Краткосрочный прогноз изменения курса доллара по отношению к рублю

МИНИСТЕРСТВО  СЕЛЬСКОГО ХОЗЯЙСТВА РФ

ФГОУ  ВПО «БУРЯТСКАЯ ГОСУДАРСТВЕННАЯ СЕЛЬСКОХОЗЯЙСТВЕННАЯ АКАДЕМИЯ им. В.Р.Филиппова»

  

ЭКОНОМИЧЕСКИЙ ФАКУЛЬТЕТ 

КАФЕДРА «Информационно-консультационных технологий в АПК»

    
 
 

КУРСОВАЯ РАБОТА

На тему: Краткосрочный прогноз изменения курса доллара по отношению к рублю 
 
 

Выполнила:

                                                                            Проверила:  
 
 

Улан-Удэ,

2006 г. 
 

Содержание

Введение………………………………………………………………………..3

Глава 1. Теоретические  аспекты прогнозирования……………………….....5

      1.1. Корреляционно-регрессионный анализ…………………………..5

1.2. Специальные  статистические показатели, используемые  в прогнозировании и расчет возможной ошибки прогноза……………8

Глава 2. Изменение  курса доллара и его значение…………………………13

      2.1. Значение доллара в экономике  России………………………….13

      2.2. Цикл изменения курса доллара…………………………………..20

Глава 3. Расчет и анализ краткосрочного прогноза изменения  курса 

доллара по отношению к рублю…………………………………..31

      3.1. Расчет прогноза методом наименьших квадратов……………...31

      3.2. Анализ полученных данных……………………………………...33

Заключение……………………………………………………………………35

Список использованной литературы………………………………………..36

Приложение…………………………………………………………………..38 
 
 
 
 
 
 
 
 
 
 
 
 
 

      Введение

        Научное прогнозирование, призванное установить связь между прошлым, настоящим и будущим имеет особое значение для выявления отдаленных результатов, связанных с проведением мероприятий по стабилизации народного хозяйства, антиинфляционному регулированию экономики, преодолению дефицита государственного бюджета, оздоровлению денежно-финансовой системы, модернизации производства и т. д.

      В общем случае под прогнозом принято  понимать  научно обоснованное суждение, носящее вероятностный характер, о возможных состояниях изучаемого объекта (явления) в будущем или о путях и сроках достижения определенных целей.

      Прогнозирование – это процесс разработки прогнозов  с целью предсказания динамики изменения  объектов (явлений) в ближайшей или  отдаленной перспективе.

      Результаты  прогнозирования могут использоваться в народнохозяйственных планах либо в виде директивных показателей, либо как вспомогательный материал для принятия плановых решений.

      Практическая  ценность прогнозирования заключается  в том, что прогнозные оценки позволяют  исключить те направления хозяйственного развития, которые могут привести к неблагоприятным конечным результатам. Вместе с тем прогнозы создают условия для выявления наиболее приемлемых перспектив экономического роста. Роль прогноза состоит в том, чтобы показать, каким может быть экономическое развитие в будущем.

      Использование результатов прогнозирования в  процессе реализации плановых заданий  позволяет существенно повысить оперативность управления, создает  условия для своевременного выявления  нежелательных тенденций, обеспечивает поиск наиболее эффективных программ экономического развития.

      Прогнозирование изменения курса доллара по отношению  к рублю имеет огромное значение не только для отдельных сфер экономической  деятельности, но и для экономики  России в целом, поскольку конвертируемость национальной валюты рассматривается как одно из условий международной конкурентоспособности страны. Различие между степенями конвертируемости валюты зависит от того, какие ограничения вводятся государством в сфере потребления, накопления и использования резидентами иностранных активов и обязательств. Для России свойственно применение национальной валюты наряду с иностранной, т.е. на практике денежный оборот в России является мультивалютным (наряду с рублевыми купюрами обращаются доллары США и в несколько меньших объемах - евро). Именно поэтому значение доллара настолько велико.

      Сосуществование американской и европейской валют  приводит к тому, что разнонаправленное, хаотичное движение их курсов при  стабильном рубле способствует повышению  спроса на российскую валюту.

      Постепенная дедолларизация означает позитивные изменения  экономики России. В частности, рост реальных процентных ставок; стабилизация и рост курса рубля и т. п. Кроме того, укрепление реального курса рубля  сделает неэффективным сбережения в долларах США в форме банковских вкладов, и особенно в наличном виде,   из-за отрицательной доходности сбережений в этой валюте.

      Поэтому эта тема актуальна на сегодняшний  день.  
 
 
 
 
 
 
 
 
 

      Глава 1. Теоретические  аспекты прогнозирования

      1.1. Корреляционно-регрессионный анализ

      Метод наименьших квадратов находит применение при корреляционном взаимодействии исследуемых показателей.

      Корреляционную  связь следует отличать от функциональной. Функциональная - это такая связь, при которой каждому значению независимой переменной (аргументу) соответствует строго определенная величина зависимой переменной (функции). Функциональная связь часто называют полной связью, поскольку в ней отражается все множество причинно-следственных отношений, существующих между рассматриваемыми признаками. Примером функционального взаимодействия является зависимость между стоимостью (у)  и количеством (х) выработанной продукции. При заданной цене (с) за одно изделие выручка от продажи товара однозначно определяется умножением цены на число реализованных изделий. Аналитическая взаимосвязь переменных может быть представлена в следующем виде:

      у = с*х  (1.1)

      Корреляционная  связь является неполной статистической связью. При корреляционном взаимодействии на показатель-функцию оказывает  влияние не только факторы-аргументы, отобранные в процессе анализа, но и множество прочих признаков, выходящих за пределы исследования. При корреляционной связи каждому отдельному значению независимой переменной может соответствовать определенное множество значений функции. Примером корреляционного взаимодействия следует считать зависимость между стажем работы рабочего пищевого предприятия, выполняющего ручные операции, и его сменной выработкой. Чем больше продолжительность трудовой деятельности, тем выше, как правило, производительность труда. Однако указанная зависимость не носит абсолютно строгого характера, а выявляет лишь тенденцию во взаимодействии аргумента и функции. Как показывает практика, сменной выпуск продукции рабочими, имеющими одинаковый стаж, может оказаться различным, поскольку на производительность труда наряду со стажем влияют и некоторые другие факторы (уровень квалификации, возраст исполнителя, качество используемого оборудования и т.п.).

