📄Работа №199337
Тема: АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ЦЕН НА РЖАНУЮ МУКУ В Г. ЧЕЛЯБИНСКЕ
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Математическое моделирование
Объем:
44 листов
Год:
2023
Просмотров:
39
3700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Реферат
ВВЕДЕНИЕ 5
1. РЫНОК РЖАНОЙ МУКИ И БАЗОВАЯ ТЕОРИЯ ПО ВРЕМЕННЫМ
РЯДАМ 7
1.1. Рынок ржаной муки 7
1.2. Основные понятия и способы анализа временных рядов 8
1.3. Классификация временных рядов 9
1.4. Главные характеристики временных рядов 11
1.5. Основные типы моделей для анализа временных рядов 13
1.6. Выводы по первой главе 16
2. ОБРАБОТКА ВРЕМЕННОГО РЯДА И ПОСТРОЕНИЕ МОДЕЛЕЙ 17
2.1. Аддитивная модель 18
2.1.1. Выявление и устранение аномальных наблюдений 18
2.1.2. Выявление наличия неслучайной составляющей(тренда) 20
2.1.3. Построение трендовой модели 22
2.1.4. Определение модели, которая лучше всего описывает трендовую
составляющую временного ряда 25
2.1.5. Выявление сезонной компоненты 26
2.1.6. Построение аддитивной модели 27
2.2. Линейные модели 28
2.2.1. Проверка на стационарность и определение порядка моделей 28
2.2.2. Построение авторегрессионной модели AR(p) 29
2.2.3. Построение модели скользящего среднего MA(q) 30
2.2.4. Построение модели авторегрессии со скользящим средним
ARMA(p,q) 31
2.2.5. Проведение сравнительного анализа для построенных моделей ... 33
2.3. Выводы по второй главе 36
3. ТОЧЕЧНЫЙ ПРОГНОЗ ПО МОДЕЛЯМ И ПРОВЕРКА РЕЗУЛЬТАТОВНА
АДЕКВАТНОСТЬ 38
3.1. Точечный прогноз по аддитивной модели 38
3.2. Точечный прогноз по линейной модели 39
3.3. Сравнительный анализ построенных прогнозов 39
3.4. Выводы по третьей главе 40
ЗАКЛЮЧЕНИЕ 41
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 43
ВВЕДЕНИЕ 5
1. РЫНОК РЖАНОЙ МУКИ И БАЗОВАЯ ТЕОРИЯ ПО ВРЕМЕННЫМ
РЯДАМ 7
1.1. Рынок ржаной муки 7
1.2. Основные понятия и способы анализа временных рядов 8
1.3. Классификация временных рядов 9
1.4. Главные характеристики временных рядов 11
1.5. Основные типы моделей для анализа временных рядов 13
1.6. Выводы по первой главе 16
2. ОБРАБОТКА ВРЕМЕННОГО РЯДА И ПОСТРОЕНИЕ МОДЕЛЕЙ 17
2.1. Аддитивная модель 18
2.1.1. Выявление и устранение аномальных наблюдений 18
2.1.2. Выявление наличия неслучайной составляющей(тренда) 20
2.1.3. Построение трендовой модели 22
2.1.4. Определение модели, которая лучше всего описывает трендовую
составляющую временного ряда 25
2.1.5. Выявление сезонной компоненты 26
2.1.6. Построение аддитивной модели 27
2.2. Линейные модели 28
2.2.1. Проверка на стационарность и определение порядка моделей 28
2.2.2. Построение авторегрессионной модели AR(p) 29
2.2.3. Построение модели скользящего среднего MA(q) 30
2.2.4. Построение модели авторегрессии со скользящим средним
ARMA(p,q) 31
2.2.5. Проведение сравнительного анализа для построенных моделей ... 33
2.3. Выводы по второй главе 36
3. ТОЧЕЧНЫЙ ПРОГНОЗ ПО МОДЕЛЯМ И ПРОВЕРКА РЕЗУЛЬТАТОВНА
АДЕКВАТНОСТЬ 38
3.1. Точечный прогноз по аддитивной модели 38
3.2. Точечный прогноз по линейной модели 39
3.3. Сравнительный анализ построенных прогнозов 39
3.4. Выводы по третьей главе 40
ЗАКЛЮЧЕНИЕ 41
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 43
📖 Аннотация
В данной выпускной квалификационной работе проводится комплексный анализ и прогнозирование цен на ржаную муку в городе Челябинске. Актуальность исследования обусловлена значимостью ржаной муки как стратегического продукта питания в России, отличающегося высокой питательной ценностью и стабильностью урожаев, а также необходимостью для участников рынка иметь надежные инструменты для понимания ценовой динамики, формирующейся под влиянием множества экономических, агротехнических и рыночных факторов. В ходе исследования был выполнен анализ временного ряда цен, в результате которого для описания трендовой составляющей была выбрана оптимальная аддитивная модель — полиномиальная модель второго порядка, а для моделирования случайной компоненты после перехода к ряду первых разностей определена наилучшая линейная модель авторегрессии AR(2). Процедура моделирования включала предварительную обработку данных, проверку на аномалии с использованием критерия Ирвина, выявление тренда критерием серий и оценку адекватности моделей на основе коэффициента детерминации. Научная значимость работы заключается в апробации методики комбинированного применения аддитивных и авторегрессионных моделей для анализа цен на региональном аграрном рынке. Практическая ценность состоит в том, что построенные модели могут быть использованы предприятиями пищевой промышленности и торговли в Челябинске для краткосрочного планирования закупок и формирования ценовой политики. Теоретической основой исследования послужили труды таких авторов, как В.Н. Афанасьев, рассматривающий основы анализа временных рядов, И.И. Елисеева в области эконометрики, а также Ю.Е. Воскобойников, описывающий методы моделирования в среде Excel.
