Автор работы: Пользователь скрыл имя, 23 Мая 2013 в 23:16, контрольная работа
В каждом варианте приведены поквартальные данные о кредитах от коммерческого банка на жилищное строительство ( в условных единицах) за 4 года (всего 16 кварталов, первая строка соответствует первому кварталу первого года).
Требуется:
1) Построить адаптивную мультипликативную модель Хольта-Уинтерса с учетом сезонного фактора, приняв параметры сглаживания α1=0,3; α2=0,6; α3=0,3.
2) Оценить точность построенной модели с использованием средней относительной ошибки аппроксимации.
урасч(14)=(52,899+1,067*1)*1,
а0(14)=α1* +(1-α1)*(а0(13)+а1(13))
а0(14)=0,3*
+0,7*(52,899+1,067)=16,066+37,
а1(14)= α3*(а0(14)-а0(13))+(1-α3)*а1(
а1(14)=0,3*(53,842-52,899)+0,
F 4,2= α2* +(1-α2)*F 3,2
F 4,2=0,6* +0,4*1,083=0,646+0,433=1,079
t=15
у расч(15)=(а0(14)+а1(14)*1)*F 3,3
урасч(15)=(53,842+1,030*1)*1,
а0(15)=α1* +(1-α1)*(а0(14)+а1(14))
а0(15)=0,3*
+0,7*(53,842+1,030)=16,471+38,
а1(15)= α3*(а0(15)-а0(14))+(1-α3)*а1(
а1(15)=0,3*(54,881-53,842)+0,
F 4,3= α2* +(1-α2)*F 3,3
F 4,3=0,6* +0,4*1,275=0,765+0,510=1,275
t=16
у расч(16)=(а0(15)+а1(15)*1)*F 3,4
урасч(16)=(54,881+1,033*1)*0,
а0(16)=α1* +(1-α1)*(а0(15)+а1(15))
а0(16)=0,3*
+0,7*(54,881+1,033)=16,560+39,
а1(16)= α3*(а0(16)-а0(15))+(1-α3)*а1(
а1(16)=0,3*(55,700-54,881)+0,
F 4,4= α2* +(1-α2)*F 3,4
F 4,4=0,6* +0,4*0,779=0,463+0,312=0,775
Для анализа, исследования и прогнозирования берут модель с последнего шага корректировки.
у расч(t+к)=(а0(16)+а1(16)*к)*F t-l+к
у расч(t+к)= (55,700+0,969*к)*F t-l+к адаптивная мультипликативная модель Хольта-Уинтерса.
F t: F 4,1=0,877; F 4,2=1,079; F 4,3=1,275; F 4,4=0,775
2. Оценим точность модели с использованием средней относительной ошибки аппроксимации
S=
t |
y(t) |
yрасч(t) |
E(t) |
| |
1 |
36 |
36,049 |
-0,049 |
0,0014 | |
2 |
46 |
46,159 |
-0,159 |
0,0035 | |
3 |
55 |
55,709 |
-0,709 |
0,0129 | |
4 |
35 |
34,425 |
0,575 |
0,0164 | |
5 |
39 |
38,872 |
0,128 |
0,0033 | |
6 |
50 |
49,699 |
0,301 |
0,0060 | |
7 |
61 |
59,921 |
1,079 |
0,0177 | |
8 |
37 |
37,904 |
-0,904 |
0,0244 | |
9 |
42 |
42,014 |
-0,014 |
0,0003 | |
10 |
54 |
53,669 |
0,331 |
0,0061 | |
11 |
64 |
64,899 |
-0,899 |
0,0140 | |
12 |
40 |
39,808 |
0,192 |
0,0048 | |
13 |
47 |
44,848 |
2,152 |
0,0458 | |
14 |
58 |
58,445 |
-0,445 |
0,0077 | |
15 |
70 |
69,962 |
0,038 |
0,0005 | |
16 |
43 |
43,557 |
-0,557 |
0,0130 | |
136 |
777 |
775,94 |
1,06 |
0,1778 |
S= =1,11%
Так как средняя относительная ошибка аппроксимации равна 1,11%, т.е. меньше 5%, то модель считается точной.
