Построение системы оперативных индикаторов сектора торговли Российской Федерации

Основы оперативной бизнес-статистики торгового сектора Европейского Союза. Проблемы организации краткосрочной статистики фирм в России. Прогнозирование оборота компаний розничной продажи, кроме торговли автотранспортными средствами и мотоциклами.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 26.08.2017
Размер файла 896,6 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

,

где параметры и - веса нейронной сети для выходного и скрытых слоев соответственно. Коэффициенты в0 и г0 имеют значение, аналогичное параметру константы в регрессии. Параметр I определяет количество входных параметров pi, в качестве которых используются лаги исследуемого временного ряда, а параметр H определяет число скрытых нейронов нейронной сети. Функция представляет собой нелинейную функцию активации, в качестве которой могут использоваться сигмоидные функции - гиперболический тангенс или логистическая функция.

Для прогнозирования временного ряда необходимо определить функцию потерь, обучающий алгоритм и топологию нейронной сети. В качестве функции потерь использована среднеквадратическая ошибка, в качестве алгоритма обучения нейронной сети - метод обратного распространения ошибки (backpropagation). Данный итеративный метод основан на следующей идее:

1. На входы нейронной сети «подается» обучающая выборка.

2. Обучающая выборка «пропускается» через нейронную сеть с начальными значениями весов.

3. На выходе нейронной сети определяется величина отклонения между значением, полученным нейронной сетью, и наблюдаемым значением.

4. Веса выходного слоя нейронной сети корректируются в соответствии с отклонением.

5. Полученные веса корректируются в скрытых слоях в обратном порядке.

6. Осуществляется процедура градиентного спуска.

7. Вышеизложенный алгоритм повторяется до тех пор, пока не будет достигнута сходимость решения.

В связи с применением процедуры градиентного спуска возникают проблемы медленной сходимости решения, «застревания» в локальных минимумах и горизонтальных асимптотах функций активации, в которых производные равняются нулю. Данная проблема может быть решена при помощи моделирования первой разности временного ряда и инициализации различных начальных весов.

Поскольку алгоритм обучения нейронных сетей не всегда способен достигать глобального оптимума, то он допускает различные варианты реализации нейронной сети, что приводит к проблеме выбора оптимальной модели. Для решения данной проблемы производится оценивание ряда способов реализации нейронных сетей, после чего применяется процедура комбинирования значений прогнозов нейронных сетей, в частности может использоваться метод усреднения значений прогнозов всех нейронных сетей.

С целью прогнозирования показателя оборота организаций розничной торговли при помощи нейронных сетей была обучена одна тысяча однослойных нейронных сетей с пятью скрытыми нейронами. В качестве функций активации была использована логистическая функция. На вход нейронных сетей были поданы 12 лаговых значений первых разностей изучаемого показателя, из которых только значение с лагом 12 оказалось наиболее информативным. Таким образом, построенные нейронные сети имеют вид, представленный на рисунке.

Для построения прогноза использовался средний прогноз по построенным нейронным сетям (рис. 11). Величина суммы квадратов ошибок прогнозов составила 15,019.

Рис. 11. Средний прогноз одной тысячи искусственных однослойных нейронных сетей при определении оборота организаций розничной торговли РФ в 2017 г.

Точечный прогноз, построенный при помощи нейронных сетей свидетельствует о некоторой положительной динамике показателя оборота организаций розничной торговли в РФ.

Прогнозы оборота организаций розничной торговли, построенные при помощи построенных моделей представлены в таблице 20.

Таким образом, можно сделать вывод о том, что средние прогнозы классических статистических моделей (SARIMA и Хольта-Уинтерса) показывают стабильную динамику оборота организаций розничной торговли, примерно соответствующую фактическим значениям 2016 года. Данный вывод соотносится с результатами модели байесовской векторной авторегрессии, построенной в параграфе 2.2 представленной работы.

В то же время, нейросетевая модель предполагает рост ежемесячных показателей оборота около шести процентных пунктов по сравнению с соответствующими показателями 2016 года. Результаты точечного прогноза нейросетевой модели лежат в пределах 95%-х доверительных интервалов моделей SARIMA и Хольта-Уинтерса (прил. 14). Следовательно, вероятность реализации прогнозных значений, выявленных при помощи нейросетевой модели, достаточно высока, что доказывается способностью нейронных сетей учитывать нелинейные зависимости.

Таблица Сравнение динамики точечных прогнозов построенных моделей для определения оборота организаций розничной торговли РФ в 2017 г.

Дата

Наблюдаемое значение

Модель SARIMA

Модель Хольта-Уинтерса

Нейронные сети

01.01.2016

136,86

139,40

129,67

126,23

01.02.2016

135,44

129,05

133,07

127,55

01.03.2016

145,48

145,90

150,48

149,85

01.04.2016

144,44

140,59

143,06

138,62

01.05.2016

147,49

148,63

148,83

149,58

01.06.2016

148,95

148,92

146,89

147,20

01.07.2016

154,32

151,13

151,05

150,52

01.08.2016

157,65

157,28

156,98

157,83

01.09.2016

151,32

151,12

153,14

148,63

01.10.2016

152,69

156,04

157,08

155,53

01.11.2016

150,16

152,62

152,99

150,65

01.12.2016

182,27

181,40

186,72

181,46

01.01.2017

146,71

135,77

136,92

142,62

01.02.2017

135,51

133,98

133,48

140,78

01.03.2017

-

143,75

147,02

151,91

01.04.2017

-

142,51

144,75

150,52-

01.05.2017

-

145,41

148,70

153,81

01.06.2017

-

146,76

148,41

155,29

01.07.2017

-

152,05

151,03

161,22

01.08.2017

-

155,32

153,56

164,83

01.09.2017

-

148,95

148,57

157,27

01.10.2017

-

150,28

153,10

158,64

01.11.2017

-

147,73

152,67

155,52

01.12.2017

-

179,82

188,76

187,70

Заключение

В соответствии с целью и задачами выпускного квалификационного исследования, определенными во введении данной работы, был проведен анализ теоретических и практических аспектов статистического изучения сектора торговли и его краткосрочных тенденций развития. Основное внимание в анализе было уделено оперативным индикаторам, характеризующим состояние и тенденции сектора торговли РФ.

По результатам исследования теоретических основ анализа оперативных бизнес-индикаторов можно наблюдать следующие результаты и сформулировать некоторые выводы:

1. Рассмотренные отечественные работы по данной тематике не лишены некоторых содержательных недостатков, в частности, ни одна из изученных работ не учитывает показатель «фонд начисленной заработной платы», как методологически наиболее близкий аналог показателю «заработная плата» ОБС ЕС. Вместе с этим, обделена вниманием система краткосрочной статистики предприятий, которая является определенным отечественным аналогом оперативной бизнес-статистики.

2. Все индикаторы оперативной бизнес-статистики ЕС имеют соответствующие аналоги в системе показателей Росстата, методологические различия между которыми являются несущественными. Располагаемые Федеральной службой государственной статистики данные позволяют осуществлять расчет некоторых показателей несколькими способами, а сроки сбора информации могут быть даже короче регламентируемых методологией ОБС. Таким образом, имеется возможность построения отечественной системы оперативных бизнес-индикаторов.

3. Основным фактором, препятствующим реализации вышеназванных преимуществ Росстата, являются ограниченность в доступности и детализации публикуемой информации. Несмотря на тот факт, что большинство показателей публикуется на сайте Росстата и в Единой межведомственной информационно-статистической системе (ЕМИСС), длина доступного временного ряда, а также уровень детализации показателей по видам деятельности могут быть недостаточными для адекватного статистического анализа.

4. Основным препятствием в развитии краткосрочной статистики предприятий в РФ в соответствии с методологией ОБС Европейского союза до 2017 года являлось несоответствие классификаций видов экономической деятельности. Вследствие отсутствия в Росстате статистической практики пересчета временных рядов в соответствии с изменениями в используемых методологиях (являющаяся нормой в большинстве развитых стран), возникает необходимость дополнительного изучения различий в версиях методологий для соотнесения показателей, собранных в различные периоды времени.

Во второй главе данной работы осуществлен эконометрический анализ тенденций сектора торговли с использованием оперативных бизнес-индикаторов, который обусловил следующие результаты и выводы:

1. Построена система оперативных бизнес-индикаторов сектора торговли для Российской Федерации с учетом требований оперативной бизнес-статистики ЕС и изменений в применяемых Росстатом методологиях для сбора соответствующих данных.

2. Рассмотрены проблемы и перспективы применения моделей векторной авторегрессии для прогнозирования тенденций развития сектора торговли. Для решения выявленных проблем были применены процедуры дезагрегации данных (Чоу-Линь) и сезонной корректировки (TRAMO/SEATS).

3. Построены модели байесовской векторной авторегрессии индикаторов сектора торговли Российской Федерации и Европейского союза для прогнозирования тенденций изменения индикаторов в 2017 году. С целью сравнения результатов прогнозов были построены модели классической векторной авторегрессии, значения которых показали менее достоверную динамику. В целом, полученные результаты прогнозов байесовской векторной авторегрессии сектора торговли РФ согласуются со сложившейся экономической ситуацией в стране. Прогнозные значения показателей индикаторов свидетельствуют об отсутствии существенных перспектив роста, за исключением показателя «заработная плата», увеличение которого может быть объяснено инфляционным эффектом.

