Слайд 3Примеры ВР:
Денежная база – ВР с четко выраженной тенденцией роста, сезонными и
![Примеры ВР: Денежная база – ВР с четко выраженной тенденцией роста, сезонными](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-2.jpg)
циклическими колебаниями
Объем долговых ценных бумаг – отсутствие тенденции во временном ряду
Слайд 4Предварительный анализ ВР
Выявление и устранение аномалий
Аномальным считается уровень ряда, не отвечающий потенциальным
![Предварительный анализ ВР Выявление и устранение аномалий Аномальным считается уровень ряда, не](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-3.jpg)
возможностям исследуемой системы (процесса)
аномалии (ошибки) I рода – технические ошибки, сбои в программе и т.д. (подлежат устранению)
ошибки II рода – неустранимые
Проверка гипотезы о наличии (отсутствии) тренда (тенденции) в целом
Предварительный анализ проводится как графическим, так и аналитическим методом
Слайд 5Выявление аномалий: метод Ирвина
![Выявление аномалий: метод Ирвина](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-4.jpg)
Слайд 6Пример: динамика цен на целлюлозу
Для n = 10 и α = 0,05
![Пример: динамика цен на целлюлозу Для n = 10 и α =](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-5.jpg)
критическое значение λ = 1,5
Согласно критерию Ирвина на уровне значимости α = 0,05 во временном ряду аномалий нет
Проверим ВР на наличие (отсутствие) тренда
Слайд 7Проверка равенства дисперсий
![Проверка равенства дисперсий](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-6.jpg)
Слайд 8Проверка разности средних уровней ВР
![Проверка разности средних уровней ВР](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-7.jpg)
Слайд 22Модели регрессии по временным рядам
Появление «ложной корреляции» требует предварительной обработки рядов
При построении
![Модели регрессии по временным рядам Появление «ложной корреляции» требует предварительной обработки рядов](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-21.jpg)
модели регрессии нужно исключать регулярные компоненты
Необходим анализ остатков с помощью автокорреляционной функции, для устранения автокорреляции в остатках применить ОМНК
Необходимо выявлять временной лаг
Особое внимание уделить проявлениям мультиколлинеарности
Слайд 23Учет тенденции при построении модели регрессии
![Учет тенденции при построении модели регрессии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-22.jpg)
Слайд 24
DW = 1,15
dL = 0,82 < 1,15 < 1,32 = dU
DW =
![DW = 1,15 dL = 0,82 DW = 1,4 1,4 > 1,33 = DU](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-23.jpg)
1,4
1,4 > 1,33 = DU
Слайд 25Метод отклонений от тренда
y – прибыль, х – затраты на охрану труда
![Метод отклонений от тренда y – прибыль, х – затраты на охрану труда за 10 мес.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-24.jpg)
за 10 мес.
Слайд 26Метод отклонений от тренда
y – прибыль, х – затраты на охрану труда
![Метод отклонений от тренда y – прибыль, х – затраты на охрану труда за 10 мес.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-25.jpg)
за 10 мес.
Слайд 31Модели ARMA(p, q)
(Auto Regressive – Moving Average)
![Модели ARMA(p, q) (Auto Regressive – Moving Average)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-30.jpg)
Слайд 32Модель ARIMA(p,d,q) Бокса-Дженкинса
![Модель ARIMA(p,d,q) Бокса-Дженкинса](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-31.jpg)
Слайд 34Пример: котировки акций Лукойл на рынке RTS Standard
(23.08.2013-30.10.2013)
![Пример: котировки акций Лукойл на рынке RTS Standard (23.08.2013-30.10.2013)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-33.jpg)
Слайд 35Стандартизованные котировки акций Лукойл на рынке RTS Standard (23.08.2013-30.10.2013)
![Стандартизованные котировки акций Лукойл на рынке RTS Standard (23.08.2013-30.10.2013)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1003667/slide-34.jpg)