2017-02-08 18:30
Užduoties tikslas – ištirti turimą laiko eilutę ir sukonstruoti adekvatų modelį jai prognozuoti.
Kiekvienas studentas (ar dviejų studentų grupė) turi pasirinkti duomenis taip, kad pasirinktų rodiklių rūšys nesikartotų.
Siūlomos rodiklių rūšys/sritys:
- Makroekonominiai rodikliai (produkcija, investicijos, …)
- Kainos (naftos, elektros, nekilnojamojo turto, …)
- Darbo rodikliai (nedarbo lygis, vidutinis darbo užmokestis, …)
- Labai sezoniški, pvz.: turizmo, duomenys
- Transporto duomenys (pvz.: keleivių/krovinių pervežimas, transporto priemonių, eismo įvykių statistika, …)
- Duomenys apie gamtą/aplinkosaugą (oro tarša, saulės dėmės, geizerių aktyvumas, …)
- Mikroekonominiai duomenys (vienos įmonės pardavimų apimtys, įmonių pelningumas, …)
- Kokio nors produkto ar produktų grupės pardavimų duomenys
- Sociologiniai/gyventojų duomenys (migracija, nusikaltimų skaičiai, …)
- Finansiniai duomenys (pvz.: palūkanų normos, investavimo fondų statistika, …)
- Elektros suvartojimas
- Ryšių duomenys (skambučiai, duomenų srautai/pralaidumas, vartotojų prisijungimai, …)
- Fiskaliniai duomenys (biudžetų dydžiai, mokesčių statistika, …)
- Sveikatos apsaugos duomenys (lovadienių skaičius, skiepų statistika, alkoholio vartojimas, …)
- Žemės ūkio statistika (bendra ž.ū. produkcija, konkrečių kultūrų derlius, pasėlių plotas, …)
- Statybų statistika (pastatytų butų plotas, statybos darbų apimtys, …)
Užduotis:
Susiraskite laiko eilutę, kuri apimtų bent 10 metų laikotarpį. Duomenys turi būti ketvirtiniai arba didesnio dažnio (jei duomenys itin didelio dažnio, apimamas laikotarpis gali būti ir mažesnis).
- Pavaizduokite duomenis grafiškai. Apibūdinkite, kokie duomenys vaizduojami (dažnis, apimamas laikotarpis).
- Kokie veiksniai galėtų daryti poveikį tiriamam rodikliui? Kokie rodikliai galėtų atspindėti šiuos veiksnius? Suraskite keletą tokių rodiklių.
- Ištirkite šios eilutės sezoniškumą, stacionarumą. Ar šiai laiko eilutei reikalingos kokios nors transformacijos, palengvinančios modelio sudarymą?
- Sudarykite tiesinės regresijos modelį, įtraukdami papildomus duomenis (rodikliai iš (2) dalies). Ar modelis turi struktūrinių lūžių?
- Ištirkite modelio likučius. Ar likučiai sudaro baltąjį triukšmą? Jei ne, pakoreguokite modelį, parinkdami likučiams ARMA(p,q) modelį, ir pervertinkite regresiją iš naujo su ARMA paklaidomis. Pakartotinai atlikite likučių analizę.
- Patikrinkite savo modelį kryžminės patikros būdu, suskaičiuokite prognozės tikslumą kokiu nors kriterijumi (MAPE, MAE, RMSE). Palyginkite savo modelio tikslumą su modelio, gauto auto.arima() funkcija.