📖 Введение
Рожь - национальная культура России, обеспечивающая в течении ряда столетий полноценное питание ее населения. Рожь всегда считалась основной зерновой культурой в России и считалась «ржаным царством». Норма потребления ржаной муки (в процентах от всех злаков) около 30. Это универсальный продукт с широким спектром применения. Рожь более устойчива, в сравнении с пшеницей, и к морозу, и к засухе, она менее восприимчива к болезням и не боится вредителей. Поэтому рожь всегда дает более стабильный урожай.
Зерно ржи широко используется в качестве сырья для производства хлебобулочных изделий, муки, пряников, макаронных изделий, в приготовлении теста к пирогам, кваса, спирта и ржаного солода, а также различных зерновых смесей и комбикормов в сфере животноводства.
По уровню питательности и энергетической ценности рожь обычно находится между пшеницей и ячменем, она обладает многочисленными полезными свойствами. В ее состав входит необходимая нашему организму аминокислота - лизин, клетчатка, марганец, цинк, а железа на 30 процентов больше, чем в пшеничной. Выделяют три сорта ржаной муки: обойная, сеяная и обдирная.
Поэтому можно сказать, что ржаная мука является важным продуктом, объем потребления, которого является обширным.
Цена на ржаную муку зависит от многих факторов: политических, экономических, динамики сбора урожая, погодных и прочих. Такими факторами является политическая и экономическая ситуация в стране, потребление ржаной муки промышленностью и населением, изменение курса ведущих валют, распространение разнообразных продуктов, стремящихся заменить ржаную муку, инфляция, так же в ценообразование может вмешиваться государство, удерживая цены на определенной планке.
Актуальность исследования цен на ржаную муку в г. Челябинске и составление прогноза состоит в том, что данный продукт является важным звеном многих производств, связанных с пищевой промышленностью, а также пользуется спросом у простого обывателя.
Цель данной работы - проведение анализа цен на ржаную муку в г. Челябинске и составление прогноза. Исходя из цели, сформируем задачи:
1) изучить теоретические основы построения прогнозов, их виды, достоинства и недостатки;
2) исследовать рынок ржаной муки;
3) построить лучшую аддитивную модель;
4) построить лучшую линейную модель;
5) построить точечные прогнозы цен на ржаную муку в Челябинске по полученным моделям;
6) определить наиболее вероятное значение цены на ржаную муку в следующем временном периоде.
Для решения поставленных задач будут использованы разнообразные математические методы, используемые при составлении прогнозов.
Реализация этих методов будет проведена с помощью средств программ Excel и EViews.
Зерно ржи широко используется в качестве сырья для производства хлебобулочных изделий, муки, пряников, макаронных изделий, в приготовлении теста к пирогам, кваса, спирта и ржаного солода, а также различных зерновых смесей и комбикормов в сфере животноводства.
По уровню питательности и энергетической ценности рожь обычно находится между пшеницей и ячменем, она обладает многочисленными полезными свойствами. В ее состав входит необходимая нашему организму аминокислота - лизин, клетчатка, марганец, цинк, а железа на 30 процентов больше, чем в пшеничной. Выделяют три сорта ржаной муки: обойная, сеяная и обдирная.
Поэтому можно сказать, что ржаная мука является важным продуктом, объем потребления, которого является обширным.
Цена на ржаную муку зависит от многих факторов: политических, экономических, динамики сбора урожая, погодных и прочих. Такими факторами является политическая и экономическая ситуация в стране, потребление ржаной муки промышленностью и населением, изменение курса ведущих валют, распространение разнообразных продуктов, стремящихся заменить ржаную муку, инфляция, так же в ценообразование может вмешиваться государство, удерживая цены на определенной планке.
Актуальность исследования цен на ржаную муку в г. Челябинске и составление прогноза состоит в том, что данный продукт является важным звеном многих производств, связанных с пищевой промышленностью, а также пользуется спросом у простого обывателя.
Цель данной работы - проведение анализа цен на ржаную муку в г. Челябинске и составление прогноза. Исходя из цели, сформируем задачи:
1) изучить теоретические основы построения прогнозов, их виды, достоинства и недостатки;
2) исследовать рынок ржаной муки;
3) построить лучшую аддитивную модель;
4) построить лучшую линейную модель;
5) построить точечные прогнозы цен на ржаную муку в Челябинске по полученным моделям;
6) определить наиболее вероятное значение цены на ржаную муку в следующем временном периоде.
