Prognozowanie (finanse 2011)
description
Transcript of Prognozowanie (finanse 2011)
Prognozowanie (finanse 2011)
dr Grzegorz Szafrańskipokój B106
Termin konsultacjipiątki:
parzysty 8.10-9.40, nieparzysty 13.15-14.45
Prognozowanie strukturalne
Wykorzystanie faktu korelacji zmiennych:• przyczynowejprzyczynowej (związek przyczynowo-skutkowy a jego
stabilność),
• symptomatycznejsymptomatycznej (ukryty mechanizm, wspólne przyczyny różnych zjawisk i przybliżenie ich działania przez związaną z nimi zmienną tzw. aproksymantę jak np. przyczyny jednokierunkowo oddziałujące na zmienną w czasie – trend, wykazujące dostosowania do poziomu równowagi – modele AR, cykle – analiza spektralna),
• przypadkowejprzypadkowej – bezzasadne.
Budowa modelu
• Sformułuj problem ekonomiczny
• Zilustruj go danymi empirycznymi
• Podaj jego teoretyczne rozwiązanie (hipotezy, model ekonomiczny)
• Dobierz zmienne objaśniające
• Sprawdź teorię za pomocą modelu ekonometrycznego
Dwie typowe sytuacjeDobrze określona w literaturze
teoria ekonomiczna i model
Liczne badania potwierdzają teorię
Problemy doboru zmiennych, wykorzystania dostępnych danych i krytycznego spojrzenia na wyniki
Problem słabo rozpoznany na gruncie teoretycznym
Brak potwierdzenia teorii lub nieliczne badania
Problemy poprawnego opisu mechanizmu za pomocą podstawowych praw ekonomii
Weryfikacja modelu
• Budowa postaci modelu (liniowy, potęgowy, inny nieliniowy?)
• Estymacja modelu (wybór metody, MNK, MNW czy inna?)
• Weryfikacja ekonomiczna (czy zgodny z teorią?)
• Weryfikacja statystyczna (na ile zgodny z teorią?)
• Propozycje poprawy i wykorzystania modelu
Problem ekonomiczny
Krótki opis problemu: Im większa produkcja tym wyższe koszty, ale rosną one coraz wolniej.
Dlaczego?
Odpowiedzi szukamy w teorii ekonomicznej:W produkcji występują koszty stałe (nie zależą od wielkości produkcji) i zmienne (zależne).
• Jak je wydzielić, gdy mamy dane:Y – koszt całkowity, w mln złX – ilość produktów, w tys. szt.
Model ekonomiczny
• Formułujemy hipotezę ekonomiczną w postaci „Y zależy od X”:
Y = f(X) • Zależność ta może mieć postać liniową
Y= 0 1X i 0101 to parametry modelu
– Czy istnieje empiryczna zależność między X a Y?– Czy jest ona zgodna z hipotezą (np. czy 1)?
Model ekonometryczny
• Przedstawiamy teorię ekonomiczną z dokładnością do zmiennej losowej t i badamy, czy zachodziła w pewnym okresie czasu: t = 1,...,T
• Sprawdzamy zależność stochastyczną:yt= 0 1xtt
E(t) = 0, xt nielosowe, stąd E(yt) =
01xt
D2(t) = E(t2)= E(tt-
i) = 0
Zwykle przyjmuje się również postać rozkładu zmiennej t ~ N(0, 2)
Metoda najmniejszych kwadratów• Estymacja – szacowanie nieznanych parametrów modelu
na podstawie próby wg określonego kryterium
• Funkcja regresji II rodzaju – wartość teoretyczna:• pt = b0b1xt
• To co zostaje to reszta: et = yt – (b0b1xt
• Kryterium MNK: minimalizacja sumy kwadratów reszt SSQ dla różnych wartości ocen parametrów a0, a1
• SSQ(b0, b1) = t et2 minimalizuj
Metoda regresji
• Próbujemy poznać nieznane parametry modeluyt= 0 1xtt
• Poprzez estymacjęestymację:
yt = b0b1xt et
• EstymatorEstymator to przepis na b0i b1 np. dla MNK taki:
• b1t [(xt xśrednie) (yt yśrednie)]/t (xt xśrednie)2
• b0 yśrednie b1 xśrednie
Zadanie
• Dokonaj estymacji modelu:
• Problemy dostępności danych
• Dane w pliku jedna_zmienna.xls
y – koszty w mln złotych,x – ilość w tys. sztuk
ttt εxββy 10
Konwencja
• Model zwykle zapisujemy:
)23.5()56.2(
08.087.83ˆ
statt
xy tt
próba: 2001.001 – 2002.008
Model popytu (liniowy)
• Popyt na bilety do kina (Przykład 1
• Funkcja popytu – paliwa (przykład 3 Maddala r. 4)
Wydatki Cena biletu
Liczba wizyt
Okres QP P Q = QP/P
StyczeńLuty
150 PLN152 PLN
30 PLN38 PLN
54
),,,( ,, tpt
b
t
ttb q
pp
py
fq
MNK wiele zmiennych• Model dla wielu zmiennych:
• Zapis macierzowy (przykład – macierze):tktkttt xxxy ...22110
,
TkT
k
k
k
TTT x
x
x
x
x
x
x
x
x
y
y
y
.
.
.
....
.
.
.
.
1
.
.
1
1
.
.
.2
1
2
1
2
22
21
2
1
12
11
10
2
1
εXβy
kTTT
k
k
xxx
xxx
xxx
21
22212
12111
1
::::
...1
...1
X
MNK wiele zmiennych cd
• Po estymacji otrzymujemy:
• estymator wektora :
Uzyskujemy go przez minimalizację wyrażenia:
eβXy ˆ
ktkttt xxxy ˆ...ˆˆˆˆ 22110
βXy ˆˆ
yXXXβ TT 1ˆ
Te
e
e
.
:2
1
e
XβyXβyee TT Q
022/ XβXyXβ TTddQ
Warunki stosowalności
• Równanie liniowe względem parametrów i zakłóceń np.:
• T > K (na ogół dużo większe)
• Kolumny X liniowo niezależne (wtedy XTX jest macierzą nieosobliwą)
tttt xxy 212110
Założenia estymatora KMNK
1. E(t) =02. macierz wariancji-kowariancji D2(t)= 2I
3. Zmienne X są nielosowe (w powtarzanych próbach przyjmują ustalone wartości)
Zwykle przyjmuje się również postać rozkładu zmiennej t ~ N(0, 2I)
2
2
2
2
.....000
.....
0....00
0....00
IεεTE
Własności estymatora KMNK
Estymator KMNK jest zmienną losową, zmienną losową, gdyż jest funkcją zmiennych losowych
Jeżeli spełnione są założeniań klasycznej MNK to:et = 0 i prognozy są nieobciążone
E(bi) = βi i estymator jest nieobciążonynieobciążony
Wariancja estymatora D2(bijest najmniejsza (z liniowych estymatorów), metoda MNK jest efektywnaefektywna
Ponadto estymator jest zgodnyzgodny, (potocznie) im dłuższa próba tym trafniejsza ocena estymatora.
MNK – prognozaPrognozę wyznaczamy na podstawie:
Czyli oprócz K=k+1 ocen parametrów potrzebujemy K prognoz zmiennych objaśniających.
Mówimy, że prognozy strukturalne są warunkowe ze względu na zmienne objaśniające
Składnik resztowy przyjmujemy zgodnie z zasadą prognozy nieobiążonej jako równy 0, bo: E(t)=0
Zapis macierzowy:
ktkttt xxxy ˆˆ...ˆˆˆˆˆˆ 22110
βXy ˆˆˆ