Дипломная работа: Анализ структуры цен на фондовом рынке

если t-е наблюдение – первое в  -ом периоде постоянства весов, сt = 1 в противном случае.

Второй алгоритм оценивания параметров регрессии в (4) основан на трактовке задачи оценивании как двухкритериальной. Первый критерий –

 ,

второй критерий –

.

Искомая последовательность векторов  находится в результате минимизации (2) где r определяется из условия, что первый критерий является главным.

Результаты решения: оценки параметров регрессии и среднеквадратические ошибки остатков выводятся в виде таблиц и графиков. Кроме того, вычисляются и выводятся сглаженные оценки указанных величин.

Сглаживание производится согласно соотношению

где  - сглаженная оценка. Параметр  задается пользователем.

Прогнозирование по одному временному ряду

Рассматривается модель с переменными параметрами

 (8)

где  - последовательность независимых случайных величин, l – неизвестно. Параметры в (8) находятся двумя способами. Первый состоит в рекуррентном оценивании:

,

, (9)

где ,  , Ol - l-мерный вектор. Величины  и l () выбираются такими, чтобы минимизировать ошибку прогноза на 1 шаг вперед на отрезке обучения [1, Т]:

,

где  находится по (9).

Другой способ определения параметров в (8) аналогичен определению параметров в (4) по второму алгоритму (см. р. 2.1). Отличие состоит в замене вектора zt в (5) на векторе Xt-1 [12].

Рисунок 5 – Общая схема построения регрессии в ПО «ПРОГНОЗ»

2.2.1 Анализ тенденции цен акций полиномиальный тренд второго порядка

В интерфейсе программы выбираем базу данных с которой будем работать, вид прогноза - Многофакторный, Регрессия с переключениями, зависимые переменные – Цена, независимые - Время, Время 2. Выбираем временной промежуток – 100, число отрезков 5. Учитываем свободный коэффициент.

В результате вычислений имеем следующую таблицу:

Таблица – 1 Коэффициенты регрессии полином 2-го порядка

Таблица 2 – Ошибки

На основании вышеприведенных данных строим полином (Рисунок 6).

Pt =  

В результате получим сглаженный тренд (полином) цен акций для 100 точек (Рисунок ). Откладываем от него верхний и нижний доверительный интервал:

U// = Pt + t s2;

D// = Pt - t s2,

где t – квантиль. t = 2

s2 – среднеквадратическая ошибка моделирования

Как видно из рисунка доверительные интервалы, построенные с помощью Регрессии с переключениями уже Полос Боллинджер.

Расчетные таблицы приведены в Приложении 4.

Рисунок 6 - Полином второго порядка

2.2.1 Анализ тенденции цен акций полиномиальный тренд первого порядка

Построим линейный тренд методом регрессии с переключениями.

Pt =  

В результате получим сглаженный тренд (полином) цен акций для 100 точек (Рисунок ). Откладываем от него верхний и нижний доверительный интервал:

U/ = Pt + t s2;

D/ = Pt - t s2,

где t – квантиль. t = 2

s2 – среднеквадратическая ошибка моделирования

Таблица 3 – Коэффициенты регрессии полином 1-го порядка

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83