      Для изучения корреляционных связей используется методы корреляционного и регрессионного анализа.

      Аппарат корреляционного метода применяется  для решения широкого класса задач, связанных со статической обработкой экономических совокупностей: для исследования взаимозависимости признаков в изучаемых массивах, определения генеральных средних и дисперсий, проверки значимости оцениваемых параметров и т.п.

      Регрессионный анализ представляет собой часть  корреляционного метода. С его помощью определяется форма и сила связи между переменными.

      Использование регрессионного анализа базируется на применении метода наименьших квадратов. Особенность метода наименьших квадратов применительно к анализу динамических рядов состоит в том, что он позволяет подобрать параметры уравнения прогноза y(t) = f(t) с таким расчетом, чтобы суммарные отклонения фактических значений ряда (y(t)) от найденных по статистической модели (y`(t))  были бы минимально возможными. Однако непосредственное использование отклонений при нахождении параметров функций представляется нецелесообразным, поскольку отрезки между исходными и расчетными уровнями временного ряда могут принимать, как и отрицательные значения, а их сумма нередко равняется нулю для целого семейства линий  y(t) = f(t), в том числе и для линий, не отображающих наблюдаемую динамику.

      При использовании метода наименьших квадратов для устранения возможности взаимного погашения величин, имеющих разные знаки, отклонения y(t) - y`(t) сначала возводят в квадрат, после чего суммируют. Аналитическая функция y`(t) = f(t) наиболее точно отображает исходную зависимость, если выполняется условие:

      ∑ (yt-y`t) ^2 = min  (1.2.)

        В рассматриваемом условии минимизации  значения переменных y(t) и t за прогнозный период являются известными величинами, а параметры а и b - неизвестными константами. Для их поиска необходимо приравнять к нулю частные производные от выражения по каждой искомой константе в отдельности. После соответствующих преобразований получают систему уравнений, которую принято называть нормальной.    

      Для линейного уравнения тренда y`t = a+b*t нормальные уравнения имеют вид:

                            ∑y (t) = a*n + b*∑t

      ∑y (t)*t = a*∑t + b*∑t^2  (1.3.)

      Подставив в систему уравнений, имеющуюся  исходную информацию (yt и t), можно рассчитать параметры прогнозирующей функции a и b. Сомножитель n в первом нормальном уравнении обозначает длину временного ряда.

      Для параболического уравнения тренда y(t) = a+b*t+c*t^2 нормальные уравнения имеют вид:

                            ∑y (t) = a*n + b*∑t + c* t^2

                            ∑y (t)*t = a*∑t + b*∑t^2 + c*t^3

                            ∑y (t)*t^2 = a*∑t + b*∑t^2 + c*t^3  (1.4.)

      В тех случаях, когда в качестве уравнения регрессии используются гиперболическая, экспоненциальная, степенная, логистическая и некоторые другие функции, процессу построения системы нормальных уравнений должен предшествовать этап линеаризации кривой, предусматривающий переход от нелинейных связей к линейной зависимости изменения признака.

      Гиперболическая функция имеет исходное уравнение  вида y(t) = a + b/t. Способ замены переменных t` = 1/t. Линеаризованное уравнение имеет вид y(t)=a + b*t`. Тогда система уравнений примет вид:

                            ∑y (t) = a*n + b*∑t`

                            ∑y (t)*t` = a*∑t` + b*∑t`^2  (1.5.)

      Степенная функция y(t) = a*t^b логарифмируется ln yt = ln a + b lnt;         ln yt=y``t; ln a = a`; ln t = t`.

      Линеаризованное уравнение примет вид y``t = a` + bt`. Тогда система уравнений примет вид:

                            ∑y`` (t) = a`*n + b*∑t`

                            ∑y`` (t)*t` = a*∑t` + b*∑t`^2 (1.6.)

      Экспоненциальная  функция y(t) = a*e^t логарифмируется в ln yt = ln a + t;

      ln yt = y`t; ln a = a`. Тогда линеаризованное уравнение примет вид y`t=a`+t.

      Логистическая функция yt = 1/(a + b*e^-t). Способ замены переменных: 1/yt = a + b*e^-t; 1/yt = y``; e^-t = t`, где e=2,72… Линеаризованное уравнение примет вид y``t = a + bt`. Тогда система уравнений для логистической функции примет вид:

                            ∑y`` (t) = a`*n + b*∑t`

                            ∑y`` (t)*t` = a*∑t` + b*∑t`^2 (1.7.)

      Простая модифицированная экспоненциальная функция y(t) = a - b*e^-t. Способ замены переменных e^-t =t`. Линеаризованное уравнение примет вид y(t) = a - b*t`. Тогда система уравнений для простой модифицированной экспоненциальной функции примет вид:

                            ∑y (t) = a*n + b*∑t`

                            ∑y (t)*t` = a*∑t` + b*∑t`^2 (1.8.)