисциплины Эконометрика. Было подробно изучена
тема «Анализ временных рядов». В ходе выполнения работы были рассмотрены понятия
 временной ряд (ряд динамики),
составляющие такого ряда (тренд, сезонная компонента, циклическая компонент, случайная
составляющая), типы рядов динамики (аддитивные и мультипликативные), способы
выделения сезонной составляющей ( с помощью функции АКФ) и способы построения
тренда динамического ряда (регрессионный анализ, метод скользящего среднего).

При выполнении практической
части были усовершенствованы практические навыки по построению и анализу
регрессионной модели для экономического процесса.

При выполнении работы были
освоены приемы работы в системе Exsel для построения и анализа регрессионной
модели, а именно пакет Анализ данных, команда регрессия.

Фрагмент текста работы:

1 Теоретический
раздел «Анализ временных рядов» 1.1 Понятие временного ряда. Аналитику часто приходится иметь дело
с данными, которые представляют собой историю изменения различных объектов во
времени. Такого рода данные называются временными рядами (timeseriesdata)[3].

Временной ряд представляет собой
последовательность наблюдений за изменениями во времени значений параметров
некоторого объекта или процесса. В задачах анализа временных рядов мы имеем
дело с дискретным временем, когда каждое наблюдение за параметром образует
временной отсчет.

Все временные показатели нумеруются в
порядке возрастания, то есть временной ряд т представлен в следующем виде: X =
{x1, x2 … хn}.

Временные ряды бывают одномерные и
многомерные[5]. Одномерные ряды содержат наблюдения за изменением только одного
параметра исследуемого процесса или объекта, а многомерные — по двум параметрам
или более.

Значение временного ряда получаются
путем регистрации соответствующего параметра исследуемого процесса через
определенные промежутки времени. При этом в зависимости от природы данных и
характера решаемых задач регистрируется или текущее значение (например,
температура или курс валюты), или сумма значений, накопленная за определенный
интервал времени (например, сумма продаж за день, количество клиентов за
неделю). В последнем случае может использоваться не только суммирование, но и
среднее значение за интервал, минимальное, максимальное значение или медиана.
Так, исследователя может интересовать средний объем продаж за неделю,
максимальный курс доллара, минимальная температура за месяц и т.д.

Цели и задачи анализа временных рядов [4]. Наиболее часто в ходе анализа
временных рядов решаются следующие задачи:

— описание
характеристик и закономерностей ряда. На основе этого описания могут быть
обнаружены свойства соответствующих бизнес-процессов;

—
моделирование — построение модели изучаемого процесса;

—
прогнозирование — предсказание будущих значений временного ряда;

управления.

Зная свойства
временных рядов, можно выработать методы воздействия на соответствующие
бизнес-процессы для управления ими.

Детерминирована и случайная составляющая
временного ряда [10]. Можно выделить две составляющие временного ряда —
закономерную (детерминированную) и случайную (стохастическую).

Закономерная (детерминирована)
составляющая временного ряда — последовательность значений, элементы которой
могут быть вычислены в соответствии с определенной функции. Закономерная
составляющая временного ряда отражает действие известных факторов и величин.

Случайная (стохастическая)
составляющая временного ряда — последовательность значений, которая является
результатом воздействия на исследуемый процесс случайных факторов. Случайная
составляющая и ее влияние на временной ряд могут быть оценены только с помощью
статистических методов.

Проще говоря, результирующие значения
временного ряда — это результат взаимодействия детерминированной и случайной
составляющих. Самым простым видом такого взаимодействия является случай, когда
каждое значение временного ряда можно рассматривать как сумму (разность) двух
значений, одно из которых обусловлено детерминированной составляющей, а другое
— случайной, то есть xi = di + pi.

Модели временных рядов. Наблюдаемые значения
временного ряда представляют собой результат взаимодействия детерминированной и
случайной составляющих. Различают два вида такого взаимодействия: