41_5_Econometrics_Polyansky__Part_5
.pdfПолянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
Задача 5.2
По данным о курсе доллара США в июне 1999 го-
да (рис.5.7):
1) выявить с помощью теста Г.Чоу, стабильна ли тенденция временного ряда (в рамках линейной моде- ли) в указанный период;
2) принять решение о целесообразности объеди-
нения данных в одну выборку или их разделения по участкам при построении парной линейной регрессии; 3) спрогнозировать курс доллара на 2 июля 1999 г.
Решение. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
На различных участках анализируемого периода |
|
|
|
|
|
|
|
||||||||||||||||
тенденция временного ряда может существенно менять- |
|
|
|
|
|
|
|
||||||||||||||||
ся. Поэтому в практике эконометрических исследований |
|
|
|
|
|
|
|
||||||||||||||||
часто возникает вопрос, |
рассматривать ли ряд на всем |
|
|
|
|
|
|
|
|||||||||||||||
участке как единое целое или разбить его на части. |
От |
|
|
|
|
|
|
|
|||||||||||||||
этого зависит точность прогноза. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
1) Прежде всего оценим исходные данные визу- |
|
|
|
|
|
|
|
||||||||||||||||
ально (рис.5.8). Как видно по рисунку, скорость падения |
|
|
|
|
|
|
|
||||||||||||||||
курса доллара за анализируемый период несколько из- |
|
|
|
|
|
|
|
||||||||||||||||
менялась. Приблизительно до |
17 |
июня доллар дешевел |
|
|
|
|
|
|
|
||||||||||||||
на 2-3 копейки в день, |
а после |
– |
|
темпы падения немного |
|
|
|
|
|
|
|
||||||||||||
снизились. Насколько существенно это снижение со ста- |
|
|
|
|
|
|
|
||||||||||||||||
тистической точки зрения? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Пусть строится парная линейная модель тренда |
|
|
|
|
|
|
|
||||||||||||||||
ряда. Предварительно разделим весь анализируемый пе- |
|
|
|
|
|
|
|
||||||||||||||||
риод на два участка: 1-й |
– 1…17 |
июня, 2-й – 17…30 |
|
|
|
|
|
|
|
||||||||||||||
июня. Нужно ли рассматривать эти участки самостоя- |
|
|
|
|
|
|
|
||||||||||||||||
тельно или можно строить обобщенную модель за весь |
|
|
|
|
|
||||||||||||||||||
|
|
|
Рис. 5.7 |
||||||||||||||||||||
месяц? |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Здесь может помочь тест Г.Чоу (см. задачу 4.3), применяющийся для |
|||||||||||||||||||||||
сравнения двух выборок |
(в данном случае - участков ряда). |
|
|
|
|
|
|
||||||||||||||||
Используя инструмент «Регрессия» |
|
пакета анализа |
Microsoft Excel (не |
||||||||||||||||||||
забудьте вывести остатки!), построим и оценим линейные модели для всего |
|||||||||||||||||||||||
анализируемого периода и каждого его участка в отдельности. |
|||||||||||||||||||||||
Линейная модель для всего периода времени |
(1…30 |
июня): |
|||||||||||||||||||||
ˆ |
|
= |
24,397 |
− |
0,0073 |
|
t , |
|
tb |
|
= |
13,01 |
> |
t0 ,95 ; 28 |
= |
2 ,05 , |
|
||||||
|
|
|
|
||||||||||||||||||||
y( t ) |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
2 |
|
|
ˆ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r =0 ,926 , R |
|
|
=0 ,853 , |
F = 169 ,26 > F0 ,05 ;1 ;28 = 4 ,20 , A =0 ,088% . |
|||||||||||||||||||
|
=0 ,858 , R |
|
115
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
|
Линейная модель для 1-го участка (1…17 |
июня): |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
ˆ |
|
|
|
|
= |
24,439 |
− |
0,0124 |
|
t , |
|
|
|
|
|
tb |
|
= |
22,01 |
> |
t0 ,95 ;15 |
= |
2,13 , |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
y( t ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
ˆ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
r =0 ,985 |
, R |
|
= |
0 ,970 |
=0 ,968 , |
F = 484 ,45 > F0 ,05 ;1 ;15 |
= 4 ,45 , A =0 ,037% . |
|||||||||||||||||||||||||||||||
|
|
|
, R |
|
|
|||||||||||||||||||||||||||||||||
|
Линейная модель для 2-го участка (18…30 |
июня): |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
y(ˆ |
t ) = 24,253 − 0,0012 t , |
|
tb |
|
|
= 5 ,82 > t0 ,95 ;12 |
= 2 ,18 , |
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
ˆ |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
r =0 ,867 , |
R |
= |
|
|
|
=0 ,727 , F |
= 33,00 > F0 ,05 ;1 ;12 = 4 ,75 , A =0 ,0083% . |
|||||||||||||||||||||||||||||||
|
|
0 ,750 , R |
|
|||||||||||||||||||||||||||||||||||
|
Как видно, все эти модели в целом довольно точны и статистически |
|||||||||||||||||||||||||||||||||||||
значимы, |
как и их коэффициенты регрессии. При этом показатели качества |
|||||||||||||||||||||||||||||||||||||
и значимости для второго участка не очень высоки, т.к. |
невелика выборка. |
|||||||||||||||||||||||||||||||||||||
|
Пользуясь предсказанными в пакете анализа значениями объясняемой |
|||||||||||||||||||||||||||||||||||||
переменной, |
нанесем линии всех 3-х регрессий на общий рисунок вместе с |
|||||||||||||||||||||||||||||||||||||
наблюдаемыми значениями (рис.5.8). |
построенные отдельно для 1-го и 2-го |
|||||||||||||||||||||||||||||||||||||
|
Визуально видно, |
|
что модели, |
|||||||||||||||||||||||||||||||||||
участков |
ряда, |
|
точ- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
нее |
аппроксимиру- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
ют |
наблюдаемые |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
значения, |
чем обоб- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
щённая модель. |
Од- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
нако |
|
линия |
|
|
|
2-го |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
участка |
|
|
|
все-таки |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
определяет |
|
|
|
|
|
лишь |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
очень |
|
краткосроч- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ную |
тенденцию |
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
поведении |
|
времен- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ного ряда |
(начиная с |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
18 июня), |
не учиты- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
вая |
более |
|
|
|
ранние |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
изменения курса |
(до |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
17 июня). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
зя |
Поэтому нель- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 5.8 |
|
|
|
|
|
|
|
|
|||||||||||||
без |
|
предвари- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
тельной |
оценки |
|
од- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
нородности выборок делать выводов о предпочтительности той или иной |
||||||||||||||||||||||||||||||||||||||
модели. |
Выдвигаем нулевую гипотезу |
H |
0 |
о статистической однородности |
||||||||||||||||||||||||||||||||||
этих двух выборок. Воспользуемся формулой критерия Г.Чоу: |
