На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Прогнозирование экономических показателей. Вариант 3.2

Информация:

Тип работы: курсовая работа. Добавлен: 14.12.2012. Сдан: 2012. Страниц: 7. Уникальность по antiplagiat.ru: < 30%

Описание (план):


Министерство сельского  хозяйства и продовольствия Российской Федерации
Рязанский государственный  агротехнологический университет  им. П.А. Костычева.
 
Экономический факультет
 
Кафедра информационных технологий (в экономике)
 
 
 
 
Пояснительная записка к  курсовой работе по дисциплине «Имитационное моделирование экономических процессов»
 на тему:
«Прогнозирование  экономических показателей. Вариант 3.2»
 
 
 
 
                                                                                        Выполнила: Проказова И. А.,
                                                                               студентка 41 И группы
                                                                               экономического факультета
                                                                                по специальности прикладная
                                                                               информатика (в экономике)
 
 
 
Рязань 2011 
Введение
Известно множество приемов, методов и соответствующих средств, позволяющих обнаружить тенденции, логику развития тех или иных процессов и на основе сопоставления с прошлым опытом предсказать характеристики наиболее вероятного развития событий.
С точки зрения возможности  прогнозирования этот период, на который проводится прогноз, характеризуется повышенной неопределенностью, когда последующее поведение тех или иных показателей рынка сложно предугадать, и вывод можно сделать лишь из совместного анализа поведения различных факторов, влияющих на значения прогнозируемого показателя.
Основу прогноза обычно составляет анализ динамики процессов на рынке  в прошедшие годы, обнаружение  и детальное изучение взаимосвязей между явлениями и показателями, сопровождающих эти процессы, описание их количественных и качественных характеристик  и выявление устойчивых закономерностей.
Наибольшую эффективность  прогнозирования можно обеспечить, осуществляя анализ процессов на рынке сразу по трем направлениям.
Первое направление связано  с изучением процессов изменения, выявлением устойчивых тенденций, которые  проявлялись в прошлом, и относительно которых имеются основания предполагать, что они сохранятся и в будущем. В качестве основного инструментария для этого обычно используются модели и статистические методы анализа временных рядов, развитые в рамках традиционной методологии случайных процессов. Данный анализ и опирающиеся на него методы прогнозирования обычно используются в ситуации спокойного развития, далекого от кризисных явлений и непредвиденных скачков.
 Для этого необходимо  выявить общие инварианты, характерные  для подобных кризисов, построить  адекватные модели динамики цен  при нарастании и свертывании  кризисных процессов. Важным дополнением  к выявлению сложных закономерностей,  характеризующих механизмы развития процессов, в том числе, в периоды кризисного развития.

Анализ  временных рядов

Временной ряд представляет собой последовательность значений случайной величины, например, активы кредитных организаций.
В случае, когда время  непрерывно, временной ряд также  называется непрерывным. Если же время изменяется дискретно, получаем дискретный временной ряд. В данной статье рассматриваются исключительно дискретные временные ряды, в которых наблюдения осуществляются через фиксированные интервалы времени, например, месяц, квартал или год.
Следует отметить, что идея использования математических моделей  для описания поведения экономических  систем является общепризнанной. В  том случае, если бы экономические  законы, управляющие рыночными процессами, могли бы быть точно описаны системами  дифференциальных уравнений, вычисление характеристик рынка в любой  момент времени не представляло бы принципиальных трудностей. Однако, если в физике иногда и удается построить детерминированные модели, то в экономике ситуация коренным образом отличается. На экономические процессы в большой степени влияют неконтролируемые факторы. Причинно-следственные связи не поддаются строгому анализу, а многие явления обнаруживаются лишь тогда, когда они уже проявились. Кроме того, существует множество параметров, выраженных косвенным образом, которые также необходимо учесть. Для таких систем нельзя предложить детерминированную модель, допускающую точное вычисление будущего поведения системы. Тем не менее, можно рассматривать ее аналог, позволяющий определить вероятность того, что некоторое будущее значение будет лежать в конкретном интервале. Такая модель называется вероятностной или стохастической. Соответственно, модели временных рядов, позволяющие описать динамику процессов на реальном рынке, являются стохастическими.
В соответствии с приведенными терминами, если будущие значения временного ряда точно определены какой-либо математической функцией, временной ряд является детерминированным. В противном случае, при возможности описания будущих значений только с помощью случайных величин, получаем случайный временной ряд. Временные ряды, которые характеризуют поведение параметров рынка, являются случайными.
В большинстве случаев временные  ряды, описывающие процессы на рынке (например, цены недвижимости, или котировки  акций) обнаруживают нестационарный характер. Это, прежде всего, выражается в том, что значения временного ряда не колеблются относительно фиксированного среднего, а проявляют четко выраженную тенденцию к росту или падению. Также во многих случаях значениям временного ряда присуще наличие периодической составляющей, - следствие сезонности тех или иных процессов.
Цель данной курсовой работы заключается в составлении трендовой  модели временного ряда, по которой  необходимо осуществить прогнозирование  продаж. В качестве объекта наблюдения будем использовать изменение активов  кредитной организации за период, равный 38 мес.( 2 последних значения будут использоваться для сравнения исходных данных с прогнозными (см. табл.1).
 
