Geum.ru

Моделирование и прогнозирование цен на бензин 2007

Курсовой проект - Математика и статистика

Другие курсовые по предмету Математика и статистика

,41]Нелинейная регрессия[16,48;18,69][15,13;19,52][15,798;19,42][15,058;19,58]

Основываясь на реальные цены на бензин АИ-92, можно сделать вывод о том, что нелинейная регрессионная модель наиболее адекватна для прогнозирования.

Заключение.

 

В данной работе была показана возможность проведения корреляционно-регрессионного анализа и использования методов динамических рядов для моделирования и прогнозирования цен на бензин на будущие периоды.

В результате работы было выявлено, что все факторы, предложенные к рассмотрению, оказывают различное по силе влияние на цены на бензин. Однако наиболее значимыми из них оказались два, включенных в наиболее адекватную с точки зрения прогнозирования модель. Первый из них это объем производства нефти, а второй цены на нефть. Неудивительно, что эти факторы значительно влияют на цены на бензин, ведь нефть является главным и основополагающим сырьём для производства бензина и поэтому напрямую влияет на цену бензина. В тоже время в цене на нефть уже отражено много факторов влияющих на цену бензина, таких как постановления ОПЕК или таможенные пошлины, а так же мировые цены и объём добычи нефти. Также хотелось бы отметить тот факт, что объем производства нефти, непосредственно влияющий на цену горючего, оказывает это влияние со значительным запаздыванием, что вполне логично, ведь у производителей всегда имеются запасы сырья, и изменения в его производстве влияют на объемы их выработки не сразу. То же, что изменение цен на нефть оказывает влияние на цену бензина в этом же периоде, можно объяснить как экономическими, так и психологическими факторами. С экономической точки зрения, цена закупаемого сырья вне зависимости от момента его использования сразу же включается в себестоимость продукции, что ведет к её изменению с изменением цены, с другой стороны, производитель получает обоснование для повышения цены своего товара, часто увеличивая её значительнее, чем это может быть мотивировано.

Прогноз относительно будущей цены бензина, конечно, не однозначен, что связано с особенностями изначальных данных и разработанных моделей. Однако, исходя из полученной информации, резонно предположить, что в ближайшее время цены на бензин, конечно, не снизятся, но, скорее всего, останутся на прежнем уровне или будут слабо расти. Также очевидно, что они не достигнут “критического” порога в размере 20-ти рублей.

Конечно, здесь не учтены факторы, связанные с ожиданиями потребителей, политикой в области таможенных пошлин и многие другие факторы, но хочется отметить, что они в значительной мере “взаимнопогашаемы”. И достаточно обоснованным будет заметить, что в резкий скачок цен на бензин на данный момент действительно крайне сомнителен, что в первую очередь связано с проводимой правительством политикой.

Таким образом, возможно предположить, что цены на бензин в ближайшие периоды уложатся в интервалы, рассчитанные по нелинейной регрессионной модели, тяготея при этом к верхней границе интервала, а не к расчетному точечному значению.

Список используемой литературы.

 

  1. Эконометрика под ред. И.И.Елисеевой М.: изд-во Финансы и кредит,2002.
  2. Я.Р.Магнус, П.К.Катышев, А.А.Пересецкий Эконометрика начальный курс М.: изд-во Дело 2000г.
  3. Орлов А.И. Эконометрика, изд-во Экзамен, М.,2005г.
  4. Ресурсы Интернет
  5. Комалев В.А. Эконометрика. Учебник изд-во Гриф, М., 2005г.
  6. Ресурсы Интернет
  7. Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия Новосибирск: Издательство СО РАН, 2005.
  8. В.П.Носко "Эконометрика" Введение в регрессионный анализ временных рядов Москва 2002г.
  9. Ресурсы Интернет

Приложения.

 

Приложение 1.

 

Цена АИ-92 (Y)Цены на нефть(X1)Курс доллара (X2)Объем пр-ва нефти(X3)ИПЦ (X4)янв.0411,34199728,837,3100,52фев.0411,35217528,535,1100,56мар.0411,35227728,537,8100,6апр.0411,56229828,736,9102,44май.0412,11231829,038,4107,33июн.0412,86254029,037,9113,95июл.0413,21262629,139,4117,12авг.0413,48274329,239,6119,53сен.0414,23300929,238,5126,12окт.0414,47302829,139,8128,3ноя.0414,67342328,638,4130,07дек.0414,41342627,939,4127,75янв.0514,16294328,039,198,3фев.0514,13281428,035,798,11мар.0514,19335927,639,498,52апр.0514,65380727,838,1101,67май.0514,84433628,039,2103,01июн.0514,85431228,538,5103,06июл.0515,15436228,739,8105,16авг.0515,51485528,540107,67сен.0516,69555528,439115,9окт.0516,76571328,640,5116,39ноя.0516,8546928,839,3116,65дек.0516,79481228,839,9100,04янв.0616,79444328,236,1101.35фев.0617,01493028,240,3101,83мар.0617,09549927,939,3101,75апр.0617,08541927,640,7102,07май.0617,13547627,139,5102,31июн.0617,17561427,040,8103,59июл.0617,39567426,941,4109,47авг.0618,37592826,839,7112,83сен.0618,94621526,740,9112,27окт.0618,84536526,939,9111,56ноя.0618,72434326,641,4111,28дек.0618,68443426,341,699,87янв.0718,65460426,537,899,23фев.0718,53410526,341,899,7мар.0718,48392626,139,9100,04

 

Приложение 2.

 

 

 

 

 

 

 

 

 

Приложение 3.

 

Трендовая нелинейная модель:

 

Regression Summary for Dependent Variable: YR= ,97522531 RI= ,95106440 Adjusted RI= ,94364992F(5,33)=128,27 p<0,0000 Std.Error of estimate: ,55849St. Err.St. Err.BETAof BETABof Bt(16)p-levelIntercpt-0,490783,542223-0,138550,890647T-4,736702,101051-0,949570,421199-2,254440,030928V6**5-0,855350,3581270,000000,000000-2,388400,0227991/V61,371500,38718714,328094,0449503,542220,001208LOGV63,684721,18133520,475396,5644923,119110,003751V6**24,043491,6106140,020080,0079972,510530,017135

Полином:

Regression Summary for Dependent Variable: YR= ,95650049 RI= ,91489318 Adjusted RI= ,91016502F(2,36)=193,50 p<0,0000 Std.Error of estimate: ,70517St. Err.St. Err.BETAof BETABof Bt(35)p-levelIntercept12,610670,20164762,538330,000000V6**21,5798340,1288290,007840,00064012,263030,000000V6**5-0,7150810,1288290,000000,000000-5,550620,000003

 

 

 

 

 

 

 

Приложение 4.

 

Гистограмма и график остатков на нормальной вероятностной бумаге.

 

 

 

 

 

 

 

Проверка условий Гаусса-Маркова.

 

?/p>