#

Наши услуги

Отзывы

Всё отлично! Спасибо.

19-01-2017

Как же достала эта писанина. Тонны бумаги. Спасибо. Выполнили работы хорошо и в сроки.

18-01-2017

Спасибо, что не кидаете с доработками. Работу дорабатывали два раза. Сдал хорошо.

05-01-2017

#


Курсовая Прогнозирование временных рядов.

  • Тема: Прогнозирование временных рядов.
  • Автор: Сергей Пашков
  • Тип работы: Курсовая
  • Предмет: Эконометрика
  • Страниц: 23
  • Год сдачи: 2001
  • ВУЗ, город: Уфа
  • Цена(руб.): 1500 рублей

1.Теоретическая часть. Термин экономико-математические методы понимается как обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономических процессов и систем. Основным метод исследования систем является метод моделирования, т.е. способ теоретического анализа и практического действия, направленный на разработку и использование моделей. При этом под моделью будем понимать образ реального процесса, отражающий его существенные свойства. Под задачами экономико-математического моделирования понимаются: анализ экономических объектов и процессов, экономическое прогнозирование, предвидение развития экономических процессов. Мы рассматриваем два вида экономико-математических моделей: адаптивные модели и компонентный анализ. Адаптивные модели прогнозирования – это модели, способные приспосабливать свою структуру и параметры к изменению условий. Общая схема построения адаптивных моделей может быть представлена следующим образом. По нескольким первым уровням ряда оцениваются значения параметров модели. По имеющейся модели строится прогноз на один шаг вперед, причем его отклонение от фактических уровней ряда расценивается как ошибка прогнозирования, которая учитывается в соответствии со схемой корректировки модели. Далее по модели со скорректированными параметрами рассчитывается прогнозная оценка на следующий момент времени и т.д. Т.о. модель постоянно учитывает новую информацию и к концу периода обучения отражает тенденцию развития процесса, существующую в данный момент. В курсе математического моделирования мы рассматриваем три адаптивные модели: модель Брауна, модель Хольта и модель Хольта-Уинтерса. Эти модели имеют параметры сглаживания: модель Брауна – один, модели Хольта и Хольта-Уинтерса – два и три соответственно. Теперь о компонентном анализе временных рядов. Временной ряд состоит из нескольких компонент: тренд, сезонная компонента, циклическая компонента (стационарный случайный процесс) и случайная компонента. Под трендом понимается устойчивое систематическое изменение процесса в течение продолжительного времени. Оценка тренда осуществляется параметрическим и непараметрическим методами. Параметрический метод заключается в подборе гладкой функции, которая описывала бы тенденцию ряда: линейный тренд, полином и т.д. Непараметрический метод используется, когда нельзя подобрать гладкую функцию и заключается в механическом сглаживании временных рядов методом скользящей средней. Во временных рядах экономических процессов могут иметь место более или менее регулярные колебания. Если они строго периодический или близкий к нему характер и завершаются в течении одного года, то их называют сезонными колебаниями. Оценка сезонной компоненты осуществляется двумя способами: с помощью тригонометрических функций и методом сезонных индексов. В тех случаях, когда период колебаний составляет несколько лет, то говорят, что во временном ряде присутствует циклическая компонента или стационарный случайный процесс. Моделирование ССП осуществляется следующими методами: модель авторегрессии (АР), модель скользящего среднего (СС), модель авторегрессии скользящего среднего (АРСС) и модель авторегрессии проинтегрированного скользящего среднего (АРПСС). Авторегрессионный процесс – процесс, в котором значения находятся в линейной зависимости от предыдущих. АР бывают первого порядка (Марковский процесс) и второго(процесс Юла). Порядок АР обозначается через p. В моделях скользящего среднего мы выделяем период запаздывания (q). Если у нас присутствуют и p и q, то мы имеем дело с моделью АРСС. В моделях АР, СС, АРСС моделируют ряд без тренда и сезонной компоненты, т.е. ССП. Модель АРПСС позволяет исключить тренд путем перехода к разностям исходного ряда. Порядок разности, при котором ряд становится ССП дает нам d, которая является третьей неизвестной необходимой при моделировании АРПСС плюс ранее упомянутые p и q. Прогнозирование с помощью компонентного анализа состоит из следующих шагов: оценка и удаление тренда, оценка и удаление сезонной компоненты, моделирование ССП, конструирование прогнозной модели и выполнение прогноза. В конце, после прогнозирования мы проверяем полученную модель на адекватность, т.е. соответствие модели исследуемому объекту или процессу. Т.к. полного соответствия модели реальному процессу или объекту быть не может, адекватность – в какой-то мере – условное понятие. Модель временного ряда считается адекватной, если правильно отражает систематические компоненты временного ряда.
1.Теоретическая часть 3
2.Характеристика исходных данных 6
3.Практическая часть
3.1.Компонентный анализ
3.1.1.Оценка и удаление тренда 8
3.1.2.Оценка и удаление сезонной компоненты 10
3.1.3.Моделирование ССП 11
3.1.4.Установление адекватности модели 17
3.2.Адаптивные модели 20
4.Вывод 23
Нет.

Узнать стоимость уникальной работы в компании Zaochnik.com

  • Самые низкие цены на рынке
  • 100% гарантия качества
  • Опыт работ более 10 лет
  • Официальный договор
  • Проверка на Антиплагиат
  • Соблюдения сроков
  • Соответсвие ГОСТу
  • Бесплатная доработка
  • Персональный менеджер

Исправьте, пожалуйста, информацию в отмеченных полях.

 
Название Тип Год сдачи Страниц ВУЗ, город Цена
Расчет финансового левериджа. Курсовая 2000 19 Краснодар 1500 Купить Заказать
оригинальную
Современные методы статистики финансов. Курсовая 2000 25 Москва 1500 Купить Заказать
оригинальную
Статистические методы анализа финансового состояния предприятия в условиях рынка. Курсовая 2000 40 Кемерово 1500 Купить Заказать
оригинальную
Типы регулярных регуляторов. Курсовая 2001 31 Обнинск 1500 Купить Заказать
оригинальную
Экономико статистический анализ и динамика прогнозирования урожайности С\Х культур. Курсовая 2001 36 ВЛАДИКАВКАЗ 1500 Купить Заказать
оригинальную
Экономико-математическое моделирование транспортных процессов. Курсовая 2001 13 Москва 1500 Купить Заказать
оригинальную