Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017

Podobné dokumenty
Ilustrační příklad odhadu LRM v SW Gretl

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

4EK211 Základy ekonometrie

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

4EK211 Základy ekonometrie

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí

Ilustrační příklad odhadu SM v SW Gretl

4EK211 Základy ekonometrie

Korelační a regresní analýza

4EK211 Základy ekonometrie

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)

4EK211 Základy ekonometrie

18AEK Aplikovaná ekonometrie a teorie časových řad. Řešení domácích úkolů č. 1 a 2 příklad 1

Cvičení 9 dekompozice časových řad a ARMA procesy

Slovo na úvod FTG 1 ZS Jasné vymezení hřiště a domluva pravidel hry usnadňuje vzájemnou komunikaci.

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Ekonometrie. Jiří Neubauer

4EK211 Základy ekonometrie

Úvodem Dříve les než stromy 3 Operace s maticemi

Analýza časových řad pomoci SAS82 for Win

4EK211 Základy ekonometrie

4EK201 Matematické modelování. 11. Ekonometrie

UNIVERZITA PARDUBICE

Statistika II. Jiří Neubauer

PRAVDĚPODOBNOST A STATISTIKA

Lekce 1 úvod do ekonometrie

Příloha č. 1 Grafy a protokoly výstupy z adstatu

Výsledný graf ukazuje následující obrázek.

Analýza časových řad. John Watters: Jak se stát milionářem.

Příprava dat v softwaru Statistica

4EK211 Základy ekonometrie

Úloha 1: Lineární kalibrace

Dynamické metody pro predikci rizika

Kalibrace a limity její přesnosti

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

12PPOK PROJEKTOVÁNÍ POZEMNÍCH KOMUNIKACÍ

4EK211 Základy ekonometrie

Gymnázium a Střední odborná škola Moravské Budějovice. Pravidla pro tvorbu seminárních a maturitních prací

KMA Písemná část přijímací zkoušky - MFS 2o16

STATISTICA Téma 1. Práce s datovým souborem

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie

Časové řady - Cvičení

PRAVDĚPODOBNOST A STATISTIKA

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica

Kalibrace a limity její přesnosti

Obecná teorie systémů

Analýza rozptylu dvojného třídění

5EN306 Aplikované kvantitativní metody I

František Batysta 19. listopadu Abstrakt

Lineární regrese. Komentované řešení pomocí MS Excel

Neuronové časové řady (ANN-TS)

POZNÁMKY K HODNOCENÍ SOUBORŮ ILUSTRAČNÍ TEST 2012

Časové řady, typy trendových funkcí a odhady trendů

5EN306 Aplikované kvantitativní metody I

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/129003/CNB/420

Analýza dat s využitím MS Excel

4EK211 Základy ekonometrie

Pokyny pro vypracování maturitní práce z Odborných předmětů

V zelené liště vpravo nahoře pod nabídkou Informace naleznete vzory formulářů výkazů, pokyny a vysvětlivky k jejich vyplnění a další informace.

STATISTIKA I Metodický list č. 1 Název tématického celku:

Cvičení č. 3. Sdílené prostředky a synchronizace Program Banka. 4 body

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

4. Aplikace matematiky v ekonomii

Tomáš Cipra: Finanční ekonometrie. Ekopress, Praha 2008 (538 stran, ISBN: , cena Hlávkovy nadace v roce 2009) 1. ÚVOD...

Statistické vyhodnocení zkoušek betonového kompozitu

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

Zadání zápočtové práce

Časové řady, typy trendových funkcí a odhady trendů

MATLAB Úvod. Úvod do Matlabu. Miloslav Čapek

Modely řízení ve firmě Rozsah předmětu: 4+2

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25

Diagnostika regrese pomocí grafu 7krát jinak

Zápočtová práce STATISTIKA I


Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/091391/CNB/420

ZÁKLADNÍ INFORMACE K DIPLOMOVÝM PRACÍM:

Bodové a intervalové odhady parametrů v regresním modelu

Moderní systémy pro získávání znalostí z informací a dat

Hedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D.

Reálné gymnázium a základní škola města Prostějova Školní vzdělávací program pro ZV Ruku v ruce

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Informace k předmětu. Plasty ve strojírenství a konstrukci automobilů. Akademický rok: 2014/2015

Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů

2.2 Kalibrace a limity její p esnosti

Analýza dat na PC I.

Metodologie pedagogického výzkumu II

Microsoft Excel kopírování vzorců, adresování, podmíněný formát. Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie

Jak používat statistiky položkové v systému WinShop Std.

Manažerská ekonomika KM IT

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

Základy ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28

VÝZVA K PODÁNÍ NABÍDKY

Finanční matematika. Mgr. Tat ána Funioková, Ph.D Katedra matematických metod v ekonomice

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Velmi stručný návod jak dostat data z Terminálu Bloomberg do R

Transkript:

Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017 Zadání: Predikujte na základě modelování časových řad nejlepší možný odhad počtu prodaných nových aut v průběhu roku 1990. Datový soubor: Pro analýzu bude v okamžiku začátku testu dostupný na adrese jana.seknicka.eu/vyuka ČVUT FJFI 18AEK Cvičení datový soubor, obsahující reálná čtvrtletní data od 1. čtvrtletí roku 1976 do 4. čtvrtletí roku 1989 (resp. 4. čtvrtletí roku 1990), obsahující údaje o počtu prodaných nových aut. Soubor obsahuje 5 časových řad: Rok_ctvrtleti proměnná ve formátu rokqctvrtletí (např. 1976Q4 tedy označuje 4. čtvrtletí roku 1976), s hodnotami 1976Q1 1990Q4. Pocet_aut proměnná udávající počet prodaných nových aut v příslušném čtvrtletí v tisících kusů, s hodnotami pro 1. čtvrtletí 1976 4. čtvrtletí 1989. Populace proměnná udávající počet obyvatel v milionech, s hodnotami pro 1. čtvrtletí 1976 4. čtvrtletí 1989. Prijem proměnná udávající disponibilní osobní příjem na hlavu v tisících dolarů diskontovaný k roku 1982, s hodnotami pro 1. čtvrtletí 1976 4. čtvrtletí 1990. Urokova_sazba proměnná udávající tzv. prime interest rate (úroková sazba na krátkodobé půjčky, kterou vypisuje banka) v procentech, s hodnotami pro 1. čtvrtletí 1976 4. čtvrtletí 1990. Ekonomický základ: Na základě dostupných čtvrtletních dat pro roky 1976 1989 byla provedena ekonometrická analýza pro modelování závislosti počtu prodaných nových aut na dalších osmnácti ekonomických veličinách. Nejlepším plně verifikovaným modelem byl lineární regresní model (viz výpis z GRETLu na obr. 1): pocet_aut = 9480,18 57,6856 populace + 597,725 prijem 34,4008 urokova_sazba + u. Předpokládejme, že model je plně verifikovaný, což mimo jiné znamená, že normalita reziduí, heteroskedasticita, autokorelace prvního řádu ani multikolinearita nejsou problémem. Na základě dostupných dat je možné zobrazit výše uvedené časové řady: Pocet_aut na obr. 2, Populace na obr. 3, Prijem na obr. 4 a Urokova_sazba na obr. 5. Předpovědi hodnot poctu_aut do budoucnosti pro následující 4 čtvrtletí (rok 1990) lze získat několika způsoby na základě různých modelů. Připomeňme, že nejlepší modely zahrnují veškeré apriorní (předem dané) informace, které jsou k dispozici.

Obrázek 1: Lineární regresní model 2800 2600 2400 pocet_aut 2200 2000 1800 1600 1400 1200 Obrázek 2: Graf časové řady počet_aut

250 245 240 populace 235 230 225 220 215 Obrázek 3: Graf časové řady populace 12 11,5 11 prijem 10,5 10 9,5 9 Obrázek 4: Graf časové řady prijem

22 20 18 urokova_sazba 16 14 12 10 8 6 Obrázek 5: Graf časové řady urokova_sazba Poznámky pro práci a zpracování problému: 1.) Přiložený datový soubor je ve formátu *.xls a obsahuje 1 list, název listu: auta. Hodnoty proměnných jsou uspořádány do sloupců, na prvním řádku jsou uvedeny názvy proměnných (v pořadí uvedeném v části Datový soubor). Chybějící hodnoty nejsou nijak označeny, v souboru chybí 8 hodnot roku 1990 (4 hodnoty pro počet_aut a 4 hodnoty pro populaci). 2.) Žádné další údaje nejsou a nebudou k dispozici. Pokud narazíte na jakýkoliv problém, je nutné, abyste ho nějak vyřešili. Pokud vám nějaká informace chybí, buď si ji obstarejte, nebo vyřešte problém bez ní. 3.) Datový soubor není třeba nijak předzpracovávat, je vytvořený v takové formě, aby bylo možné data přímo importovat do statistických softwarů. Poznámky pro vypracování a odevzdání práce: 1.) Datový soubor pro test bude dostupný na stránkách jana.seknicka.eu/vyuka ČVUT FJFI 18AEK Cvičení dne 18. 12. 2017 v 15:30. 2.) Čas na vypracování práce je 210 minut v době 15:30 19:00 dne 18. 12. 2017. 3.) Řešení odevzdávejte v jediném PDF souboru na e-mail jana.seknickova@vse.cz, do subjektu uveďte 18AEK-test 2. 4.) Akceptovány budou práce, které budou doručeny na výše uvedený email nejpozději v pondělí 18. 12. 2017 do 19:30. 5.) Práci může zpracovávat samostatně jeden student nebo dvojice. Jména obou (jednoho) autorů musí být uvedena na první stránce odevzdávaného dokumentu.

Každý tým musí navíc odevzdat jedno papírové zadání opatřené svým(i) podpisem (podpisy) a emailovou adresou pro případné kontaktování. 6.) Odevzdávaný dokument musí mít číslované stránky. 7.) Hledáte nejlepší možné řešení, kvalita výsledného řešení ovlivňuje vaše hodnocení. Mějte na paměti, že pokud něco nenapíšete, nemůžete za to dostat body (tzn. vkládejte zejména komentáře, úvahy a odvození, výstupy ze softwarů, atd.). 8.) Snažte se udělat protokol pokud možno přehledný a dobře čitelný používejte nadpisy, zvýrazňujte dílčí závěry, pro přehlednost neváhejte používat tabulky. 9.) Ujistěte se, že v závěru práce uvádíte odpověď na zadání testu a zdůvodnění Vaší odpovědi. 10.) Případné dotazy budou zodpovídány pouze osobně v době testu, tj. 15:30 19:00 v učebně T105.