  01.01.
9,278.46
  
 
01.02.
9,288.49
  01.03.
9,298.74
  01.04.
9,557.09
  01.05.
10,087.99
2003
01.06.
10,335.68
  01.07.
10,633.21
  01.08.
11442.88
  01.09.
11529.51
  01.10.
11,751.31
  01.11.
11,786.98
  01.12.
11986.54
  01.01.
12,367.45
  01.02.
12,555.68
  01.03.
12,857.51
  01.04.
13,251.69
  01.05.
13,420.43
2004
01.06.
14,026.86

 
  01.08.
14,461.08
  01.09.
14,787.23
  01.10.
14,974.45
  01.11.
14,818.08
  01.12.
15,400.40
  01.01,
15,665.56
  01.02.
15,842.04
  01.03.
16,230.81
  01.04.
16,544.94
  01.05.
16,531.28
2005
01.06.
16,719.67
  01.07.
17,232.21
  01.08.
17,847.65
  01.09.
18,829.00
  01.10.
19,910.57
  01.11.
20,635.39
  01.12.
23,035.46
  01.01.
23,159.45
2006
01.02.
25,689.78


Табл.1
Реализуем алгоритм построения прогнозной модели. Решение данной задачи рекомендуется осуществлять в среде MS Excel, что позволит существенно сократить количество расчётов и время построения модели.
1. Определяем тренд, наилучшим образом аппроксимирующий фактические данные. Для этого рекомендуется использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели).

Рис.1.
При исследовании временных  рядов выделяют следующие составляющие:
F = T + S + E
где: F – прогнозируемое значение; Т – тренд; S – сезонная компонента; Е – ошибка прогноза.  В отличие от ошибки  первые другие составляющие (компоненты) являются закономерными, неслучайными.
При выборе полиномиальной линии тренда, программа автоматически  выводит уравнение  тренда и коэффициент  детерминации (R? = 0.9928). Далее в полученное уравнение подставляем значение времени (в нашем случае от 1 до 36) и получаем следующие значения (см. табл.2).
 
 
 
 
 
 
активы кредитных организаций, млн. руб
1
9,278.46
9331.7708
2
9,288.49
9367.5096
3
9,298.74
9486.8922
4
9,557.09
9675.296
5
10,087.99
9919.2
6
10,335.68
10206.1848
7
10,633.21
10524.9326
8
11442.876
10865.2272
9
11529.512
11217.954
10
11,751.31
11575.1
11
11,786.98
11929.7538
12
11986.536
12276.1056
13
12,367.45
12609.4472
14
12,555.68
12926.172
15
12,857.51
13223.775
16
13,251.69
13500.8528
17
13,420.43
13757.1036
18
14,026.86
13993.3272
19
14,458.40
14211.425
20
14,461.08
14414.4
21
14,787.23
14606.3568
22
14,974.45
14792.5016
23
14,818.08
14979.1422
24
15,400.40
15173.688
25
15,665.56
15384.65
26
15,842.04
15621.6408
27
16,230.81
15895.3746
28
16,544.94
16217.6672
29
16,531.28
16601.436
30
16,719.67
17060.7
31
17,232.21
17610.5798
32
17,847.65
18267.2976
33
18,829.00
19048.1772
34
19,910.57
19971.644
35
20,635.39
21057.225
36
23,035.46
22325.5488




 
Табл.2.
На основе полученных данных строим коррелограмму, на основании которой можно определить сезонную составляющую или ее отсутствие (Рис.2.). На основании полученного результата можно сделать вывод, что в моем примере нет сезонной составляющей.

Рис.2.
Далее строим график остатков, чтобы проследить наличие белого шума (для этого необходимо из временного ряда вычесть полученные значения полинома: ), должен получиться остаточный ряд со случайными, центрированными,   некоррелированными   и нормально   распределенными элементами (Рис.3.)

