-
Laikrindas "Strādājošo mēneša vidējā darba samaksa pa mēnešiem" analīze
Konspekts30 Datori, elektronika, programmēšana, Ekonomika, Statistika
2011. - 2015. g.
| Nr. | Sadaļas nosaukums | Lpp. |
| Anotācija | 2 | |
| Annotation | 3 | |
| Saturs | 4 | |
| 1. | Laikrindas vispārīgs apskats | 5 |
| 2. | ARMA modeļu ģenerēšana | 9 |
| 3. | ARCH/GARCH paplašinājumu modelēšana | 14 |
| 4. | GJR-GARCH un EGARCH ģenerēšana | 18 |
| 5. | Modeļu salīdzināšana un prognoze | 25 |
| 6. | Secinājumi | 30 |
| Izmantotā literatūra | 31 |
6. Secinājumi
1. Laikrindas analīze ir komplicēts pētījums, kura laikā jāspēj padziļināti izskatīt katru iegūto rezultātu, tadm neder virspusēja pieeja.
2. Programmā E – Views nav sarežģīti veikt dažādu modeļu veidošanu, tomēr ir smalkas nianses, kuras nepamanot, pilnībā mainās modeļa rezultāts.
3. Boksa – Dženkinsa metode nespēj sniegt pietiekami precīzus rezultātus, lai izvērtētu, kurš ARMA modelis būtu vispiemērotākais turpmākai laikrindas analīzei.
4. Pēc laikrindas ACF un PACF vērtībām, analizējot korelogrammu, ir iespējams noteikt, vai laikrinda ir stacionāra, vai tai ir trends un sezonalitāte.
5. ARMA modeļi ir piemēroti tikai īslaicīgu prognožu veikšanai.
6. Kļūdas modeļu veidošanā un analizēšanā lielākoties rada nepareiza kavējumu izvēle, veicot heteroskedasticitātes testu.
…
Studiju projekts ir izstrādāts kursa “Datu analīze un statistiskā optimizācija” ietvaros. Studiju projekta mērķis ir veikt izvēlētās laikrindas plašu analīzi, izmantojot kursā apgūtās metodes un pakotni E-views, ar mērķi konstruēt labāko iespējamo modeli laikrindas dinamikas aprakstīšanai un nākamo vērtību prognozēšanai. Laikrindas analīzes pamatā ir tādas prognozēšanas metodes kā eksponenciāla izlīdzināšana (exponential smoothing) un Boksa – Dženkinsa (Box – Jenkins) jeb slīdošās vidējās autoregresijas metode (ARMA, auto- regressive moving average). Studiju projekta ietvaros, autore izvēlējās analizēt laikrindu, kura parāda strādājošo mēneša vidējo neto darba samaksu (EURO) pa mēnešiem sabiedriskajā sektorā laika posmā no 2010M01 līdz 2019M12. Laikrinda, kura sastāv no 120 vērtībām, tika iegūta no Centrālās statiskas pārvaldes datubāzes.
