Партнерка на США и Канаду по недвижимости, выплаты в крипто

  • 30% recurring commission
  • Выплаты в USDT
  • Вывод каждую неделю
  • Комиссия до 5 лет за каждого referral

Белорусский Государственный Университет

Экономический факультет

Контрольно-самостоятельная работа по стратегическому планированию.

Выполнил

студент 4го курса

группы «Менеджмент»

Исагулов Андреас

Минск 2008


1. Исходные данные

ВВП, обменный курс и импорт Канады.

Период

Реальный ВВП

Курс

Импорт

2000:1

1031219

1,4852

420.421

2000:2

1039214

1,4904

426.768

2000:3

1059610

1,5267

430.32

2000:4

1076599

1,5399

429.732

2001:1

1108947

1,5484

421.816

2001:2

1116576

1,5323

418.35

2001:3

1120200

1,5311

418.9

2001:4

1098204

1,5496

420.73

2002:1

1119204

1,5704

405.136

2002:2

1146676

1,5643

409.628

2002:3

1161298

1,5038

420.372

2002:4

1183812

1,4672

421.02

2003:1

1208584

1,4071

424.4

2003:2

1197408

1,3872

426.34

2003:3

1217136

1,3610

426.768

2003:4

1229572

1,3541

432.98

2004:1

1253040

1,2987

439.376

2004:2

1286048

1,3020

446.008

2004:3

1304768

1,2634

441.924

2004:4

1319456

1,2781

442.964

2005:1

1334424

1,2007

439.566

2005:2

1356388

1,1896

440.144

2005:3

1390844

1,2161

458.508

2005:4

1416841

1,2011

478.92

2006:1

1431641

1,1681

454.46

2006:2

1442240

1,1138

449.128

2006:3

1452396

1,1162

457.126

2006:4

1459248

1,1530

462.024

2007:1

1496008

1,1682

477.924

2007:2

1530120

1,0503

476.832

2007:3

1537472

1,0254

463.956

Страна: Канада, источник: http://www. bank-banque-canada. ca

НЕ нашли? Не то? Что вы ищете?

2. Проверка показателей на стационарность

Переменная

ADF тест

Результат

Спецификация

ADF статистика

Критические значения

ВВП

N,0

7.298137

-1.9535

I(1)

Обменный курс

T,0

-2.846944

-3.5670

I(1)

Импорт

N,0

0.472865

-1.9535

I(1)

По результатам ADF-теста, переменные обменный курс и импорт не стационарны на уровнях, а стационарны в первых разностях, поэтом у можно предположить, что они коинтегрированные и с ними можно работать на уровнях.

3. Разложение ряда Импорт на составляющие динамики с помощью фиктивных переменных

Далее проследим зависимость между переменными. Построив, уравнение регрессии, можно заметить по крайней мере два существенных выброса и наличие тренда. Введенные фиктивные переменные, как и переменные самой модели, значимы. Показатель R-squared высокий.

Dependent Variable: IMPORT

Method: Least Squares

Date: 12/12/08 Time: 13:30

Sample: 2000:1 2007:3

Included observations: 31

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

411.7696

3.237600

127.1836

0.0000

@TREND()

1.744622

0.185207

9.419873

0.0000

B

-20.59060

9.254960

-2.224818

0.0346

A

27.02407

9.284626

2.910626

0.0071

R-squared

0.819588

Mean dependent var

438.1465

Adjusted R-squared

0.799542

S. D. dependent var

20.12522

S. E. of regression

9.010569

Akaike info criterion

7.354588

Sum squared resid

2192.140

Schwarz criterion

7.539618

Log likelihood

-109.9961

F-statistic

40.88579

Durbin-Watson stat

0.713081

Prob(F-statistic)

0.000000

4. Построение базовой модели

Dependent Variable: IMPORT

Method: Least Squares

Date: 12/12/08 Time: 13:31

Sample: 2000:1 2007:3

Included observations: 31

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

173.0346

105.4928

1.640250

0.1130

GDP

0.000320

7.69E-05

4.160332

0.0003

EXCHANGE

-54.13997

28.83074

-1.877856

0.0717

@TREND()

-4.535632

1.201927

-3.773634

0.0008

@SEAS(4)

8.524500

3.286111

2.594100

0.0154

R-squared

0.883226

Mean dependent var

438.1465

Adjusted R-squared

0.865260

S. D. dependent var

20.12522

S. E. of regression

7.387346

Akaike info criterion

6.984104

Sum squared resid

1418.895

Schwarz criterion

7.215392

Log likelihood

-103.2536

F-statistic

49.16288

Durbin-Watson stat

1.545406

Prob(F-statistic)

0.000000

Графическое представление уравнения и остатков следующее:

4. Разложение ряда Обменный курс на составляющие динамики с помощью модели ARIMA

Для построения прогноза на 2 года вперед, определим будущие значения реального курса национальной валюты на основе модели ARIMA, т. к. это нестационарный ряд, а будущие значения ВВП путем разложения ряда на составляющие динамики с помощью фиктивных переменных.