3.Оценим адекватность построенной модели
а) случайность остаточной компоненты по критерию пиков
m>[ ]
m- количество поворотных точек или пиков
m>[ ]
m>6
t |
y(t) |
yрасч(t) |
E(t) |
|
m | |
1 |
36 |
36,049 |
-0,049 |
0,0014 |
- | |
2 |
46 |
46,159 |
-0,159 |
0,0035 |
0 | |
3 |
55 |
55,709 |
-0,709 |
0,0129 |
1 | |
4 |
35 |
34,425 |
0,575 |
0,0164 |
1 | |
5 |
39 |
38,872 |
0,128 |
0,0033 |
1 | |
6 |
50 |
49,699 |
0,301 |
0,0060 |
0 | |
7 |
61 |
59,921 |
1,079 |
0,0177 |
1 | |
8 |
37 |
37,904 |
-0,904 |
0,0244 |
1 | |
9 |
42 |
42,014 |
-0,014 |
0,0003 |
1 | |
10 |
54 |
53,669 |
0,331 |
0,0061 |
1 | |
11 |
64 |
64,899 |
-0,899 |
0,0140 |
1 | |
12 |
40 |
39,808 |
0,192 |
0,0048 |
0 | |
13 |
47 |
44,848 |
2,152 |
0,0458 |
1 | |
14 |
58 |
58,445 |
-0,445 |
0,0077 |
1 | |
15 |
70 |
69,962 |
0,038 |
0,0005 |
1 | |
16 |
43 |
43,557 |
-0,557 |
0,0130 |
- | |
136 |
777 |
775,94 |
1,06 |
0,1778 |
m=11
11>6
Свойство выполняется
б) независимость уровней ряда остатков по d-критерию (критические значения d1=1,10 и d2=1,37) и по первому коэффициенту автокорреляции при критическом значении r1=0,32
d расч=
t |
y(t) |
yрасч(t) |
E(t) |
|
m |
Et-Et-1 |
(Et-Et-1)2 |
Et2 | |
1 |
36 |
36,049 |
-0,049 |
0,0014 |
- |
- |
0,002 | ||
2 |
46 |
46,159 |
-0,159 |
0,0035 |
0 |
-0,11 |
0,012 |
0,025 | |
3 |
55 |
55,709 |
-0,709 |
0,0129 |
1 |
-0,55 |
0,303 |
0,503 | |
4 |
35 |
34,425 |
0,575 |
0,0164 |
1 |
1,284 |
1,649 |
0,331 | |
5 |
39 |
38,872 |
0,128 |
0,0033 |
1 |
-0,447 |
0,200 |
0,016 | |
6 |
50 |
49,699 |
0,301 |
0,0060 |
0 |
0,173 |
0,030 |
0,091 | |
7 |
61 |
59,921 |
1,079 |
0,0177 |
1 |
0,778 |
0,605 |
1,164 | |
8 |
37 |
37,904 |
-0,904 |
0,0244 |
1 |
-1,983 |
3,932 |
0,817 | |
9 |
42 |
42,014 |
-0,014 |
0,0003 |
1 |
0,89 |
0,792 |
0,000 | |
10 |
54 |
53,669 |
0,331 |
0,0061 |
1 |
0,345 |
0,119 |
0,110 | |
11 |
64 |
64,899 |
-0,899 |
0,0140 |
1 |
-1,23 |
1,513 |
0,808 | |
12 |
40 |
39,808 |
0,192 |
0,0048 |
0 |
1,091 |
1,190 |
0,037 | |
13 |
47 |
44,848 |
2,152 |
0,0458 |
1 |
1,96 |
3,842 |
4,631 | |
14 |
58 |
58,445 |
-0,445 |
0,0077 |
1 |
-2,597 |
6,744 |
0,198 | |
15 |
70 |
69,962 |
0,038 |
0,0005 |
1 |
0,483 |
0,233 |
0,001 | |
16 |
43 |
43,557 |
-0,557 |
0,0130 |
- |
-0,595 |
0,354 |
0,310 | |
136 |
777 |
775,94 |
1,06 |
0,1778 |
-0,508 |
21,518 |
9,045 |
dрасч= =2,38
- |
? |
+ |
d' |
|||
d1 |
d2 |
2 |
4 |
Находим d’
d’=4-dрасч
d’=4-2,38=1,62
Свойство выполняется, остатки независимы
в) нормальность распределения остаточной компоненты по R/S-критерию с критическими значениями от 3 до 4,21
R/S=
SE=
SE= =0,773
R/S= =3,953
3<3,953<4,21
Свойство выполняется
4. Построить точечный прогноз на 4 шага вперед
Для прогнозирования берут модель с последнего шага корректировки
у расч(16+к)=(61,030+0,955*к)*F (16+к-4)
F 4,1=0,877; F 4,2=1,079; F 4,3=1,275; F 4,4=0,775
Пятый цикл (Пятый год)
t=17 к=1
у расч(17)=(а0(16)+а1(16)*1)*F 4,1
урасч(17)=(55,700+0,969*1)*0,
t=18 к=2
у расч(18)=(а0(16)+а1(16)*2)*F 4,2
урасч(18)=(55,700+0,969*2)*1,
t=19 к=3
у расч(19)=(а0(16)+а1(16)*3)*F 4,3
урасч(19)=(55,700+0,969*3)*1,
t=20 к=4
у расч(20)=(а0(16)+а1(16)*4)*F 4,4
урасч(20)=(55,700+0,969*4)*0,
5. Отразим на графике
фактические, расчетные и
Задание 2.
