Подбор параметров адаптации вручную




Примем значения всех параметров (alpha, beta, psi, gamma) равными 0,1 и сравним величину абсолютной ошибки для рассматриваемых моделей.

1) Линейный тренд

2) Степенной ряд, аддитивная сезонная компонента (рисунок 6)

Рисунок 6 – степенной тренд, сезонная аддитивная компонента

1) Степенной ряд, мультипликативная сезонная компонента (рисунок 7)

Рисунок 7 – Степенной тренд, сезонная мультипликативная компонента

По результатам ручного подбора лучший результат и наименьшую абсолютную ошибку даёт степенной ряд, мультипликативная сезонная компонента

 

Задание параметров адаптации по сетке поиска

 

На рисунке 8 представлено окно здания параметров по сетке поиска.

Рисунок 8 - Окно здания параметров по сетке поиска

1) Степенной ряд, аддитивная сезонная компонента. Минимальная квадратичная ошибка получается при alpha=0,7; delta=0,1; phi=0,3 (таблица 2).

Таблица 3 – Параметры сетки поиска

Рисунок 8 – Степенной тренд, сезонная аддитивная компонента

2) Степенной ряд, мультипликативная сезонная компонента. Минимальная абсолютная ошибка получается при alpha=0,6; delta=0,1; phi=0,3 (таблица 4).

Таблица 4 - Параметры сетки поиска

Рисунок 9 – Степенной тренд, сезонная мультипликативная компонента

Наложим остатки друг на друга (синяя линия – мультипликативная, пунктирная - аддитивная).

Рисунок 10 – Наложение остатков

Наилучший результат и наименьшую среднюю квадратичную ошибку (9092,10) даёт степенной ряд, аддитивная сезонная компонента.

 

Автоматический способ подбора параметров адаптации

 

На рисунке 11 представлено окно автоматического здания параметров.

Рисунок 11 - Окно автоматического здания параметров

1) Степенной ряд, аддитивная сезонная компонента. Минимальная абсолютная ошибка получается при alpha=0,694; delta=0,0; phi=0,258 (рисунок 12).

Рисунок 12 – Степенной ряд, аддитивная сезонная компонента

1) Степенной ряд, аддитивная сезонная компонента. Минимальная абсолютная ошибка получается при alpha=0,609; delta=0,006; phi=0,289 (Рисунок 13).

Рисунок 13- Степенной ряд, мультипликативная сезонная компонента

Принимаем модель степенного тренда и аддитивной сезонной компоненты, параметры адаптации при их автоматическом способе подбора alpha=0,694; delta=0,0; phi=0,258.

 

Проверка адекватности построенной модели с помощью анализа остатков на соответствие белому шуму и построение прогноза

 

Принятая модель - степенной тренд и аддитивной сезонная компонента, параметры адаптации при их автоматическом способе подбора alpha=0,694; delta=0,0; phi=0,258. На рисунках 14 и 15 представлены коррелограммы остатков для проверки адекватности модели.

Рисунок 14 - Коррелограмма автокорреляционной функции

Рисунок 15 - Коррелограмма частной автокорреляционной функции

Коэффициенты АКФ и ЧАКФ, соответствующие пятому и девятому лагу, выходят за красные пунктирные границы зоны незначимости, следовательно, принятая модель не является абсолютно адекватной (рисунок 14). В случае если модель адекватна, то так и следует написать.

Построение прогноза

В таблице 5 представлены прогнозируемые значения котировок акций на 10 наблюдений вперёд.

Таблица 5 – прогнозируемые значения котировок акций ОАО «Газпром»

После определения вида адаптивной модели был построен прогноз на следующие 10 месяцев. В целом, модель показывает общую тенденцию ряда, в течении ближайших 10 месяцев следует ожидать снижение котировок акций ОАО Газпром..

 



Поделиться:




Поиск по сайту

©2015-2024 poisk-ru.ru
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2016-04-12 Нарушение авторских прав и Нарушение персональных данных


Поиск по сайту: