Требования к содержанию проекта:
Набор данных 1 - необходимо найти в Интернете временной ряд с хозяйственной или экономической интерпретацией, не проявляющей признаков сезонности или цикличности. Временной ряд должен содержать не менее 30 наблюдений (годовых или квартальных данных) или 60 наблюдений (ежемесячных данных).
Последних 10 % данных временного ряда нужно сравнить с результатами прогноза.
Модель:
1. Нарисуйте граф временного ряда и опишите основные статистические характеристики временного ряда.
2. Определите несколько функций тренда и выберите наиболее подходящую. Оцените параметры функции тренда линейной регрессией.
3. Рассчитайте тренд и остатки после отделения тренда от анализируемого временного ряда.
4. Проанализируйте остатки - являются ли они случайными и независимыми (случайность проверяется например по точкам поворота, независимость - по критерию Дурбина-Ватсона), имеют ли они нормальное распределение N(0, σ2) (критерий Колмогорова-Смирнова) и является ли дисперсия остатков σ2 постоянна (F-критерий).
5. Используйте функцию тренда для прогноза, который вы сравниваете с отложенными данными исходного ряда.
6. Оценить полученную модель со статистической точки зрения.
7. Повторить шаги 3–6 для линейного тренда.
Набор данных 2 - необходимо найти в Интернете временной ряд с хозяйственной или экономической интерпретацией, в котором проявляются признаки сезонности, но не цикличности.
Временной ряд должен содержать не менее 60 месячных или ежеквартальных наблюдений.
Отложите последние 10 % данных временного ряда для сравнения с результатами прогноза.
Модель:
1. Нарисуйте график временного ряда и опишите основные статистические характеристики временного ряда.
2. Очистить исходный ряд от сезонной составляющей скользящими средними длины, равной сезонности (рассчитать эмпирические сезонные различия, скорректировать сезонные различия, скорректировать исходный ряд)
3. Найти тренд в скорректированном ряду и рассчитайте остатки после отделения тренда от скорректированного временного ряда.
4. Проанализировать остатки (аналогично первой модели).
5. Построить модель и использовать ее для расчета прогноза, который вы сравниваете с отложенными данными исходного ряда.
6. Оценить полученную модель со статистической точки зрения.
