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