Даны цены (открытия, максимальная, минимальная, закрытия) за 10 дней. Интервал сглаживания принять равным пяти дням. Рассчитать:
- экспоненциальную скользящую среднюю;
- момент;
- скорость изменения цен;
- индекс относительной силы;
- % R, %K и %D.
Расчеты проводить для всех дней, для которых эти расчеты можно выполнить на основании имеющихся данных.
Вариант 6 | |||
Дни |
Цены | ||
максимальная |
минимальная |
закрытия | |
1 |
600 |
550 |
555 |
2 |
560 |
530 |
530 |
3 |
536 |
501 |
524 |
4 |
545 |
521 |
539 |
5 |
583 |
540 |
569 |
6 |
587 |
562 |
581 |
7 |
582 |
561 |
562 |
8 |
573 |
556 |
573 |
9 |
610 |
579 |
592 |
10 |
645 |
585 |
645 |
ЕМАt=к*Сt+(1-к)*EMAt-1 –формула экспоненциальной скользящей средней, где
к- параметр сглаживания;
n- порядок скользящей средней (интервал сглаживания)
n=5
к=
к= =0,33
При определении первого значения ЕМАt берется простая скользящая средняя исходя из порядка скользящей средней.
Определим экспоненциальную скользящую среднюю
ЕМА5= = =543,400
ЕМА6=ЕМА5+0,33*(P6-EMA5)
ЕМА6=543,4+0,33*(581-543,4)=
ЕМА7=ЕМА6+0,33*(P7-EMA6)
ЕМА7=555,808+0,33*(562-555,
ЕМА8=ЕМА7+0,33*(P8-EMA7)
ЕМА8=557,851+0,33*(573-557,
ЕМА9=ЕМА8+0,33*(P9-EMA8)
ЕМА9=562,850+0,33*(592-562,
ЕМА10=ЕМА9+0,33*(P10-EMA9)
ЕМА10=572,470+0,33*(645-572,
Так как линия скользящей средней находится ниже ценового графика, то ценовой тренд является восходящим.
Определим момент
Mt=Pt-Px
M5=P5-P1
M5=569-555=14
M6=P6-P2
M6=581-530=51
M7=P7-P3
M7=562-524=38
M8=P8-P4
M8=573-539=34
M9=P9-P5
M9=592-569=23
M10=P10-P6
M10=645-581=64
Критическое значение Мt=0. Так как момент с 5 по 10 день больше нуля, то ценовой тренд является восходящим.
Определим скорость изменения цен
ROC5=
ROC5= =102,523
ROC6=
ROC6= =109,623
ROC7=
ROC7= =107,252
ROC8=
ROC8= =106,308
ROC9=
ROC9= =104,042
ROC10=
ROC10= =111,015
Критическое значение ROCt =100 %. Так как скорость изменения цен с 5 по 10 день больше 100 %, то ценовой тренд является восходящим.
Определим индексы относительной силы
RSIt=
RS=
RSI5=
AU(1-5)=15+30=45
Информация о работе Контрольная работа по "Финансовой математике"