Для решения поставленных задач будут использованы разнообразные математические методы, используемые при составлении прогнозов.
Реализация этих методов будет проведена с помощью средств программ Excel и EViews.
✅ Заключение
В первой главе был исследован рынок ржаной муки и показана его важность.
Дано определение временного ряда, приведены основные способы для анализа временных рядов:
1) определение количественных характеристик случайной величины;
2) количественное сравнение временных рядов;
3) описание формальных моделей;
4) декомпозиция временного ряда.
Описаны основные характеристики временного ряда необходимые для его анализа, а именно: математическое ожидание и дисперсия. Так же даны формулы необходимые для их нахождения.
Во второй главе мы построили лучшую аддитивную модель, которой оказалась полиномиальная модель второго порядка. А также выбрали лучшую линейную модель, которой оказалась модель скользящего среднего AR(2). Для выявления лучших моделей мы провели:
1) для аддитивной модели:
1.1) предварительную обработку ряда, а именно сделали проверку на аномальные значения и устранили их, используя критерий Ирвина
1.2) выявили наличие тренда используя критерий серий;
1.3) определили модели, на основании диаграммы рассеянья, которые больше всего подходят под наш временной ряд;
1.4) используя Excel построили эти модели и на основании приведенного индекса детерминации выбрали лучшую.
2) для линейной модели:
2.1) определили, что наш ряд не стационарен, так как присутствует тренд, поэтому пришлось перейти к ряду первых разностей и исследовать уже его. Он оказался стационарным, как мы выяснили благодаря использованию EViews, а именно расширенному тесту Дикки-Фуллера;
2.2) вновь используя EViews построили различные виды линейных моделей, таких как AR(3), MA(4), ARMA(3,4);
2.3) провели сравнительный анализ данных моделей и выбрали лучшую из них, на основании показателей адекватности моделей.
В третьей главе был проведен точечный прогноз по лучшей аддитивной и линейной моделям;
На основании приведенного индекса детерминации определена модель, которая лучше всего описывает наш временной ряд, и соответственно дает наиболее точный прогноз. Такой моделью стала линейная модель AR(3). Наилучшее прогнозное значение 111,52 рублей за упаковку 1 кг ржаной муки в г. Челябинске
В ходе работы поставленные цели и задачи были выполнены в полном объеме.
За время исследования были получены новые знания и навыки, а именно:
1) был изучен рынок ржаной муки;
2) приобретены более глубокие познания в работе с временнымирядами;
3) получены новые навыки работы с программами EViews и Excel;
4) изучены новые модели для прогнозирования и многое другое.
Дано определение временного ряда, приведены основные способы для анализа временных рядов:
1) определение количественных характеристик случайной величины;
2) количественное сравнение временных рядов;
3) описание формальных моделей;
4) декомпозиция временного ряда.
Описаны основные характеристики временного ряда необходимые для его анализа, а именно: математическое ожидание и дисперсия. Так же даны формулы необходимые для их нахождения.
Во второй главе мы построили лучшую аддитивную модель, которой оказалась полиномиальная модель второго порядка. А также выбрали лучшую линейную модель, которой оказалась модель скользящего среднего AR(2). Для выявления лучших моделей мы провели:
1) для аддитивной модели:
1.1) предварительную обработку ряда, а именно сделали проверку на аномальные значения и устранили их, используя критерий Ирвина
1.2) выявили наличие тренда используя критерий серий;
1.3) определили модели, на основании диаграммы рассеянья, которые больше всего подходят под наш временной ряд;
1.4) используя Excel построили эти модели и на основании приведенного индекса детерминации выбрали лучшую.
2) для линейной модели:
2.1) определили, что наш ряд не стационарен, так как присутствует тренд, поэтому пришлось перейти к ряду первых разностей и исследовать уже его. Он оказался стационарным, как мы выяснили благодаря использованию EViews, а именно расширенному тесту Дикки-Фуллера;
2.2) вновь используя EViews построили различные виды линейных моделей, таких как AR(3), MA(4), ARMA(3,4);
2.3) провели сравнительный анализ данных моделей и выбрали лучшую из них, на основании показателей адекватности моделей.
В третьей главе был проведен точечный прогноз по лучшей аддитивной и линейной моделям;
На основании приведенного индекса детерминации определена модель, которая лучше всего описывает наш временной ряд, и соответственно дает наиболее точный прогноз. Такой моделью стала линейная модель AR(3). Наилучшее прогнозное значение 111,52 рублей за упаковку 1 кг ржаной муки в г. Челябинске
В ходе работы поставленные цели и задачи были выполнены в полном объеме.
За время исследования были получены новые знания и навыки, а именно:
1) был изучен рынок ржаной муки;
2) приобретены более глубокие познания в работе с временнымирядами;
3) получены новые навыки работы с программами EViews и Excel;
4) изучены новые модели для прогнозирования и многое другое.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.