F =( Se −Se( 1) −Se( 2 ) )(n−2p−2), |
|
( S( 1 ) +S( 2 ) )( p+1) |
|
e |
e |
116
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
где Se( 1 ) =∑17 |
( ei( 1 ) )2 , Se( 2 ) =∑13 |
( ei( 2 ) |
)2 , |
Se =∑30 |
ei2 |
- остаточные суммы |
||||||||||||||||
|
i=1 |
|
|
|
i =1 |
|
|
|
|
|
i =1 |
|
|
|
|
|
|
(кстати, |
||||
квадратов соответственно для |
1-й, 2-й и объединенной выборок |
|||||||||||||||||||||
возьмем их из таблиц «Вывод остатка» |
инструмента |
«Регрессия» |
Пакета |
|||||||||||||||||||
анализа). Расчеты дают значения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
∑n1 |
( ei( 1 ) )2 =0 ,00195074 , |
∑n |
( ei( 2 ) )2 |
=0 ,0000821 , |
∑n |
ei2 |
=0 ,02007506 . |
|||||||||||||||
i =1 |
|
|
|
|
|
|
|
i =n1 +1 |
|
|
|
|
|
|
|
i =1 |
|
|
|
= 3,37 , то |
||
Т.к. в результате |
F = 115 ,382 > F0 ,05 ;1+1 ;30 −2 1− 2 = F0 ,05 ;2 ;26 |
|||||||||||||||||||||
есть основания отвергнуть нулевую гипотезу о статистической однородно- |
||||||||||||||||||||||
сти выборок. Изменения в тенденции курса доллара существенные. |
|
|||||||||||||||||||||
2) На основании этого делаем вывод, что в рамках парной линейной |
||||||||||||||||||||||
регрессионной модели целесообразнее не объединять данные |
1-го и 2-го |
|||||||||||||||||||||
участков, а строить отдельно для каждого свою модель. |
|
|
|
|
|
|
||||||||||||||||
3) Поэтому для краткосрочного прогнозирования (1…5 |
|
дней) целесо- |
||||||||||||||||||||
образней выбрать модель, |
построенную для периода |
18…30 |
|
июня. |
|
|||||||||||||||||
В полученное уравнение подставим значение t = 13 + 2 = 15 : |
||||||||||||||||||||||
|
|
|
|
|
ˆ |
= |
24,253 - 0 |
,0012 |
|
15 |
= |
24,24 руб. |
|
|
|
|
|
|||||
|
|
|
|
|
y( 15 ) |
|
|
|
г. |
|
курс составлял |
|||||||||||
В действительности по состоянию на 2 июля |
1999 |
|
||||||||||||||||||||
24,21 руб. Реальная относительная ошибка получилась очень малой: |
|
|||||||||||||||||||||
|
|
|
( 24 ,236 - 24 ,21 ) / 24,21 |
100% = 0 ,012% . |
|
|
|
|
||||||||||||||
Реальная |
|
абсолютная ошибка 24,24 |
|
|
||||||||||||||||||
|
- 24,21 = 0,03 руб. = 3 коп. |
|
||||||||||||||||||||
Если же прогнозировать по модели для всего участка 1…30 |
июня, то |
|||||||||||||||||||||
|
|
|
|
|
ˆ |
= |
24,397 - 0 |
,0073 |
|
32 |
= |
24,16 руб. |
|
|
|
|
|
|||||
|
|
|
|
|
y( 32 ) |
|
|
|
|
|
|
|
|
|||||||||
и реальная относительная ошибка |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Реальная |
( 24 ,16 - 24,21 ) / 24 ,21 |
100% = 0 ,020%. |
|
|
|
|
|
|||||||||||||||
абсолютная ошибка 24,16 – 24,21 = - 0,05 руб. = - 5 коп. |
||||||||||||||||||||||
Видно, что 2-я модель даёт более точный прогноз. |
|
|
|
|
|
!Замечания.
•В исследованиях следует учитывать, что кроме линейной могут исполь- зоваться и многие нелинейные регрессионные модели, которые могут дать и бо- лее лучшие результаты. Подходы к определению тенденций при этом аналогичны.
•Подобный подход оправдан лишь при краткосрочном прогнозировании. Прогнозы на большой срок могут дать значительную ошибку. В частности, в при- веденном примере уже после 5 июля курс резко пошел вверх. Для среднесрочных
и долгосрочных прогнозов необходимо рассматривать поведение объясняемой переменной за гораздо более длительный промежуток времени, учитывать не только тренд, но и другие составляющие временного ряда, строить более сложные модели, учитывать большее количество факторов.
117
|
|
|
|
|
|
|
|
|
|
|
|
Полянский Ю.Н. |
|
|
|
|
|
|
|
Эконометрика. Экономическое моделирование и прогнозирование. |
|||||||
Задача 5.3 |
о курсе доллара США в сентябре- |
|
|
||||||||||
|
|
||||||||||||
По данным |
|
|
|
||||||||||
октябре 2000 года (рис.5.9): |
|
|
|
|
|
|
|||||||
1) построить линейную регрессионную модель |
|
|
|||||||||||
временного ряда; |
|
|
|
|
|
|
|
|
|
|
|
||
2) сделать предположение о наличии или отсут- |
|
|
|||||||||||
ствии в модели автокорреляции остатков, анализируя |
|
|
|||||||||||
графики объясняемой переменной и остатков вре- |
|
|
|||||||||||
менного ряда. |
|
|
|
|
|
|
|
|
|
|
|
|
|
3) с помощью критерия Дарбина-Уотсона иссле- |
|
|
|||||||||||
довать временной ряд на автокорреляцию и в случае |
|
|
|||||||||||
обнаружения определить её тип. |
|
|
|
|
|
|
|||||||
Решение. |
|
данные, |
приведенные |
в |
таблице |
|
|
||||||
Исходные |
|
|
|
||||||||||
(рис.5.9), необходимо разместить на листе |
Microsoft |
|
|
||||||||||
Excel в один столбец, |
пронумеровав дни |
( t ) сквозной |
|
|
|||||||||
нумерацией (1…61), |
т.к. для регрессии не имеет значе- |
|
|
||||||||||
ние дата и название месяца, а лишь номер момента |
|
|
|||||||||||
времени. |
|
|
|
|
|
|
|
|
|
|
|
|
|
1) Построим временной ряд (рис.5.10). |
|
ряда |
|
|
|||||||||
Построим |
линейную |
модель |
временного |
|
|
||||||||
y = a + b t + ε и проанализируем её параметры, |
поль- |
|
|
||||||||||
зуясь инструментом «Регрессия» (выведите его на от- |
|
|
|||||||||||
дельный лист): |
|
|
|
|
|
|
= 6 ,263 > t0 ,95 ;59 |
= 1,98 , |
|
|
|||
ˆy = 27,762 + 0,0023 t , |
t1 |
|
|
||||||||||
r =0 ,632 |
, R |
2 |
|
|
ˆ 2 |
=0 ,389 , |
|
|
|
|
|||
|
=0 ,399 , R |
|
|
|
|
||||||||
F = 39 ,23 > F0 ,05 ;1;59 = 4 ,00 . |
|
|
|
|
|
||||||||
|
|
|
Рис. 5.9 |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
Полученное уравнение линейного тренда в це- |
|||||||||||||
лом значимо, как и коэффициент регрессии. |
Но его качество довольно низ- |
||||||||||||
кое, что и понятно, |
если взглянуть на рис.5.10. |
|
|
|
|||||||||
Возьмем из результатов Пакета анализа остатки построенной моде- |
|||||||||||||
ли (C25:C85 листа вывода итогов). |
Построим график зависимости остатков |
||||||||||||
от t (рис.5.11). Для удобства сопоставления |
рис.5.10 и 5.11 желательно вы- |
||||||||||||
полнить в одном масштабе по оси t |
и разместить один под другим. |
||||||||||||
2) Как известно, |
|
автокорреляция остатков временного ряда – это |
|||||||||||
корреляционная зависимость между значениями объясняемой переменной в |
|||||||||||||
момент времени |
t |
и её значениями в более ранние, например, в ( t − 1 )-е |
|||||||||||
моменты времени. |
Просто по общему виду графика затруднительно сказать |
что-то определенное о наличии автокорреляции, а тем более о её характере.
118
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
|
3) |
|
Воспользуемся |
|
наиболее |
|
|
|||||||
распространенным тестом на авто- |
|
|
||||||||||||
корреляцию |
- |
тестом Дарбина- |
|
|
||||||||||
Уотсона. Рассчитаем d -статистику |
|
|
|
|||||||||||
|
|
|
|
|
|
∑n (et − et −1 )2 |
|
|
|
|
|
|||
|
|
|
|
d = |
t =2 |
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
∑n |
et 2 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
t =1 |
|
|
|
|
|
|
|
|
В нашей задаче с помощью ин- |
|
|
|||||||||||
струмента «Регрессия» |