Рис.3.
Данный график не дает нам  представления белого шума, однако, полученные значения можно описать тригонометрической функцией. а коэффициенты при этих функциях будем находить с помощью «поиска решений». Полученные в итоге значения будем использовать как до этого использовали значения полученного полинома, а используемые остатки как новый временной ряд, и для новых значений находим остатки, чтобы проследить наличие белых шумов (Рис.4.).
По данному рисунки  наглядно представлен «белый шум», значит мы можем приступить к дальнейшему анализу адекватности модели, и функция, описывающая наш временной ряд имеет следующий вид:
y=0.0459*A2^4-2.8961*A2^3+58.051*A2^2-118.83*A2+9395.4+$B$41*COS((2*ПИ()/16)*A2)+$C$41*SIN((2*ПИ()/16)*A2)

Рис.4.
Проверка случайности элементов остаточного ряда проводится по критерию серий. Здесь по результатам сравнения двух соседних элементов остаточного ряда составляется последовательность нулей и единиц. Если первая разность , то в последовательности ставится нуль, иначе - единица. Далее подсчитывается число серий , представляющих собой фрагменты последовательности, состоящие только из нулей или единиц, и продолжительность самой длинной серии. Остаточный ряд с вероятностью 0,95 считается случайным, если

Т.к. N>26, то
Проведенные подсчеты показаны в табл.3. и из которых можно сделать вывод о случайности остатков, т.е. как минимум один из показателей адекватности модели выполняется.
 
1
9,278.46
9331.771
-53.31
-230.911
177.60
      5
17.5889
6
2
9,288.49
9367.51
-79.02
-149.741
70.72
-106.87
1
1
  S(N)>
 
3
9,298.74
9486.892
-188.15
-45.7742
-142.38
-213.10
1
4
9,557.09
9675.296
-118.20
65.16111
-183.36
-40.98
1
5
10,087.99
9919.2
168.79
166.1762
2.62
185.98
0
2
6
10,335.68
10206.18
129.49
241.8925
-112.40
-115.02
1
3
7
10,633.21
10524.93
108.27
280.7829
-172.51
-60.11
1
8
11442.876
10865.23
577.65
276.9266
300.72
473.23
0
4
9
11529.512
11217.95
311.56
230.9107
80.65
-220.07
1
5
10
11,751.31
11575.1
176.21
149.7408
26.47
-54.17
1
11
11,786.98
11929.75
-142.78
45.77419
-188.55
-215.03
1
12
11986.536
12276.11
-289.57
-65.1611
-224.41
-35.86
1
13
12,367.45
12609.45
-242.00
-166.176
-75.82
148.58
0
6
14
12,555.68
12926.17
-370.49
-241.893
-128.60
-52.77
1
7
15
12,857.51
13223.78
-366.26
-280.783
-85.48
43.12
0
8
16
13,251.69
13500.85
-249.16
-276.927
27.77
113.24
0
17
13,420.43
13757.1
-336.67
-230.911
-105.76
-133.53
1
9
18
14,026.86
13993.33
33.53
-149.741
183.27
289.03
0
10
19
14,458.40
14211.43
246.98
-45.7742
292.75
109.48
0
20
14,461.08
14414.4
46.68
65.16111
-18.49
-311.24
1
11
21
14,787.23
14606.36
180.87
166.1762
14.69
33.18
0
12
22
14,974.45
14792.5
181.95
241.8925
-59.95
-74.64
1
13
23
14,818.08
14979.14
-161.07
280.7829
-441.85
-381.90
1
24
15,400.40
15173.69
226.71
276.9266
-50.22
391.63
0
14
25
15,665.56
15384.65
280.91
230.9107
50.00
100.22
0
26
15,842.04
15621.64
220.40
149.7408
70.66
20.66
0
27
16,230.81
15895.37
335.43
45.77419
289.66
219.00
0
28
16,544.94
16217.67
327.27
-65.1611
392.43
102.77
0
29
16,531.28
16601.44
-70.15
-166.176
96.02
-296.41
1
15
30
16,719.67
17060.7
-341.03
-241.893
-99.14
-195.16
1
31
17,232.21
17610.58
-378.37
-280.783
-97.59
1.55
0
16
32
17,847.65
18267.3
-419.65
-276.927
-142.72
-45.13
1
17
33
18,829.00
19048.18
-219.18
-230.911
11.73
154.45
0
18
34
19,910.57
19971.64
-61.08
-149.741
88.67
76.93
0
35
20,635.39
21057.23
-421.84
-45.7742
-376.06
-464.73
1
19
36
23,035.46
22325.55
709.91

65.16111

644.75

1,020.81

0

20


 

Табл.3.

 

 

 

 

 

 

 

 

 

 

 



и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.