Анализ структуры цен на фондовом рынке

Второй алгоритм оценивания параметров регрессии в (4) основан на трактовке задачи оценивании как двухкритериальной. Первый критерий –

,

второй критерий –

.

Искомая последовательность векторов находится в результате минимизации (2) где r определяется из условия, что первый критерий является главным.

Результаты решения: оценки параметров регрессии и среднеквадратические ошибки остатков выводятся в виде таблиц и графиков. Кроме того, вычисляются и выводятся сглаженные оценки указанных величин.

Сглаживание производится согласно соотношению

где - сглаженная оценка. Параметр задается пользователем.

Прогнозирование по одному временному ряду

Рассматривается модель с переменными параметрами

(8)

где - последовательность независимых случайных величин, l – неизвестно. Параметры в (8) находятся двумя способами. Первый состоит в рекуррентном оценивании:

,

, (9)

где , , Ol - l-мерный вектор. Величины и l () выбираются такими, чтобы минимизировать ошибку прогноза на 1 шаг вперед на отрезке обучения [1, Т]:

,

где находится по (9).

Другой способ определения параметров в (8) аналогичен определению параметров в (4) по второму алгоритму (см. р. 2.1). Отличие состоит в замене вектора zt в (5) на векторе Xt-1 [12].

Рисунок 5 – Общая схема построения регрессии в ПО «ПРОГНОЗ»

2.2.1 Анализ тенденции цен акций полиномиальный тренд второго порядка

В интерфейсе программы выбираем базу данных с которой будем работать, вид прогноза - Многофакторный, Регрессия с переключениями, зависимые переменные – Цена, независимые - Время, Время 2. Выбираем временной промежуток – 100, число отрезков 5. Учитываем свободный коэффициент.

В результате вычислений имеем следующую таблицу:

Таблица – 1 Коэффициенты регрессии полином 2-го порядка

Таблица 2 – Ошибки

На основании вышеприведенных данных строим полином (Рисунок 6).

Pt =

В результате получим сглаженный тренд (полином) цен акций для 100 точек (Рисунок ). Откладываем от него верхний и нижний доверительный интервал:

U// = Pt + t s2;

D// = Pt - t s2,

где t – квантиль. t = 2

s2 – среднеквадратическая ошибка моделирования

Как видно из рисунка доверительные интервалы, построенные с помощью Регрессии с переключениями уже Полос Боллинджер.

Расчетные таблицы приведены в Приложении 4.

Рисунок 6 - Полином второго порядка

2.2.1 Анализ тенденции цен акций полиномиальный тренд первого порядка

Построим линейный тренд методом регрессии с переключениями.

Pt =

В результате получим сглаженный тренд (полином) цен акций для 100 точек (Рисунок ). Откладываем от него верхний и нижний доверительный интервал:

U/ = Pt + t s2;

D/ = Pt - t s2,

где t – квантиль. t = 2

s2 – среднеквадратическая ошибка моделирования

Таблица 3 – Коэффициенты регрессии полином 1-го порядка

 Скачать реферат