пакета анали- |
|
|
|||||||||||
за на отдельном листе уже найдены |
Рис. 5.10 |
|
||||||||||||
остатки |
. |
|
|
|
|
|
|
- |
|
|
||||
|
|
Для теста Дарбина Уотсона |
|
|
||||||||||
необходимо найти квадраты их раз- |
|
|
||||||||||||
ностей. |
|
Сделаем это на листе вывода |
|
|
||||||||||
итогов |
в |
4-м столбце таблицы «Вы- |
|
|
||||||||||
вод остатка» (в ячейках |
|
D25:D85). |
|
|
||||||||||
Для этого в ячейку |
D26 введем фор- |
|
|
|||||||||||
мулу |
«=(C26-C25)^2» и протянем её |
|
|
|||||||||||
по диапазону D26:D85. |
Для формулы |
|
|
|||||||||||
d-статистики найдем числитель дро- |
|
|
||||||||||||
би, просуммировав под таблицей в |
|
|
||||||||||||
ячейке |
|
D86 |
столбец D26:D85 с по- |
|
|
|||||||||
мощью |
|
|
|
|
функции |
|
|
СУММ: |
|
|
||||
∑n (et |
− et −1 )2 |
= 0 ,071149 . |
|
|
|
Рис. 5.11 |
|
|||||||
t =2 |
Для нахождения знаменателя дроби в формуле d-статистики сначала в |
|||||||||||||
|
||||||||||||||
столбце |
E25:E85 |
получим квадраты остатков. Для этого в ячейке |
E25 введем |
|||||||||||
формулу |
«=C25*C25» |
и протянем по ячейкам E25:E85. С помощью функ- |
||||||||||||
ции СУММ под столбцом в ячейке E86 получим ∑et 2 = 0 ,14982. |
||||||||||||||
|
Осталось только вычислить d-статистику, разделив ячейку D86 на |
|||||||||||||
E86: «=D86/E86»: d =0 ,4749 . |
|
|
|
|||||||||||
|
По таблице 5 |
приложения получим dн =1,55 и dв =1,62 . Согласно |
||||||||||||
рис.5.3 |
|
|
отрезок |
0;4 |
разделяется |
на участки |
0 ,0;1,55 , |
1,55 ;1,62 , |
||||||
1,62;2,38 , |
2 ,38;2 ,45 |
, |
2 ,45 ;4 ,0 . |
Полученное значение d =0 ,4749 попа- |
||||||||||
ло в диапазон 0 ,0;1,55 . |
Следовательно, в данной задаче имеет место по- |
|||||||||||||
ложительная автокорреляция. |
|
|
|
|||||||||||
|
Как её можно устранить или хотя бы уменьшить? Как получить более |
|||||||||||||
адекватную модель? Универсального ответа нет. |
Разработаны некоторые |
рекомендации и алгоритмы, но перед исследователем обычно стоит доста- точно трудная и во многом творческая задача.
119
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
Задача 5.4
По данным о курсе доллара США в сентябре 2000 г. (см. задачу 5.3): 1) выявить неслучайную составляющую временного ряда путем его
сглаживания методом скользящих средних по 3-м и 5-ти точкам; 2) осуществить повторное сглаживание уже сглаженных рядов; 3) выбрать наиболее подходящий вариант сглаживания.
Решение.
|
1) Анализ временных рядов зачастую трудно проводить из-за сильных |
||||||||
скачков значений объясняемой переменной. Это можно преодолеть, выявив |
|||||||||
неслучайную составляющую и устранив случайную, т.е. |
сгладив исходный |
||||||||
ряд. Одним из распространенных методов сглаживания является метод |
|||||||||
скользящих средних (не путать с моделью скользящих средних!). |
|
||||||||
|
а) Сглаживание по 3-м точкам осуществляется по формулам (5.5). |
есть |
|||||||
|
Т.е. в новом ряде каждый член (кроме первого и последнего) – |
||||||||
среднее арифметическое предшествующего, текущего и последующего чле- |
|||||||||
|
|
|
|
нов старого ряда |
(рис. 5.12). |
|
|||
|
|
|
|
Расчеты |
с |
приведенными |
|||
|
|
|
|
исходными данными выполним |
|||||
|
|
|
|
на отдельном |
листе документа |
||||
|
|
|
|
Microsoft Excel, скопировав туда |
|||||
|
|
|
|
таблицу с данными о курсе дол- |
|||||
|
|
|
|
лара в сентябре 2000 |
года. |
|
|||
|
|
|
|
Построим график динами- |
|||||
|
|
|
|
ки курса доллара в исследуемый |
|||||
|
|
|
|
период, |
т.е. |
временного |
ряда |
||
|
|
|
|
(далее на |
рис. 5.14). |
Как видно, |
|||
|
|
|
колебания курса значительны. |
||||||
|
Рис. 5.12. Схема сглаживания |
|
|||||||
|
временного ряда методом |
|
Результаты |
|
вычислений |
||||
|
скользящих средних по 3-м точкам. |
показаны ниже на рис. 5.15. |
|
||||||
|
|
|
|
Введем |
дополнительный |
||||
столбец C (назовём его «Y(3)»), в ячейках которого будем вычислять значе- |
|||||||||
ния сглаженного ряда. |
|
|
|
|
и протянем её по |
||||
|
В ячейку C3 введем формулу «=СРЗНАЧ(B2:B4)» |
||||||||
диапазону C3:C30, т.е. со 2 |
по 29 |
сентября, не включая 1 и 30 |
сентября. В |
||||||
результате автоматической переиндексации во всех ячейках этого диапазона |
|||||||||
получим искомые значения нового сглаженного ряда. |
|
|
|
|
|||||
|
Как же быть с 1-м и последним значениями (в ячейках C2 и C31 соот- |
||||||||
ветственно)? Ведь для них нет предшествующего или последующего значе- |
|||||||||
ний старого ряда для осреднения. |
Недопустимо осреднять по четному коли- |
||||||||
честву точек (2-м, 4-м, …), |
т.к. полученные оценки значений сглаженного |
||||||||
ряда должны быть несмещенными [13]. |
|
|
|
|
|
|
120
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
|
Поэтому просто перене- |
|
|
|
|
|
|
||||||
сем значения из соответству- |
|
|
|
|
|
|
|||||||
ющих ячеек исходного ряда. |
|
|
|
|
|
|
|||||||
Лучше это сделать не копиро- |
|
|
|
|
|
|
|||||||
ванием и не ручным вводом |
|
|
|
|
|
|
|||||||
чисел, |
а |
соответствующими |
|
|
|
|
|
|
|||||
ссылками |
«=B2» |
и |
«=B31». |
|
|
|
|
|
|
||||
Конечно, |
такой |
подход |
не- |
|
|
|
|
|
|
||||
сколько нарушает сглаживание |
|
|
|
|
|
|
|||||||
на |
концах |
анализируемого |
|
|
|
|
|
|
|||||
диапазона, |
но в целом практи- |
|
|
|
|
|
|
||||||
чески приемлем. |
|
|
|
|
|
|
|
|
|
||||
|
Чтобы |
визуально |
оце- |
Рис. 5.13. Схема сглаживания |
|
|
|||||||
нить новый ряд и сопоставить |
временного ряда методом |
|
|
|
|||||||||
его со старым, нанесем их на |
скользящих средних по 5-ти точкам. |
||||||||||||
общий график |
(ниже на рис. 5.14). Как видно, новый ряд идет более гладко, |
||||||||||||
в целом повторяя общий характер исходного ряда. |
|
|
|
|
|
||||||||
|
б) Аналогичное сглаживание можно производить и по 5 точкам по |
||||||||||||
формуле (5.6). |
При таком сглаживании в осреднении участвуют не |
3 |
точки |
||||||||||
вблизи текущей, а уже 5: “ предпредшествующая”, предшествующая, теку- |
|||||||||||||
щая, |
после-дующая и “ |
послепоследующая” ( схема на рис. 5.13). |
|
введем |
|||||||||
|
Для этого в дополнительном столбце D («Y (5)») в ячейке D4 |
||||||||||||
формулу «=СРЗНАЧ(B2:B6)» и протянем по диапазону D4:D29. |
|
|
|
|
|||||||||
|
Как же быть с теперь уже двумя ячейками соответственно в начале и в |
||||||||||||
|
|
|
|
|
|
|
|
конце нового сглаженного |
|||||
|
|
|
|
|
|
|
|
ряда, для которых не хва- |
|||||
|
|
|
|
|
|
|
|
тает точек для сглажива- |
|||||
|
|
|
|
|
|
|
|
ния? Во-первых, их можно |
|||||
|
|
|
|
|
|
|
|
перенести из соответству- |
|||||
|
|
|
|
|
|
|
|
ющих двух первых и двух |
|||||
|
|
|
|
|
|
|
|
последних ячеек исходно- |
|||||
|
|
|
|
|
|
|
|
го ряда. А во-вторых (и это |
|||||
|
|
|
|
