Автор работы: Пользователь скрыл имя, 22 Декабря 2010 в 11:56, курсовая работа
Экономический прогноз- это вероятностная оценка темпов роста экономики в будущем, базирующаяся на определенной гипотезе социально-экономического развития, так как гипотез много, соответственно прогнозирование можно рассматривать как научную деятельность, направленную на выявление и изучение наиболее вероятностных альтернатив будущего развития.
Введение
Экономический прогноз- это
В своей курсовой работе я
буду строить различные модели,
сравнивать их, изучать и проверять
на предмет соответствия
Основными критериями выбора подходящей модели являются:
- адекватность построения модели (когда модель успешно проходит тесты);
- модель имеет наименьшее количество ошибок.
STATGRAPHICS, программный продукт
Отличительной особенностью
В целом STATGRAPHICS нацелен на использование в различных областях: в промышленности, образовании, маркетинге, туризме и
др.
На основе многолетнего опыта
с уверенностью можно сказать,
что студенты и преподаватели,
инженеры- производственники и инженеры
по качеству продукции, специалисты по
статистике и маркетологи — все выиграют
от умения применять систему STATGRAPHICS.
1.
Сущность и методы
прогнозирования
в ИГиТ. Их реализация
в пакете Statgraphics Plus.
Роль прогнозирования в туризме состоит в выявлении существенных закономерностей его изменения в разработке гипотез о наиболее вероятных темпах динамики различных сегментов.
Прогнозы бывают:
- краткосрочными,
- среднесрочными,
- долгосрочными.
На самом деле не существует единства в понимании временных границ прогнозирования.
Сейчас есть большое количество методов прогнозирования социально-экономических процессов.
При разработке и анализе комплексных систем прогнозирования к основным операциям следует отнести определение состава и процедур простых методов прогнозирования, входящих в систему, а также логических правил их объединения в систему.
Простые процедуры используют для прогнозирования подсистем и блоков, входящих в структуру прогнозируемого объекта или процесса. Необходимо отметить, что известные образцы комплексных систем прогнозирования достаточно близки по методологии построения, так как разрабатывались для схожих объектов и со схожими целями.
Одним из основных количественных методов исследования и прогнозирования туристских рынков является анализ временных рядов.
Он состоит из 4 компонентов:
- цикла (с периодических колебаний с периодом более одного года),
- тренда (основного или эволюторного направления развития показателя),
- сезонных изменений (периодических колебаний с периодом, равным одному году),
- случайной компоненты или остатков (непрогнозируемой компоненты).
Очень важной характеристикй туристических рынков выступает сезонность. Выявить количественные показатели сезонных изменений позволяет процедура сезонной декомпозиции. Существует несколько методов выявления сезонности, однако основными и наиболее простыми в применении остаются две модели:
- аддитивная (когда найденные индексы сезонности добавляются к компоненту тренд-цикла),
- мультипликативная (индекс сезонности умножается на значение тренд-цикла).
Аддитивная модель используется в случае, когда сезонный эффект не носит нарастающий характер.
Мультипликативная модель используется, если эффект сезонности усиливается год от года (или уменьшается).
Существует много методов коллективных экспертных оценок. Наиболее популярными являются:
- метод круглого стола;
- метод Дельфи;
- метод эвристического прогнозирования;
- метод коллективной генерации идей;
- метод
мозговой атаки.
2.
Анализ временного
ряда продаж шампанского.
Для изучения
продаж шампанского нам понадобятся
данные о динамике:
Динамика ежемесячных продаж шампанского.
