Макроэкономическое планирование и прогнозирование

Автор работы: Пользователь скрыл имя, 08 Сентября 2014 в 20:27, контрольная работа

Краткое описание

Метод скользящих средних (разработка прогнозов)
Вычислим прогнозное среднее:
1. Определим величину интервала сглаживания, например равную 3.
2. Рассчитаем скользящую среднюю для первых трех периодов:
mф = (Уя+Уф+Ум)/3 = (2360+2351+2041)/3 = 2250,67

Прикрепленные файлы: 1 файл

Контрольная работа.doc

— 167.00 Кб (Скачать документ)

 


 


МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Уральский государственный экономический университет

ЦЕНТР ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ

 

 

 

 

 

 

 

 

 

 

Контрольная работа

по дисциплине: Макроэкономическое планирование и прогнозирование.

 

 

 

 

 

 

 

 

Исполнитель: Обыскалова Е.С.

 Группа: ФК-12Ом

 

 

   

 

 

 

 

 

 

 

 

 

 

Омск

2014

Задание 1.

Имеются данные о численности безработных в городе за январь-ноябрь, чел.:

Январь

Февраль

Март

Апрель

Май

Июнь

Июль

Август

Сентябрь

Октябрь

Ноябрь

2360

2351

2041

1695

1489

1557

1236

1113

903

865

652


 

1. Постройте  прогноз численности безработных на декабрь текущего года и январь и февраль следующего года, используя методы: скользящей средней, экспоненциального сглаживания, наименьших квадратов.

1)  Метод скользящих  средних (разработка прогнозов)

Вычислим прогнозное среднее:

1. Определим величину интервала сглаживания, например равную 3.

2. Рассчитаем скользящую среднюю для первых трех периодов:

mф = (Уя+Уф+Ум)/3 = (2360+2351+2041)/3 = 2250,67

Далее рассчитываем m для следующих трех периодов:

Mм= (Уф+Ум+Уа)/3 = (2351+2041+1695)/3 = 2029

Далее по аналогии рассчитываем m для каждых трех рядом стоящих периодов и составляем таблицу для решения задачи.

mа = (Ум +Уа +Умй)/3 = (2041+1695+1489)/3 = 1741,67

mмй = (Уа+Умй +Уин) /3 = (1695+1489+1557)/3 = 1580,33

mин = (Умй+Уин+Уил)/3 = (1489+1557+1236)/3 = 1427,33

и так далее (вычисленные данные в таблице 1).

Таблица 1

Месяцы

Численность безработных в городе, Уф

Скользящая средняя, m

Расчет средней относительной ошибки

/Уф –Ур/ Уф*100

январь

2360

-

-

февраль

2351

2250,67

4,27

март

2041

2029

0,59

апрель

1695

1741,67

2,75

май

1489

1580,33

6,13

июнь

1557

1427,33

8,33

июль

1236

1302

5,34

август

1113

1084

2,61

сентябрь

903

960,33

6,35

октябрь

865

806,67

6,74

ноябрь

652

-

-

Итого

   

43,11

Прогноз

     

декабрь

735,67

750,89

 

январь

778,78

722,15

 

февраль

736,52

-

 

 

Вычислив скользящую среднюю для всех периодов, построим прогноз на декабрь и январь, применяя формулу: Уt+1 = mt-1 + 1/n(Уе – Уе-1), если n =3.

Уд = 806,67 + 1/3*(652-865) = 735,67;

mн = (865+652+735,67)/3 = 750,89

Уя = (750,89 + 1/3*(735,67-652) = 778,78

mн = (652+735,67+778,78)/3 = 722,15

Уя = (722,15 + 1/3*(778,78-735,67) = 736,52

(Результаты заносим в таблицу 1).

Рассчитываем среднюю относительную ошибку:

    έ= = 43,11/9 = 4,79<10% - точность прогноза высокая.

2) Прогнозирование на основе метода экспоненциального сглаживания

Точного метода для выбора оптимальной величины параметра сглаживания α нет.  При этом α вычисляется по формуле:

,    (3)

где n – число наблюдений, входящих в интервал сглаживания.

Задача выбора Uо (экспоненциально взвешенного среднего начального) решается следующими путями:

1) средней арифметической, и Uо равен этой средней арифметической;

2) в качестве Uо используют исходное первое значение базы прогноза Y1.

Также можно воспользоваться экспертными оценками.

Метод экспоненциального сглаживания в данном случае практически  не «срабатывает». Это обусловлено тем, что рассматриваемый экономический временной ряд слишком короткий (10 наблюдений), т.е. прогноз сделать невозможно.

1 способ: Uо = (U1 +U2 +…+Un) /n = 16262/11= 1478,4;

2 способ: Uо = 2360;

а = 2/(11+1) = 0,17

Расчетная таблица 2

Месяцы

Численность безработных в городе

Экспоненциально

взвешенная средняя, Ut

Расчет средней относительной ошибки

1 способ

2 способ

1 способ

2 способ

Январь

2360

1478,4

2360

59,64

0,00

Февраль

2351

1626,71

2358,47

44,52

0,32

Март

2041

1697,14

2304,50

20,26

11,43

Апрель

1695

1696,78

2200,89

0,10

22,99

Май

1489

1661,45

2079,86

10,38

28,41

Июнь

1557

1643,70

1990,98

5,27

21,80

Июль

1236

1574,39

1862,63

21,49

33,64

Август

1113

1495,95

1735,19

25,60

35,86

Сентябрь

903

1395,15

1593,72

35,28

43,34

Октябрь

865

1305,03

1469,84

33,72

41,15

Ноябрь

652

1194,01

1330,81

45,39

51,01

Итого

16262

16768,7

21286,9

301,66

289,94

Прогноз

         

Декабрь

 

1101,87

1215,41

   

 

Рассчитываем экспоненциально взвешенную среднюю для каждого месяца по формуле 2.