|
|
|
|
предпочтительнее), |
|
пере- |
|||
|
|
|
|
|
|
|
|
нести можно только пер- |
|||||
|
|
|
|
|
|
|
|
вое и последнее значения, |
|||||
|
|
|
|
|
|
|
|
а второе и предпоследнее |
|||||
|
|
|
|
|
|
|
|
осреднить |
по |
3-м |
точкам |
||
|
|
|
|
|
|
|
|
(значения в них известны). |
|||||
|
|
|
|
|
|
|
|
Поэтому |
введём в |
||||
|
|
|
|
|
|
|
|
ячейку |
D3 |
формулу |
|||
|
|
|
|
|
Рис. 5.14 |
«=СРЗНАЧ(B2:B4)», |
а в |
||||||
|
|
|
|
|
ячейку |
|
D30 |
|
- |
||||
|
|
|
|
|
|
|
|
|
|
121
|
|
|
|
Полянский Ю.Н. |
||
|
|
Эконометрика. Экономическое моделирование и прогнозирование. |
||||
«=СРЗНАЧ(B29:B31)». В ячейках D2 и |
|
|
||||
|
|
|||||
D31 будут соответствующие ссылки «=B2» |
|
|
||||
и «=B31». Результат нанесем на общий |
|
|
||||
график с предыдущими временными ряда- |
|
|
||||
ми (рис.5.14). |
Как видно, |
линия идет ещё |
|
|
||
более гладко. |
Однако видно, что кое-где |
|
|
|||
она значительно завышает реальные дан- |
|
|
||||
ные, например, около 4-5 и 17-18 сентября. |
|
|
||||
2) Коль можно сглаживать исходный |
|
|
||||
временной ряд, то также сглаживанию мо- |
|
|
||||
жет подвергаться и уже сглаженный ряд |
|
|
||||
(как по 3-м, так и по 5, 7,… |
точкам). |
|
|
|
||
Как это выглядит реально, покажем |
|
|
||||
на примере. |
В столбце |
E (назовем его |
|
|
||
условно «Y(3+3)») будем вычислять значе- |
|
|
||||
ния нового ряда, сглаживая по 3-м точкам |
|
|
||||
значения уже ранее сглаженного тоже по |
|
|
||||
3-м точкам ряда - столбца C («Y(3)»). Ре- |
|
|
||||
зультат - на рис.5.15. |
|
|
|
|
||
3) Как видно, все виды сглаживания |
|
|
||||
дали неплохой результат. |
С такими |
кри- |
|
|
||
выми, в которых устранена (или по край- |
|
|
||||
ней мере, существенно уменьшена) |
слу- |
|
|
|||
чайная составляющая, удобнее работать, |
|
|
||||
проводить дальнейшие исследования. |
|
|
|
|||
сгла- |
Рис. 5.15 |
|||||
Аналогично можно |
провести |
живание по 7, 9 и т.д. точкам. Однако где-то надо и остановиться, иначе в результате можно просто получить среднее арифметическое за весь анали- зируемый период – идеально гладкую горизонтальную прямую. Сглаженная кривая должна в целом проходить как можно ближе к точкам исходного ря- да, лишь погасив случайные всплески.
Нельзя заранее однозначно дать ответ, какой вид сглаживания наибо- лее подойдет к какому-либо ряду. Надо поэкспериментировать, попробовать и сделать выбор, чтобы вместе со случайной составляющей не устранить
поддающиеся моделированию периодические составляющие временного ряда. Ведь выравнивание не аналитическое, а чисто механическое, не учи- тывающее всех составляющих временного ряда.
Итак, для наблюдений задачи лучше подойдет двойное выравнивание оба раза по 3-м точкам. Для других данных могут неплохо показать себя и другие способы. Сглаживания по 3-м точкам достаточно во многих случаях.
122
Полянский Ю.Н.
Эконометрика. Экономическое моделирование и прогнозирование.
Задача 5.5
По статистическим данным о курсе доллара США в марте 2000 года (см. рис.5.5 задачи 5.1):
1) получить значения выборочного коэффициента автокорреля-
ции r(τ ) для лагов τ =1;2;3;4;5 ;6 ;7 ;8 .
2) по полученным значениям построить график выборочной ав- токорреляционной функции – коррелограмму.
3) по общему виду коррелограммы сделать вывод о силе корре- ляционной связи между членами ряда в анализируемый период.
Решение.