месяц | 1997 | 1998 | 1999 | 2000 | 2001 | 2002 | 2003 |
январь | 2,815 | 2,541 | 3,113 | 5,375 | 3,633 | 4,016 | 2,639 |
февраль | 2,672 | 2,475 | 3,006 | 3,088 | 4,292 | 3,957 | 2,899 |
март | 2,755 | 3,031 | 4,047 | 3,718 | 4,154 | 4,51 | 3,37 |
апрель | 2,721 | 3,266 | 3,523 | 4,514 | 4,121 | 4,276 | 3,74 |
май | 2,946 | 3,776 | 3,937 | 4,52 | 4,647 | 4,968 | 2,927 |
июнь | 3,036 | 3,23 | 3,986 | 4,539 | 4,753 | 4,677 | 3,986 |
июль | 2,282 | 3,028 | 3,26 | 3,663 | 3,965 | 3,523 | 4,217 |
август | 2,212 | 1,759 | 1,573 | 1,643 | 1,723 | 1,821 | 1,738 |
сентябрь | 2,922 | 3,595 | 3,528 | 4,739 | 5,048 | 5,222 | 5,221 |
октябрь | 4,301 | 4,474 | 5,211 | 5,428 | 6,922 | 6,872 | 6,424 |
ноябрь | 5,764 | 6,838 | 7,614 | 8,314 | 9,858 | 10,803 | 9,842 |
декабрь | 7,312 | 8,357 | 9,254 | 10,651 | 11,331 | 13,916 | 13,076 |
Временной ряд-это некая последовательность упорядоченных по времени значений наблюдаемого процесса или явления. Временной ряд включает в себя два обязательных элемента: время и конкретное значение показателя, или уровень ряда. В качестве единицы времени выступает год, полугодие, квартал, месяц, декада, неделя, день. Среди временных рядов выделяют одномерные, полученные в результате наблюдения одной, фиксированной характеристики исследуемого процесса, и многомерные временные ряды как результат наблюдений нескольких характеристик одного исследуемого объекта в течение некоторого промежутка времени.
Временные ряды делятся на:
- дискретные,
- непрерывные.
Дискретные ряды делятся на ряды с равноотстоящими и произвольными моментами наблюдения.
Рассмотрим более подробно описательные методы анализа временного ряда на примере ежемесячных продаж шампанского, представленного в приложение 1.
Модуль анализа временных рядов Statgraphics располагает пятью основными процедурами:
Descriptive
Methods (описательный/дескриптивный
Smoothing (сглаживание);
Seasonal Decomposition (сезонная декомпозиция);
Forecasting (прогнозирование);
Automatic Forecasting
(автоматическое
Рассмотрим дескриптивную
Далее
необходимо выбрать в дополнительных
опциях все возможные табличные и графические
опции, кроме кросскорреляции, т.к. ее использование
приемлемо только при анализе 2-х временных
рядов.
Рис.1
На рисунке 1 показан горизонтальный
график ежемесячных продаж
Изучив этот график видим
Предполагаемые
Автокорреляции для
шампанского
|
The StatAdvisor
Эта таблица показывает предполагаемую автокорреляцию ценности шампанского. Пределы вероятности составляют 95,0 %. В этом случае 5 из 24 автокоэффициентов корреляции являются статистически существенными на доверительном уровне на 95,0 %. График выходит за пределы, это обозначает, что нужно открыть сезонную декампозицию и разобраться, в чём дело.
Рис. 2
Statgraphics построил график интегрированной периодограммы, мы видим это на Рисунке 2. На графике имеются 95% и 99% границы по Колмогорову-Смирнову для равномерного распределения данных. Этот график позволяет проверить, являются ли значения временного ряда случайными.
Ломанная линия интегрированной периодограммы выходит за 99%-ную границу, то есть с 99% вероятностью можно сказать, что переменная bubbly не случайная величина.
Проведем анализ сезонной декомпозиции.
Для этого необходимо зайти в меню Seasonal Decomposition и выбрать там:
Seasonal Decomposition - bubbly
Data variable: bubbly (MONTHLY
CHAMPAGNE SALES)
Number of observations = 84
Start index = 1.1990
Sampling interval = 1,0 month(s)
Length of seasonality = 12
Seasonal Decomposition
Method: Multiplicative
The StatAdvisor
This procedure applies a multiplicative seasonal decomposition to bubbly. The purpose of the decomposition is to separate bubbly into trend-cycle, seasonal, and random components. The data cover 84 time periods.
Each of the tables and graphs
shows different aspects of the decomposition.
Рис. 3
Seasonal Indices for bubbly
Seasonal decomposition method:
Multiplicative
|