1 способ:

Uф = 2351*0,17 + (1– 0,17) * 1478,4 = 1626,74;

Uм = 2041*0,17 + (1– 0,17) * 1626,74 = 1697,16 и т.д.

2 способ:

Uф = 2351*0,17 + (1– 0,17) * 2360 =2358,47 ;

Uм = 2041*0,17 + (1– 0,17) * 2358,47 = 2304,5 и т.д.

Средняя относительная ошибка:

έ= = 301,66/11 =27,4 (1 способ);

έ= = 289,94/11 = 26,4 (2 способ).             

В каждом случае точность прогноза является удовлетворительной поскольку средняя относительная ошибка попадает в пределы 20-50%.

 

3) Разработка прогнозов методом наименьших квадратов

В данном случае «интервалы времени» между фактическими значениями и расчетными - равны месяцу, а  прогноз более точен, если он построен на основе уравнения регрессии. Теоретический анализ сущности изучаемого явления, изменение которого отображается временным рядом, служит основой для выбора кривой. В данном случае – это прямая линия (т.е. «почти» прямо пропорциональная зависимость).

Тип кривой (зависимости от времени) - прямая линия.

Для решения используем следующую таблицу 3

Таблица 3

Месяцы

Численность безработных в городе, Уф

Условное обозначение времени, Х

Уф*Х

Х^2

Ур

Расчет средней относительной ошибки

/Уф-Ур/Уф*100

Январь

2360

1

2360

1

1289,9

45,34

Февраль

2351

2

4702

4

1252,5

46,72

Март

2041

3

6123

9

1215,1

40,47

Апрель

1695

4

6780

16

1177,7

30,52

Май

1489

5

7445

25

1140,3

23,42

Июнь

1557

6

9342

36

1102,9

29,17

Июль

1236

7

8652

49

1065,5

13,79

Август

1113

8

8904

64

1028,1

7,63

Сентябрь

903

9

8127

81

990,7

9,71

Октябрь

865

10

8650

100

953,3

10,21

Ноябрь

652

11

7172

121

915,9

40,48

Итого

16262

66

78257

506

12131,9

297,45

Прогноз

           

Декабрь

878,5

12

       

Январь

841,1

13

       

 

Применим следующую рабочую формулу метода наименьших квадратов:       у t+1 = а*Х + b,   (4)

где  t + 1 – прогнозный период;

    yt+1 – прогнозируемый показатель;

    a и  b - коэффициенты;

    Х - условное обозначение  времени.

Расчет коэффициентов a и b  осуществляется по следующим формулам: 

 

 

где, Уi – фактические значения ряда динамики; n – число уровней временного ряда;

 а = [68679 – 66*12132/11] / [506 – 66^2/11] = – 4113 / 110 = – 37,4

 

b = 12132/11 + 37,4*66/11 = 1327,3

Ур = аХ+b;  Ур = – 37,4Х + 1327,3

Рассчитаем среднюю относительную ошибку

    έ= = 297,45/11 = 27,04.

В данном случае точность прогноза является удовлетворительной поскольку средняя относительная ошибка попадает в пределы 20-50%.

 

2. Постройте  график фактического и расчетных  показателей.

Прогноз данных о численности безработных в городе всеми рассмотренными методами: предполагает тенденцию повышения уровня  численности безработных на  декабрь текущего года и январь следующего года примерно 735,67 и 778,78 чел. соответственно по методу скользящей средней (который является более точным из всех рассмотренных методов); по методу экспоненциального сглаживания прогнозов нет  на  декабрь текущего года и январь следующего года, так как метод экспоненциального сглаживания нередко не «срабатывает». При изучении экономических временных рядов и прогнозировании экономических процессов, т. е. является в данном случае неточным, понижение уровня данных численности подтверждается и графически – по методу скользящей средней (по графику уровень численности безработных в городе уменьшается).

 

3. Рассчитайте  ошибки полученных прогнозов  при использовании каждого метода.

  Разработка прогнозов методом скользящих средних рассчитана на короткий период времени, поэтому в данной ситуации не является точной на 100%.

При прогнозировании методом экспоненциального сглаживания:

Метод экспоненциального сглаживания в данном случае практически  не «срабатывает». Это обусловлено тем, что рассматриваемый экономический временной ряд  слишком короткий (10 наблюдений).

Недостатки метода наименьших квадратов:

1) изучаемое экономическое явление  мы пытаемся описать с помощью математического уравнения, поэтому прогноз будет точен для небольшого периода времени, и уравнение регрессии следует пересчитывать по мере поступления новой информации; а в нашем случае – для периода, состоящего из 13 интервалов, что представляет собой достаточно большой период – и влечет неточности вычисления.

2) сложность подбора уравнения  регрессии. Эта проблема разрешима только при использовании типовых компьютерных программ.

 Наиболее точным в данном случае является метод скользящей средней.

4. Сравните полученные результаты, сделайте вывод.

Число безработных вычисленное методами: скользящей средней, экспоненциального сглаживания и наименьших квадратов – снижается и равно в декабре и январе по методу скользящей средней 735,67 и 778,78 соответственно (данные значения являются наиболее точными по сравнению со значениями, полученными другими методами); по методу экспоненциального сглаживания: прогнозов нет, а по методу наименьших квадратов – примерно 878,5 и 841,1.

 


 

 


 



Информация о работе Макроэкономическое планирование и прогнозирование