1) Рассмотрим произвольный стационарный временной ряд. Степень тесноты связи между его последовательными наблюдениями y1 , y2 ,..., yn (1- й отрезок ряда) и y1+τ , y2+τ ,..., yn+τ (2-й отрезок ряда), т.е. сдвинутых отно-
сительно друг друга на лаг τ определяется коэффициентом корреляции
|
|
|
ρ(τ ) = |
M yt − a yt +τ − a |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
, |
|
|
||||
|
|
|
|
|
σ 2 |
|
|
|
||||||||
где a = M ( yt ) = M ( yt +τ ) и σ =σ y ( t ) =σ y ( t +τ ) |
- математическое ожи- |
|||||||||||||||
дание и среднее квадратичное отклонение объясняемой переменной |
||||||||||||||||
для |
1-го и 2-го участков стационарного временного ряда. |
|||||||||||||||
Статистической оценкой коэффициента корреляции является выбо- |
||||||||||||||||
рочный коэффициент корреляции |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
1 |
n∑−τ [( yt − |
|
)( yt +τ − |
|
)] |
|||||||
|
|
|
|
y |
y |
|||||||||||
|
|
|
|
|
||||||||||||
|
|
|
r(τ ) = |
n − τ t =1 |
|
|
|
|
|
|
|
|
. |
|||
|
|
n |
(yt |
− |
ˆ 2 |
|
||||||||||
|
|
|
|
|
1 |
|
|
|||||||||
|
|
|
|
|
|
|
|
∑t =1 |
|
|
||||||
|
|
|
|
|
|
|
n |
|
|
a) |
|
|
||||
Отметим, что эта формула может быть записана и несколько иначе. |
||||||||||||||||
Т.к. автокорреляционная функция четна (т.е. |
ρ( −τ ) = ρ(τ )), то при |
|||||||||||||||
её изучении можно ограничиться только положительными величинами лага. |
||||||||||||||||
Рассмотрим временной ряд нашей задачи. Скопируем исходные дан- |
||||||||||||||||
ные задачи 5.1 на отдельный лист документа Microsoft Excel. |
||||||||||||||||
В соответствии с формулой заготовим расчетную таблицу (рис.5.16). |
||||||||||||||||
В ячейке |
B34 получим оценку математического ожидания объясняемой пе- |
|||||||||||||||
ременной |
|
y = M ( yt ) для всего анализируемого ряда, т.е. средний курс дол- |
||||||||||||||
|
|
|
ˆ |
|
|
|
|
|
|
|
|
|
|
|
|
лара (по формуле «=СРЗНАЧ(B3:B33)»). В столбце C вычислим квадраты отклонений от среднего (см. знаменатель формулы), для чего в ячейку C3 введем формулу «=(B3-$B$34)^2» и протянем по диапазону C3:C33.
123
Полянский Ю.Н. Эконометрика. Экономическое моделирование и прогнозирование.
|
|
|
|
|
|
|
|
|
|
|
Столбцы |
|
|
Рис. 5.16 |
для |
расчетов величин |
|||||
D,E,…,K |
предназначены |
|||||||||
( yt − y )( yt +τ |
− |
|
) для соответствующих лагов. |
|
|
|
|
|||
y |
|
|
|
|
||||||
Начнем |
с |
временного |
лага τ =1 (столбца D). |
В |
|
|
||||
|
|
|||||||||
ячейке D3 |
введем расчетную формулу «=(B3-$B$34)*(B4- |
|
|
|||||||
$B$34)» и протянем по D3:D32. |
Обратите внимание, что |
|
|
|||||||
столбец D |
на |
1 ячейку короче, чем столбец C, т.к. для зна- |
|
|
||||||
чения y31 , |
соответствующей |
31 |
марта (ячейки |
D33), |
не |
|
|
|||
известно значение y31+1 = y32 |
за |
1 апреля, сдвинутое на |
|
|
||||||
лаг τ =1 вперед. В соответствии с видом числителя рас- |
|
|
||||||||
четной формулы выборочного коэффициента корреляции |
|
|
||||||||
найдем среднее значение полученных в столбце D вели- |
|
|
||||||||
Рис. 5.17 |
|
|||||||||
чин (в ячейке |
D33): «=СРЗНАЧ(D3:D32)». |
|
|
|
|
|||||
Напомним, |
что полученные средние значения желательно выделять |
124