4. Проведен одномерный анализ и прогнозирование оборота организаций розничной торговли для определения перспектив роста данного показателя в 2017 году, поскольку значения прогноза для сезонно скорректированных значений индикатора свидетельствовали о незначительных колебаниях показателя в пределах 0,6 процентных пунктов. Для прогнозирования оборота организаций розничной торговли использовались модели Хольта-Уинтерса и SARIMA, а также нейронные сети. Полученные прогнозы первых двух моделей позволяют сделать вывод о том, что динамика прогнозов в целом соотносится с результатами построенной модели байесовской векторной авторегрессии. В то же время, нейросетевая модель предполагает рост ежемесячных показателей оборота около шести процентных пунктов по сравнению с соответствующими показателями 2016 года, что не противоречит интервальному оцениванию прогнозов для моделей SARIMA и Хольта-Уинтерса. Таким образом, вероятность реализации положительной тенденции для показателя «оборот организаций розничной торговли» довольно высока.

Практическая значимость данной работы может заключаться в применении скриптов (на языке программирования R) для анализа и прогнозирования показателей сектора торговли, которые могут быть применены для дальнейшего исследования тенденций развития индикаторов других видов экономической деятельности.

5.

Список литературы

1. Демешев Б. Б., Малаховская О. А. Картографирование BVAR // Прикладная эконометрика. 2016. Т. 43. С. 118-141.

2. Демешев Б. Б., Малаховская О. А. Сравнение случайного блуждания, VAR, BVAR Литтермана при прогнозировании выпуска, индекса цен и процентной ставки / Высшая школа экономики. Серия WP12 "Научные доклады лаборатории макроэкономического анализа". 2015. № 3.

3. Клочкова Е.Н. Сравнительный анализ и перспективы развития сектора промышленного производства России в соответствии с методологией оперативной бизнес-статистики. IX Международная научно-практическая конференция “Регионы России: стратегии и механизмы модернизации, инновационного и технологического развития // М.: Институт научной информации по общественным наукам Российской Академии наук, 2013

4. Леднева О. В. Анализ динамики показателей оперативной бизнес-статистики сектора промышленного производства России //IX Международный научный конгресс «Роль бизнеса в трансформации общества - 2014» (сборник материалов) - М.: «Эдитус», 2014. - 442 стр. - С. 427-430.

5. Леднева О. В., Ферапонтов Д. О. Оперативная бизнес-статистика сектора «розничная торговля» и «услуги»: опыт Евростата //IX Международный научный конгресс «Роль бизнеса в трансформации общества - 2014» (сборник материалов) - М.: «Эдитус», 2014. - 442 стр. - С. 431-432.

6. Леднева О. В. Показатели оперативной бизнес статистики в разрезе строительной отрасли России // Статистика и экономика. 2014. №3, С. 145-152.

7. Луппов А.Б. О методологических проблемах формирования и развития оперативной бизнес-статистики в России с учетом современных реалий и вызовов в экономике //в сборнике: Россия в европейском и мировом информационном пространстве сборник научных трудов: Материалы международной научно-практической конференции. 2014. - М.: МГИМО-Университет, 2014, с. 213-221.

8. Пономаренко А. Н. Властелины таблиц // Журнал «Эксперт», №15 (1025), 2017

9. Пономаренко А. Н. Оперативная бизнес-статистика и национальные счета: проблема согласования //Вопросы статистики. - 2008. - №. 8. - С. 7-12.

10. Brave S. A., Butters R. A., Justiniano A. Forecasting Economic Activity with Mixed Frequency Bayesian VARs. - 2016.

11. Chow G. C., Lin A. Best linear unbiased interpolation, distribution, and extrapolation of time series by related series //The review of Economics and Statistics. - 1971. - С. 372-375.

12. Hamilton J. D. Time series analysis. - Princeton : Princeton university press, 1994. - Т. 2.

13. Keith O'Hara. Bayesian Macroeconometrics in R, 2015

14. Kourentzes N., Barrow D. K., Crone S. F. Neural network ensemble operators for time series forecasting //Expert Systems with Applications. - 2014. - Т. 41. - №. 9. - С. 4235-4244.

15. Kuzin V., Marcellino M., Schumacher C. MIDAS vs. mixed-frequency VAR: Nowcasting GDP in the euro area //International Journal of Forecasting. - 2011. - Т. 27. - №. 2. - С. 529-542.

