- •Курсовой проект «Анализ Финляндии»
- •2014Г. Оглавление
- •1. Краткая информация по объекту исследования
- •2. Расчетная часть
- •2.1. Исходные данные для проведения анализа
- •Экономические показатели Финляндии
- •2.2. Базовый анализ данных
- •2.3. Анализ временных рядов
- •2.4. Корреляционный анализ
- •2.5. Регрессионный анализ
- •2.6. Дисперсионный анализ
- •2.7. Факторный анализ
- •2.8. Кластерный анализ
- •Список использованных источников
2.3. Анализ временных рядов
Цель анализа - выявить закономерности распределения данных, построение тренда и осуществление прогноза на его основе. Проводится в среде MS Excel с помощью инструментов «Скользящее среднее» и «Экспоненциальное сглаживание» Пакета анализа.
Среднее скользящее значение относится к категории аналитических инструментов, которые, как принято говорить, "следуют за тенденцией". Его назначение состоит в том, чтобы позволить определить время начала новой тенденции, а также предупредить о ее завершении или повороте. Методы скользящего среднего предназначены для отслеживания тенденций непосредственно в процессе их развития, их можно рассматривать как искривленные линии тренда.
Простая и логически ясная модель временного ряда имеет следующий вид:
Yt = b + εt
где b — константа, ε - случайная ошибка. Константа b относительно стабильна на каждом временном интервале, но может также медленно изменяться со временем. Один из интуитивно ясных способов выделения значения b из данных состоит в том, чтобы использовать сглаживание скользящим средним, в котором последним наблюдениям приписываются большие веса, чем предпоследним, предпоследним большие веса, чем пред- предпоследним, и т.д.
Точная формула простого экспоненциального сглаживания имеет вид:
St=αyt + (1 -α)St-1
Когда эта формула применяется рекурсивно, каждое новое сглаженное значение (которое является также прогнозом) вычисляется как взвешенное среднее текущего наблюдения и сглаженного ряда. Очевидно, результат сглаживания зависит от параметра α. Если α равен 1, то предыдущие наблюдения полностью игнорируются. Если α равен 0, то игнорируются текущие наблюдения. Значения α между 0 и 1 дают промежуточные результаты. Эмпирические исследования показали, что простое экспоненциальное сглаживание весьма часто дает достаточно точный прогноз.
Основным содержанием метода аналитического выравнивания временных рядов является расчет общей тенденции развития (тренда) как функции времени:
где - теоретические значения временного ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t.
С помощью Microsoft Excel строить трендовые модели достаточно просто. Сначала эмпирический временной ряд следует представить в виде диаграммы одного из следующих типов: гистограмма, линейчатая диаграмма, график, точечная диаграмма, диаграмма с областями, а затем щелкнуть на диаграмме правой кнопкой мыши на одном из маркеров данных. В результате на диаграмме будет выделен сам временной ряд, а на экране раскроется контекстное меню. В этом меню следует выбрать команду (Добавить линию тренда). На экран будет выведено диалоговое окно. На вкладке Туре (Тип) этого диалогового окна выбирается требуемый тип тренда:
линейный (Linear);
логарифмический (Logarithmic);
полиномиальный, от 2-й до 6-й степени включительно (Polinomial);
степенной (Power);
экспоненциальный (Exponential);
скользящее среднее, с указанием периода сглаживания от 2 до 15 (Moving Average).
Проведем данный анализ для наиболее значимого показателя каждой группы.
В группе «Экономика» таким показателем является показатель - валовой национальный продукт.
-
Годы
x1
Скользящее среднее
Экспоненциальное сглаживание
1991
125,2
-
-
1992
110,1
-
125,20
1993
87,3
107,53
114,63
1994
100,6
99,33
95,50
1995
130,7
106,20
99,07
1996
128,2
119,83
121,21
1997
122,9
127,27
126,10
1998
129,7
126,93
123,86
1999
130,2
127,60
127,95
2000
121,7
127,20
129,52
2001
124,6
125,50
124,05
2002
135,1
127,13
124,43
2003
164,1
141,27
131,90
2004
188,9
162,70
154,44
2005
195,6
182,87
178,56
2006
207,8
197,43
190,49
2007
246,1
216,50
202,61
2008
272
241,97
233,05
2009
240,7
252,93
260,32
2010
238,7
250,47
246,58
Рис. 1. График скользящего среднего для показателя валовой национальный продукт
Рис. 2. График экспоненциального сглаживания для показателя валовой национальный продукт
Для того, чтобы выявить наилучшее уравнение тренда для показателя - валовой внутренний продукт построим график фактических значений данного показателя и добавим на него линии линейного, степенного и экспоненциального трендов с указанием уравнения и величины достоверности аппроксимацииR2.
Как видно, из рисунка 3, наиболее лучшей модель тренда является экспоненциальная модель с уравнением , так как имеет самую наибольшую величину достоверности аппроксимацииR2=0,83.
По полученному уравнению рассчитаем прогнозные значения валового внутреннего продукта для 2011 и 2012 годов, которым имеют значения t=21 и t=20 соответственно.
2011 г.: млрд. долл.
2012 г.: млрд. долл.
Рис. 3. Линии трендов для показателя валовой национальный продукт
В группе «Население» таким показателем является показатель - численность населения, тыс. чел.
Годы |
x5 |
Скользящее среднее |
Экспоненциальное сглаживание |
1991 |
5009,16 |
|
|
1992 |
5034,766 |
|
5009,16 |
1993 |
5061,394 |
5035,11 |
5027,08 |
1994 |
5086,368 |
5060,84 |
5051,10 |
1995 |
5107,802 |
5085,19 |
5075,79 |
1996 |
5125,177 |
5106,45 |
5098,20 |
1997 |
5139,257 |
5124,08 |
5117,08 |
1998 |
5151,024 |
5138,49 |
5132,60 |
1999 |
5161,995 |
5150,76 |
5145,50 |
2000 |
5173,37 |
5162,13 |
5157,05 |
2001 |
5185,18 |
5173,52 |
5168,47 |
2002 |
5197,305 |
5185,29 |
5180,17 |
2003 |
5210,595 |
5197,69 |
5192,16 |
2004 |
5226,067 |
5211,32 |
5205,07 |
2005 |
5244,342 |
5227,00 |
5219,77 |
2006 |
5265,936 |
5245,45 |
5236,97 |
2007 |
5290,431 |
5266,90 |
5257,25 |
2008 |
5316,334 |
5290,90 |
5280,48 |
2009 |
5341,546 |
5316,10 |
5305,58 |
2010 |
5364,546 |
5340,81 |
5330,76 |
Рис. 4. График скользящего среднего для показателя численность населения
Рис. 5. График экспоненциального сглаживания для показателя численность населения
Для того, чтобы выявить наилучшее уравнение тренда для показателя - численность населения, построим график фактических значений данного показателя. Добавим на него линии линейного, степенного и экспоненциального трендов с указанием уравнения и величины достоверности аппроксимацииR2.
Рис. 6. Линии трендов для показателя численность населения.
Как видно, из рисунка 6, наиболее лучшей моделью тренда является экспоненциальная модель с уравнением , так как имеет самую наибольшую величину достоверности аппроксимацииR2=0,9846.
По полученному уравнению рассчитаем прогнозные значения валового внутреннего продукта для 2011 и 2012 годов, которым имеют значения t=21 и t=22 соответственно.
2011 г.: тыс. чел.
2012 г.: тыс. чел.