Белорусский государственный университет
Экономический факультет
Лабораторная работа №2
по стратегическому планированию
Подготовила: студентка 4 курса
группы «Менеджмент»
Минск 2008
Задание 1
Разложим исходный временной ряд на составляющие динамики. Для этого проанализируем его график. В 1999 году в 1 квартале происходит излом восходящего тренда.
Для начала построим модель, в которой credit зависит от константы с и тренда. CREDIT = 135.347343 + 9.*@TREND()
Dependent Variable: CREDIT | ||||
Method: Least Squares | ||||
Date: 07/16/02 Time: 14:16 | ||||
Sample: 1996Q1 2007Q1 | ||||
Included observations: 45 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 135.3473 | 16.07041 | 8.422149 | 0.0000 |
@TREND() | 9.115323 | 0.629044 | 14.49075 | 0.0000 |
R-squared | 0.830027 | Mean dependent var | 335.8844 | |
Adjusted R-squared | 0.826075 | S. D. dependent var | 131.4076 | |
S. E. of regression | 54.80271 | Akaike info criterion | 10.88878 | |
Sum squared resid | 129143.5 | Schwarz criterion | 10.96908 | |
Log likelihood | -242.9976 | F-statistic | 209.9819 | |
Durbin-Watson stat | 0.468051 | Prob(F-statistic) | 0.000000 | |
Константа и тренд у нас оказываются значимы.
Насколько хорошо модель описывает фактические данные проследим на графике resides. 
Введем фиктивные переменные для более точного прогноза.
Оценим следующую модель зависимости credit от с и тренда @trend() и фиктивной переменной DT1, которая корректирует скачки модели в различные периоды.
CREDIT = 25. + 12.*@TREND() + 149.9485773*DT1
Получаем в результате Probability для фиктивных переменных меньше уровня 0,05, что доказывает их значимость и правильность введения.
Dependent Variable: CREDIT | ||||
Method: Least Squares | ||||
Date: 07/16/02 Time: 14:25 | ||||
Sample: 1996Q1 2007Q1 | ||||
Included observations: 45 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 25.46084 | 8.624784 | 2.952055 | 0.0051 |
@TREND() | 12.32179 | 0.293104 | 42.03892 | 0.0000 |
DT1 | 142.7814 | 8.342901 | 17.11412 | 0.0000 |
R-squared | 0.978683 | Mean dependent var | 335.8844 | |
Adjusted R-squared | 0.977668 | S. D. dependent var | 131.4076 | |
S. E. of regression | 19.63736 | Akaike info criterion | 8.857085 | |
Sum squared resid | 16196.29 | Schwarz criterion | 8.977530 | |
Log likelihood | -196.2844 | F-statistic | 964.1382 | |
Durbin-Watson stat | 1.780134 | Prob(F-statistic) | 0.000000 |
Теперь проверим график остатков, фактических и смоделированных значений.
Заметим, что модель намного точнее начала моделировать наблюдаемые значения. Теперь проверим остатки на стационарность с помощью теста ADF.
Null Hypothesis: RESID01 has a unit root | ||||
Exogenous: None | ||||
Lag Length: 0 (Fixed) | ||||
t-Statistic | Prob.* | |||
Augmented Dickey-Fuller test statistic | -5.897898 | 0.0000 | ||
Test critical values: | 1% level | -2.618579 | ||
5% level | -1.948495 | |||
10% level | -1.612135 | |||
*MacKinnon (1996) one-sided p-values. | ||||
Augmented Dickey-Fuller Test Equation | ||||
Dependent Variable: D(RESID01) | ||||
Method: Least Squares | ||||
Date: 07/16/02 Time: 14:27 | ||||
Sample (adjusted): 1996Q2 2007Q1 | ||||
Included observations: 44 after adjustments | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
RESID01(-1) | -0.892631 | 0.151347 | -5.897898 | 0.0000 |
R-squared | 0.447130 | Mean dependent var | -0.279317 | |
Adjusted R-squared | 0.447130 | S. D. dependent var | 25.89250 | |
S. E. of regression | 19.25243 | Akaike info criterion | 8.775617 | |
Sum squared resid | 15938.22 | Schwarz criterion | 8.816167 | |
Log likelihood | -192.0636 | Durbin-Watson stat | 1.961495 | |
Получаем, что остатки стационарны.
Задание 2
Построим ретропрогноз на 1 год по этой модели. Для этого исходный ряд разбиваем на два интервала с 1кв.1996г. по 1кв. 2006г. и с 1кв. 2006г. по 1кв. 2007г. На первом переоцениваем модель и по ней строим прогноз.
Dependent Variable: CRED | ||||
Method: Least Squares | ||||
Date: 07/16/02 Time: 14:31 | ||||
Sample: 1996Q1 2006Q1 | ||||
Included observations: 41 | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 24.91694 | 11.24339 | 2.216140 | 0.0327 |
@TREND() | 12.32592 | 0.422263 | 29.19017 | 0.0000 |
DT1 | 143.7686 | 10.56244 | 13.61130 | 0.0000 |
R-squared | 0.965219 | Mean dependent var | 310.0073 | |
Adjusted R-squared | 0.963388 | S. D. dependent var | 105.7434 | |
S. E. of regression | 20.23312 | Akaike info criterion | 8.922874 | |
Sum squared resid | 15556.40 | Schwarz criterion | 9.048257 | |
Log likelihood | -179.9189 | F-statistic | 527.2747 | |
Durbin-Watson stat | 1.742274 | Prob(F-statistic) | 0.000000 | |
Затем прогнозируем на год вперед с 2006 2 квартала до 2007 1 квартала
Сравнили значения с имеющимися и MAPE у нас получается 5.03%
Задание 3
Выполним прогноз на последующие 2 года со 2-го квартала 2007 года по 1-й квартал 2009 года.