Dependent Variable: EXCHANGE

Method: Least Squares

Date: 12/12/08 Time: 13:37

Sample(adjusted): 2000:2 2007:3

Included observations: 30 after adjusting endpoints

Convergence achieved after 4 iterations

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.908924

0.857101

2.227188

0.0342

AR(1)

1.027484

0.040543

25.34278

0.0000

R-squared

0.958225

Mean dependent var

1.335940

Adjusted R-squared

0.956733

S. D. dependent var

0.174127

S. E. of regression

0.036220

Akaike info criterion

-3.734092

Sum squared resid

0.036732

Schwarz criterion

-3.640679

Log likelihood

58.01138

F-statistic

642.2566

Durbin-Watson stat

1.902405

Prob(F-statistic)

0.000000

Inverted AR Roots

1.03

Estimated AR process is nonstationary

EXCHANGE = 1. + [AR(1)=1.]

Остатки модели:

Прогнозируем по этой модели изменение обменного курса (exchangef):

MAPE = 5, что свидетельствует о приличном качестве прогноза.

5. Разложение ряда ВВП на составляющие динамики с помощью фиктивных переменных

Dependent Variable: GDP

Method: Least Squares

Date: 12/12/08 Time: 13:46

Sample: 2000:1 2007:3

Included observations: 31

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1006935.

7008.430

143.6748

0.0000

@TREND()

17011.20

401.3016

42.39007

0.0000

R-squared

0.984118

Mean dependent var

1262103.

Adjusted R-squared

0.983570

S. D. dependent var

155911.0

S. E. of regression

19984.66

Akaike info criterion

22.70566

Sum squared resid

1.16E+10

Schwarz criterion

22.79817

Log likelihood

-349.9377

F-statistic

1796.918

Durbin-Watson stat

0.418987

Prob(F-statistic)

0.000000

Остатки модели:

Прогнозируем по этой модели изменение ВВП:

6. Построение итоговой прогнозной модели импорта:

Dependent Variable: IMPORT

Method: Least Squares

Date: 12/12/08 Time: 13:52

Sample(adjusted): 2000:2 2007:3

Included observations: 30 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1200.578

200.7543

5.980336

0.0000

GDPF

-0.000258

8.19E-05

-3.152547

0.0042

EXCHANGEF

-348.4727

77.86372

-4.475418

0.0001

A

29.01836

7.064620

4.107561

0.0004

B

-18.58659

7.053474

-2.635097

0.0142

R-squared

0.901121

Mean dependent var

438.7373

Adjusted R-squared

0.885301

S. D. dependent var

20.19395

S. E. of regression

6.839143

Akaike info criterion

6.834214

Sum squared resid

1169.347

Schwarz criterion

7.067747

Log likelihood

-97.51321

F-statistic

56.95873

Durbin-Watson stat

1.293305

Prob(F-statistic)

0.000000

Остатки модели:

По построенной модели строим прогноз на два года вперед:

Ошибка MAPE = 0. что является очень хорошим показателем построенного прогноза. На мой взгляд такой прогноз абсолютно реален:

7. Проверка адекватности модели

А) Проверка на гетероскедастичность:

White Heteroskedasticity Test:

F-statistic

0.646250

Probability

0.713503

Obs*R-squared

5.116641

Probability

0.645731

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/12/08 Time: 13:57

Sample: 2000:2 2007:3

Included observations: 30

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

0.809542

0.4269

GDPF

-12.70888

15.59824

-0.814764

0.4239

GDPF^2

-1.54E-06

1.96E-06

-0.786017

0.4402

GDPF*EXCHANGEF

6.144347

7.558211

0.812937

0.4250

GDPF*A

-2.16E-05

4.40E-05

-0.491387

0.6280

GDPF*B

-3.31E-05

5.36E-05

-0.616071

0.5442

EXCHANGEF

-0.811599

0.4257

EXCHANGEF^2

755245.7

896109.7

0.842805

0.4084

R-squared

0.170555

Mean dependent var

38.97823

Adjusted R-squared

-0.093360

S. D. dependent var

54.60708

S. E. of regression

57.09927

Akaike info criterion

11.15064

Sum squared resid

71727.18

Schwarz criterion

11.52429

Log likelihood

-159.2596

F-statistic

0.646250

Durbin-Watson stat

2.125131

Prob(F-statistic)

0.713503

→ В модели присутствует гетероскедастичность.

Б) Проверка на автокорреляцию:

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

1.663612

Probability

0.211452

Obs*R-squared

3.791389

Probability

0.150214

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 12/12/08 Time: 13:58

Presample missing value lagged residuals set to zero.

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-72.71739

201.5195

-0.360845

0.7215

GDPF

2.93E-05

8.21E-05

0.356527

0.7247

EXCHANGEF

28.54835

78.24980

0.364836

0.7186

A

-6.249143

7.806005

-0.800556

0.4316

B

0.334885

6.925609

0.048355

0.9619

RESID(-1)

0.472570

0.260044

1.817270

0.0822

RESID(-2)

-0.160703

0.245607

-0.654307

0.5194

R-squared

0.126380

Mean dependent var

-3.17E-13

Adjusted R-squared

-0.101521

S. D. dependent var

6.349985

S. E. of regression

6.664524

Akaike info criterion

6.832438

Sum squared resid

1021.565

Schwarz criterion

7.159384

Log likelihood

-95.48657

F-statistic

0.554537

Durbin-Watson stat

1.829890

Prob(F-statistic)

0.761510

→ Автокорреляция в модели отсутствует.

В) Проверка на нормальность распределения остатков:

→ Остатки распределены нормально