Экономическое моделирование в банковской сфере

Экономическое моделирование в банковской сфере

15

Требуется:

1. Построить адаптивную мультипликативную модель Хольта-Уинтерса с учетом сезонного фактора, применив параметры сглаживания б1 = 0,3; б2 = 0,6; б3 = 0,3.

2. Оценить точность построенной модели с использованием средней ошибки аппроксимации;

3. Оценить адекватность построенной модели на основе исследования:

случайности остаточной компоненты по критерию пиков;

независимости уровней ряда остатков по d-критерию (в качестве критических использовать уровни d1 = 1,10 и d2 = 1,37) и по первому коэффициенту автокорреляции при критическом уровне значения r1 = 0,32;

нормальности распределения остаточной компоненты по R/S-критерию с критическими значениями от 3 до 4,21.

4. Построить точечный прогноз на 4 шага вперед, т.е. на 1 год.

5. Отобразить на графиках фактические, расчетные и прогнозные данные.

Решение:

1. Для оценки начальных значений а (0) и b (0) применим линейную модель к первым 8 значениям Y (t). Линейная модель имеет вид:

Метод наименьших квадратов дает возможность определить коэффициенты линейного уравнения по формулам:

Таблица 1

Произведем расчет:

Получим линейное уравнение вида:

Для сопоставления фактических данных и рассчитанных по линейной модели значений составим таблицу.

Таблица 2. Сопоставление фактических и расчетных значений по линейной модели

Коэффициент сезонности есть отношение фактического значения экономического показателя к значению, рассчитанному по линейной модели.

Поэтому в качестве оценки коэффициента сезонности I квартала F (-3) может служить отношение фактических и расчетных значений Y (t) I квартала первого года, равное , и такое же отношение для I квартала второго года (т.е. за V квартал t=5) .

Для окончательной, более точной, оценки этого коэффициента сезонности можно использовать среднее арифметическое значение этих двух величин.

Аналогично находим оценки коэффициентов сезонности для II, III и IV кварталов:

Построим адаптивную мультипликативную модель Хольта-Уинтерса (табл. 3) используя следующие формулы:

Таблица 3. Модель Хольта-Уинтерса

Проверка качества модели.

Для того чтобы модель была качественной уровни, остаточного ряда E (t) (разности между фактическими и расчетными значениями экономического показателя) должны удовлетворять определенным условиям (точности и адекватности). Для проверки выполнения этих условий составим таблицу 4.

Таблица 4. Промежуточные расчеты для оценки адекватности модели

2. Проверка точности модели.

Будем считать, что условие точности выполнено, если относительная погрешность (абсолютное значение отклонения abs{E (t) }, поделенное на фактическое значение Y (t) и выраженное в процентах 100%* abs{E (t) }/ Y (t) в среднем не превышает 5%. Суммарное значение относительных погрешностей составляет 25,75. Средняя величина: 25,75/16=1,61%, значит, условие точности выполнено.

3. Проверка условия адекватности.

Для того чтобы модель была адекватна исследуемому процессу, ряд остатков E (t) должен обладать свойствами случайности, независимости последовательных уровней, нормальности распределения.

Проверка случайности уровней. Проверку случайности уровней остаточной компоненты (гр.2 табл.4) проводим на основе критерия поворотных точек. Для этого каждый уровень ряда Е сравниваем с двумя соседними. Если он больше (либо меньше) обоих соседних уровней, то точка считается поворотной и в гр.3 табл.4 для этой строки ставится 1, в противном случае в гр.3 ставится 0. В первой и в последней строке гр.3 табл.4 ставится прочерк или иной знак, так как у этого уровня нет двух соседних уровней.

Общее число поворотных точек в нашем примере равно р=8.

Рассчитаем значение :

Функция int означает, что от полученного значения берется только целая часть. При N = 16.

Так как количество поворотных точек р= 8 больше q=6, то условие случайности уровней ряда остатков выполнено.

