Моделирование и исследование временных рядов в Gretl
Введение
В современном обществе цифровизация является стратегическим направлением развития. Работа с данными, исследование данных подставляются важным элементом цифровизации, необходимыми для моделирования, изучения и прогнозирования сложных социально-экономических процессов. В данной работе представляется процесс поиска необходимых данных, их загрузка и обработка в специализированном пакете. По результатам обработки выстраиваются выводы.Объектом исследования является отдельный вид данных—временные ряды. Изучаются такие вопросы как стационарность и нестационарность. Для стационарных временных рядов описываются и построены модели авторегрессии и скользящего среднего. Тестируется нестационарность определяется уровень интегрированности нестационарного ряда. Для нестационарных временных рядов построены модели ARIMA.Предметом исследования являются реально наблюдаемые временные ряды такие как курс доллара, курс акций ВТБ и Сбербанка, а также стоимости энергоносителей нефти Brent и газа. Кроме этого предметом исследования являются ряды искусственно моделирующие авторегрессию, скользящее среднее и ARIMA.
Содержание
Введение
Глава 1. Временные ряды. Основные характеристики и моделирование
1 Стационарные временные ряды
2. Авторегрессия, скользящее среднее
2 Пакет анализа данных Gretl.
3 Моделирование ARMA (p, q)
4 Нестационарные временные ряды. Случайное блуждание.
Выводы по первой главе.
Глава 2. Моделирование ARIMA(p,d,q) в Gretl.
1 Исследование цен на нефть, газ, а также курса доллара на стационарность. Тесты единичного корня
2 Причинность по Гренджеру. Моделирование причинно-следственных связей в Gretl
Выводы во второй главе
Глава 3. Исследование цен продуктов.
1 Исследование цен на нефть, газ, а также курса доллара на причинность по Гренджеру.
Выводы в третьей главе
Заключение
Литература
Приложения
Список литературы
Box, G. E. P. и Дженкинс, G. M. (1976), Анализ временных рядов: прогнозирование и контроль, пересмотренное издание, Холден-Дэй, Сан-Франциско, Калифорния
Cameron, A. C. и Trivedi, P. K. (2013), Регрессионный анализ данных подсчета, 2-е издание, Издательство Кембриджского университета, Кембридж, Нью-Йорк, Нью-Йорк
Боллерслев, Т. (1988), о структуре корреляции для обобщенного авторегрессионного условного Гетероскедастический процесс, Журнал анализа временных рядов, 9. 121-131.
Введение в Эконометрику. Курс лекций Артамонов Н.В. 28 июня 2010 г. с. 169-175.
Годфри Л. (1978), Тестирование на общих моделях ошибок Авторегрессии и скользящей средней, когда Регрессоры включают Запаздывающие Зависимые переменные, Econometrica, 46, 1293-1302. (Godfrey, L. (1978), Testing against General Autoregressive and Moving Average Error Models when the Regressors Include Lagged Dependent Variables, Econometrica, 46. 1293–1302.)
Д. Гамильтон, Анализ временных рядов, Издательство Принстонского университета, 1994
Данные в Приложении1 взяты из источника: [finam.ru]
Дэвидсон, Р. и Маккиннон Дж. (2001), Искусственные регрессии. В: B. H. Baltagi, ред., A Companion to Econometric Theory, Издательство Blackwell Publishers, Оксфорд, Великобритания, 16-37.
Многомерные модели Причинно следственная связь Грейнджера и модели VECM [http://web.vu.lt/mif/a.buteikis/]
Ссылка для скачивания пакета Gretl [http://gretl.sourceforge.net/ru.html].
Ссылка про нестационарность взята из источника:
[https://www.investopedia.com/articles/trading/07/stationary.asp]
Учебники по анализу временных рядов: Миллс и Маркеллос (2008), Мартин, Херн и Харрис (2013) и Эндерс (2014)
Вербик, и Марно, Руководство по современной экономике. c. 348-360.
Моделирование ARMA [https://towardsdatascience.com/advanced-time-series-analysis-with-arma-and-arima-a7d9b589ed6d]
Временным рядом называется последовательность наблюдений, упорядоченная в хронологическом порядке. Данные временных рядов широко распространены в различных областях знаний, (это физика, астрономия, экономика, образовании). Модели временных рядов рассматривают прошлые модели данных и пытаются предсказать будущее на основе базовых моделей, содержащихся в этих данных. К наиболее широко распространённым относится экономические временные ряды. В современном мире десятки, а может быть и сотни миллионов людей, и покупают и продают финансовые активы. Для многих из них эта деятельность приносит основной заработок. Это объясняет особенный интерес к временным рядам в экономическом сообществе. В связи с этим исследования экономических временных рядов таких как цены активов, а также производных от этих активов многочисленны и очень хорошо финансируются за счет собственных и заимствованных на длительный период времени средств организации.