Analiza szeregów czasowych

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Excel Narzędzia do analizy regresji
SYMULACYJNA ANALIZA SZEREGU CZASOWEGO
Dr inż. Iwona Staniec Zarządzanie zapasami Dr inż. Iwona Staniec
Składowe modelu Wintersa
Narzędzia analizy ekonomicznej
Wskaźniki analizy technicznej
Analiza szeregów czasowych
dr Małgorzata Radziukiewicz
Wyrównywanie szeregów czasowych
CECHY CHARAKTERYSTYCZNE SZEREGU CZASOWEGO SZEREG CZASOWY jest zbiorem obserwacji zmiennej, uporządkowanych względem czasu (dni,
Analiza techniczna wykład 2
Instrumenty o charakterze własnościowym Akcje. Literatura Jajuga K., Jajuga T. Inwestycje Jajuga K., Jajuga T. Inwestycje Luenberger D.G. Teoria inwestycji.
Ekonometria prognozowanie.
Metody ekonometryczne
Prognozowanie i symulacje
Prognozowanie na podstawie sezonowych szeregów czasowych
Prognozowanie na podstawie modelu ekonometrycznego
Prognozowanie na podstawie szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Wprowadzenie do statystycznej analizy danych (SPSS)
Prognozowanie i symulacje (semestr zimowy)
Alfred Stach Instytut Paleogeografii i Geoekologii
Additive Models, Trees, and Related Methods
Dopasowanie modelu autoregresji i predykcja stanów wody w Odrze (posterunek wodowskazowy Trestno) Tomasz Niedzielski.
Analiza rynku produktów sektora wysokich technologii
Excel Wstęp do laboratorium 3..
Średnie i miary zmienności
Liniowy Model Tendencji Rozwojowej Szeregów Czasowych
czyli jak analizować zmienność zjawiska w czasie?
dr Grzegorz Szafrański
Excel Wykład 3.. Importowanie plików tekstowych Kopiuj – wklej Małe pliki Kolumny oddzielone znakiem tabulacji Otwieranie/importowanie plików tekstowych.
Ocena przydatności algorytmu – czas działania (złożoność czasowa)
Analiza szeregów czasowych
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Średnie ruchome.
Prognozowanie (finanse 2011)
Prognozowanie i symulacje
Wahania sezonowe. Metoda wskaźników sezonowości.
Statystyka ©M.
Procesy dynamiczne w gospodarce
Logistyka Ćwiczenie 1.
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
Ekonometria stosowana
Dynamika zjawisk. Analiza sezonowości dr hab. Mieczysław Kowerski
Szeregi czasowe Ewolucja stanu układu dynamicznego opisywana jest przez funkcję czasu f(t) lub przez szereg czasowy jego zmiennych dynamicznych. Szeregiem.
Analiza szeregów czasowych
Analiza techniczna wykład 2
Składowe szeregu czasowego
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
MODELOWANIE ZMIENNOŚCI CEN AKCJI
Ekonometria Wykład 1 Zasady modelowania ekonometrycznego
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Statystyczna analiza danych w praktyce
Model trendu liniowego
Prognozowanie wahań sezonowych Metoda wskaźników sezonowości.
Ekonometria WYKŁAD 3 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Badanie dynamiki zjawisk dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
EKONOMETRIA Wykład 2 prof. UG, dr hab. Tadeusz W. Bołt
EKONOMETRIA W2 dr hab. Tadeusz W. Bołt, prof. UG
RÓWNANIA RÓŻNICZKOWE WYKŁAD 12.
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Analiza szeregów czasowych
Badanie dynamiki zjawisk
Korelacja i regresja liniowa
Zapis prezentacji:

Analiza szeregów czasowych podstawowe wiadomości

Składowe szeregu skł. systematyczne skł. niesystematyczna trend cykl sezonowość składnik losowy skł. niesystematyczna

Założenie o konstrukcji szeregu + +

Szereg z trendem i sezonowością addytywną multiplikatywną

Wygładzanie szeregu Szereg z trendem – wyodrębnianie trendu: mechaniczne średnia ruchoma (krocząca) średnia ruchoma ważona średnia wykładnicza analityczne – model trendu trend liniowy, wykładniczy, potęgowy, wielomianowy

Średnia ruchoma (scentrowana) Dla nieparzystych k: Dla parzystych k: gdzie: yi – wartość zmiennej w momencie (okresie) i, k – stała wygładzania, krok wygładzania

Średnia ruchoma ważona liniowo w1,w2,...,wk– waga nadana wartościom zmiennej w okresie i, w1<w2<...<wk oraz w1+w2+...+ wk=1

 (0,1> – parametr wygładzania Średnia wykładnicza  (0,1> – parametr wygładzania

Model trendu liniowego

Metody uwzględniania sezonowości wskaźniki sezonowości addytywne multiplikatywne zmienne zero-jedynkowe w modelu regresji

Wskaźniki sezonowości w szeregu bez trendu i=1, ...,k jest numerem sezonu Ti – zbiór wszystkich numerów obserwacji (momentów w czasie) reprezentujących i-ty sezon, Wartości szeregu oczyszczone z wpływu sezonowości:

Addytywne wskaźniki sezonowości surowe (dla s cykli po k sezonów) jest wartością wygładzoną szeregu (np. średnią ruchomą) oczyszczone (ich suma jest równa 0) o ile jednostek (więcej lub mniej niż średnio)

Multiplikatywne wskaźniki sezonowości surowe oczyszczone (ich suma jest równa k) jaki procent (poziomu przeciętnego)

Wskaźniki sezonowości w modelu regresji (addytywne)