Проверка независимости уровней ряда остатков (отсутствия автокорреляции). Проверку проводим двумя методами:

1) по d-критерию критерий Дарбина-Уотсона (критические уровни d1=1,10 и d2=1,37):

Так как полученное значение больше 2, то величину d уточним:

Условие выполнено (1,37<1,63<2), следовательно, уровни ряда Е (t) являются независимыми.

2) по первому коэффициенту автокорреляции r (1):

Если модуль рассчитанного значения первого коэффициента автокорреляции меньше критического значения < rтабл., то уровни ряда остатков независимы. Для нашей задачи критический уровень rтабл. = 0,32. Имеем: =0,20 < rтабл. = 0,32 - значит уровни независимы.

Проверка соответствия ряда остатков нормальному распределению определяем по RS-критерию. Рассчитаем значение RS:

,

где - максимальное значение уровней ряда остатков ;

- минимальное значение уровней ряда остатков ;

S - среднее квадратическое отклонение.

Emax - Emin = 2,69 - (-1,43) = 4,13

Уровни ряда остатков подчиняются нормальному распределению т.к полученное значение RS (3,57) попадает в заданный интервал (3,00<3,57<4,21).

Таким образом, все условия адекватности и точности выполнены. Следовательно, можно говорить об удовлетворительном качестве модели и возможности проведения прогноза показателя Yp (t) на год.

4. Расчет прогнозных значений экономического показателя.

Составим прогноз на четыре квартала вперед (т.е. на 1 год, с t=17 по t=20). Максимальное значение t, для которого могут быть рассчитаны коэффициенты и определяется количеством исходных данных и равно 16. Рассчитав значения и (см. табл.1.4) по формуле:

,

где k - период упреждения;

- расчетное значение экономического показателя для t-го периода;

- коэффициенты модели;

- значение коэффициента сезонности того периода, для которого рассчитывается экономический показатель;

- период сезонности.

Определим прогнозные значения экономического показателя Yp (t) для: t = 17, 18,19 и 20.

5. На нижеприведенном рисунке проводится сопоставление фактических и расчетных данных. Здесь же показаны прогнозные значения о кредитах на год вперед. Из рисунка видно, что расчетные данные хорошо согласуются с фактическими, что говорит об удовлетворительном качестве прогноза.

Рис.1. Сопоставление расчетных и фактических данных

Рассчитать: экспоненциальную скользящую среднюю; момент; скорость изменения цен; индекс относительной силы; % R,% К,% D;

Расчеты проводить для всех дней, для которых эти расчеты можно выполнить на основании имеющихся данных.

Решение:

Для расчета экспоненциальной скользящей средней воспользуемся формулой:

,

где k = 2/ (n + 1),

- цена закрытия t-го дня;

- значение EMA текущего дня t.

Момент рассчитывается как разница конечной цены текущего дня и цены n дней тому назад :

где - цена закрытия t-го дня.

- значение МОМ текущего дня t.

Скорость изменения цен рассчитываем как отношение конечной цены текущего дня к цене n дней тому назад, выраженное в процентах:

,

где - цена закрытия t-го дня.

- значение ROC текущего дня t.

Таблица 1. Результаты расчетов экспоненциальной скользящей средней, момента, скорости изменения цен

Для расчета индекса относительной силы используем формулу:

,

где AU - сумма приростов конечных цен за n последних дней;

AD - сумма убыли конечных цен за n последних дней.

Таблица 2. Результаты расчета индекса относительной силы

Рассчитаем %R, %К, %D используя следующие формулы:

,

где - значение индекса текущего дня t;

- цена закрытия t-го дня;

L5 и Н5 - минимальная и максимальные цены за n предшествующих дней, включая текущие.

,

где - значение индекса текущего дня t;

- цена закрытия t-го дня;

L5 и Н5 - минимальная и максимальная цены за 5 предшествующих дней, включая текущие.

Индекс % D рассчитывается аналогично индексу %К, с той лишь разницей, что при его построении величины и сглаживают, беря их трехдневную сумму.

Таблица 3. Результаты расчетов %R, %К, %D