Прогнозирование курса акций фирмы IBM осуществлялось на основе адаптивной полиномиальной модели второго порядка

3. Прогнозирование курса акций фирмы IBM осуществлялось на основе адаптивной полиномиальной модели второго порядка

,

где  - период упреждения.

На последнем шаге получены следующие оценки коэффициентов:

Рассчитать прогноз курса акций:

•   на 1 день вперед (=1);

•   на 2 дня вперед (=2).

Решение задания 1.5

1. Определим

Найдем значения экспоненциальной средней при а=0,1.

. а=0,1 – по условию;

; S₁ = 0,1 х 510 + 0,9 х 506 = 506,4;

; S₂ = 0,1 х 497 + 0,9 х 506,4 = 505,46;

; S₃ = 0,1 х 504 + 0,9 х 505,46 = 505,31 и т.д.

Результаты расчетов представлены в таблице 1.3.

2.

а=0,5 – по условию.

; S₁ = 0,5 х 510 + 0,5 х 506 = 508;

; S₂ = 0,5 х 497 + 0,5 х 508 = 502,5 и т.д.

Результаты расчетов представлены в таблице 1.3.

Таблица 1.3.

Экспоненциальные средние

t	Экспоненциальная средняя		t	Экспоненциальная средняя
	а=0,1	а=0,5		а=0,1	а=0,5
1	506,4	508	16	505,7	513,3
2	505,5	502,5	17	506,1	511,7
3	505,3	503,2	18	506,1	508,8
4	505,8	506,6	19	507,0	511,9
5	506,1	507,8	20	508,5	517
6	505,8	505,4	21	509,9	520
7	505,2	502,7	22	511,6	523,5
8	504,7	501,4	23	512,8	523,2
9	504,2	500,7	24	514,3	525,6
10	503,4	497,8	25	515,8	527,3
11	502,4	495,9	26	518,0	532,7
12	502,0	497,5	27	520,1	525,8
13	502,0	499,7	28	522,2	538,4
14	502,7	504,4	29	524,3	540,7
15	505,0	514,7	30	525,9	540,9

Рисунок 1.2. Экспоненциальное сглаживание временного ряда курса акций: А – фактические данные; В – экспоненциальная средняя при альфа = 0,1; С – экспоненциальная средняя при альфа = 0,5

 

При а=0,1 экспоненциальная средняя носит более гладкий характер, т.к. в этом случае в наибольшей степени поглощаются случайные колебания временного ряда.

3. Прогноз по адаптивной полиномиальной модели второго порядка формируется на последнем шаге, путем подстановки в уравнение модели последних значений коэффициентов и значения  - времени упреждения.

Прогноз на 1 день вперед (= 1):

(дол.)

Прогноз на 2 дня вперед (= 2):

(дол.)

Список используемой литературы

1.         Дуброва Т.А. Статистические методы прогнозирования в экономике: Учебное пособие / Московский государственный университет экономики, статистики и информатики. – М.: МЭСИ, 2003. – 52с.

2.         Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование М.: Финансы и статистика, 2001.

3.         Лукашин Ю.П. Регрессионные и адаптивные методы прогнозирования. Учебное пособие. – М.: МЭСИ, 1997.