16. Mikosch H., Neuwirth S. Real-time forecasting with a MIDAS VAR. - 2015.

17. Sax, C. und Steiner, P. (2013). Temporal Disaggregation of Time Series. The R Journal, 5(2), 80-88. [http://journal.r-project.org/archive/2013-2/sax-steiner.pdf]

18. Schorfheide F., Song D. Real-time forecasting with a mixed-frequency VAR //Journal of Business & Economic Statistics. - 2015. - Т. 33. - №. 3. - С. 366-380.

19. Sekhposyan T., McCracken M., Owyang M. Real-time Forecasting with a Large, Mixed Frequency, Bayesian VAR. - 2015.

20. Методологические положения по статистике. Вып. 5/ Росстат. -М54 М., 2006. - 510 с.

21. "Методические указания по расчету индекса-дефлятора оборота розничной торговли на федеральном уровне" (утв. Госкомстатом России 03.02.2003)

22. "Общесоюзный классификатор "Отрасли народного хозяйства" (ОКОНХ) (утв. Госкомстатом СССР, Госпланом СССР, Госстандартом СССР 01.01.1976) (ред. от 15.02.2000)

23. Постановление Госстандарта России от 06.11.2001 N 454-ст (ред. от 10.11.2015)

24. Приказ Росстандарта от 31.01.2014 N 14-ст (ред. от 01.09.2016).

25. Приказ Росстата от 28.10.2013 N 428 (ред. от 23.10.2014) "Об утверждении Указаний по заполнению форм федерального статистического наблюдения N П-1 "Сведения о производстве и отгрузке товаров и услуг", N П-2 "Сведения об инвестициях в нефинансовые активы", N П-3 "Сведения о финансовом состоянии организации", N П-4 "Сведения о численности и заработной плате работников", N П-5(м) "Основные сведения о деятельности организации"

26. Eurostat, N. A. C. E. (2008). Rev. 2-Statistical classification of economic activities in the European Community. Office for Official Publications of the European Communities, Luxemburg.

27. Methodology of short-term business statistics - Interpretation and guidelines (2006 Edition), number of pages: 103.

28. Methodology of short-term business statistics - Associated documents (2006 Edition), number of pages: 161.

29. Regulation (EC) No 1893/2006 of the European Parliament and of the Council

Приложение

Таблица П1 Расшифровка кодов NACE Rev. 2, используемые в ОБС сектора торговли ЕС и соответствующие им коды ОКВЭД 2.

Код NACE

Название по NACE Rev.2

Код ОКВЭД 2

Название по ОКВЭД 2

45

Wholesale and retail trade and repair of motor vehicles and motorcycles

45

Торговля оптовая и розничная автотранспортными средствами и мотоциклами и их ремонт

45.1

Sale of motor vehicles

45.1

Торговля автотранспортными средствами

45.2

Maintenance and repair of motor vehicles

45.2

Техническое обслуживание и ремонт автотранспортных средств

45.3

Sale of motor vehicle parts and accessories

45.3

Торговля автомобильными деталями, узлами и принадлежностями

45.4

Sale, maintenance and repair of motorcycles and related parts and accessories

45.4

Торговля мотоциклами, их деталями, узлами и принадлежностями; техническое обслуживание и ремонт мотоциклов

46

Wholesale trade, except of motor vehicles and motorcycles

46

Торговля оптовая, кроме оптовой торговли автотранспортными средствами и мотоциклами

46.1

Wholesale on a fee or contract basis

46.1

Торговля оптовая за вознаграждение или на договорной основе

46.2

Wholesale of agricultural raw materials and live animals

46.2

Торговля оптовая сельскохозяйственным сырьем и живыми животными

46.3

Wholesale of food, beverages and tobacco

46.3

Торговля оптовая пищевыми продуктами, напитками и табачными изделиями

46.4

Wholesale of household goods

46.4

Торговля оптовая непродовольственными потребительскими товарами

46.5

Wholesale of information and communication equipment

46.5

Торговля оптовая информационным и коммуникационным оборудованием

46.6

Wholesale of other machinery, equipment and supplies

46.6

Торговля оптовая прочими машинами, оборудованием и принадлежностями

46.7

Other specialised wholesale

46.7

Торговля оптовая специализированная прочая

46.9

Non-specialised wholesale trade

46.9

Торговля оптовая неспециализированная

47

Retail trade, except of motor vehicles and motorcycles

47

Торговля розничная, кроме торговли автотранспортными средствами и мотоциклами

47.11

Retail sale in non-specialised stores with food, beverages or tobacco predominating

47.11

Торговля розничная преимущественно пищевыми продуктами, включая напитки, и табачными изделиями в неспециализированных магазинах

47.19

Other retail sale in non-specialised stores

47.19

Торговля розничная прочая в неспециализированных магазинах

47.2

Retail sale of food, beverages and tobacco in specialised stores

47.2

Торговля розничная пищевыми продуктами, напитками и табачными изделиями в специализированных магазинах

47.3

Retail sale of automotive fuel in specialised stores

47.3

Торговля розничная моторным топливом в специализированных магазинах

47.4

Retail sale of information and communication equipment in specialised stores

47.4

Торговля розничная информационным и коммуникационным оборудованием в специализированных магазинах

47.41

Retail sale of computers, peripheral units and software in specialised stores

47.41

Торговля розничная компьютерами, периферийными устройствами к ним и программным обеспечением в специализированных магазинах

47.42

Retail sale of telecommunications equipment in specialised stores

47.42

Торговля розничная телекоммуникационным оборудованием, включая розничную торговлю мобильными телефонами, в специализированных магазинах

47.43

Retail sale of audio and video equipment in specialised stores

47.43

Торговля розничная аудио- и видеотехникой в специализированных магазинах

47.5

Retail sale of other household equipment in specialised stores

47.5

Торговля розничная прочими бытовыми изделиями в специализированных магазинах

47.51

Retail sale of textiles in specialised stores

47.51

Торговля розничная текстильными изделиями в специализированных магазинах

Код NACE

Название по NACE Rev.2

Код ОКВЭД 2

Название по ОКВЭД 2

47.52

Retail sale of hardware, paints and glass in specialised stores

47.52

Торговля розничная скобяными изделиями, лакокрасочными материалами и стеклом в специализированных магазинах

47.53

Retail sale of carpets, rugs, wall and floor coverings in specialised stores

47.53

Торговля розничная коврами, ковровыми изделиями, покрытиями для пола и стен в специализированных магазинах

47.54

Retail sale of electrical household appliances in specialised stores

47.54

Торговля розничная бытовыми электротоварами в специализированных магазинах

47.59

Retail sale of furniture, lighting equipment and other household articles in specialised stores

47.59

Торговля розничная мебелью, осветительными приборами и прочими бытовыми изделиями в специализированных магазинах

47.6

Retail sale of cultural and recreation goods in specialised stores

47.6

Торговля розничная товарами культурно-развлекательного назначения в специализированных магазинах

47.61

Retail sale of books in specialised stores

47.61

Торговля розничная книгами в специализированных магазинах

47.62

Retail sale of newspapers and stationery in specialised stores

47.62

Торговля розничная газетами и канцелярскими товарами в специализированных магазинах

47.63

Retail sale of music and video recordings in specialised stores

47.63

Торговля розничная музыкальными и видеозаписями в специализированных магазинах

47.64

Retail sale of sporting equipment in specialised stores

47.64

Торговля розничная спортивным оборудованием и спортивными товарами в специализированных магазинах

47.65

Retail sale of games and toys in specialised stores

47.65

Торговля розничная играми и игрушками в специализированных магазинах

47.7

Retail sale of other goods in specialised stores

47.7

Торговля розничная прочими товарами в специализированных магазинах

47.71

Retail sale of clothing in specialised stores

47.71

Торговля розничная одеждой в специализированных магазинах

47.72

Retail sale of footwear and leather goods in specialised stores

47.72

Торговля розничная обувью и изделиями из кожи в специализированных магазинах

47.73

Dispensing chemist in specialised stores

47.73

Торговля розничная лекарственными средствами в специализированных магазинах (аптеках)

47.74

Retail sale of medical and orthopaedic goods in specialised stores

47.74

Торговля розничная изделиями, применяемыми в медицинских целях, ортопедическими изделиями в специализированных магазинах

47.75

Retail sale of cosmetic and toilet articles in specialised stores

47.75

Торговля розничная косметическими и товарами личной гигиены в специализированных магазинах

47.76

Retail sale of flowers, plants, seeds, fertilisers, pet animals and pet food in specialised stores

47.76

Торговля розничная цветами и другими растениями, семенами, удобрениями, домашними животными и кормами для домашних животных в специализированных магазинах

47.77

Retail sale of watches and jewellery in specialised stores

47.77

Торговля розничная часами и ювелирными изделиями в специализированных магазинах

47.78

Other retail sale of new goods in specialised stores

47.78

Торговля розничная прочая в специализированных магазинах

47.8

Retail sale via stalls and markets

47.8

Торговля розничная в нестационарных торговых объектах и на рынках

47.9

Retail trade not in stores, stalls or markets

47.9

Торговля розничная вне магазинов, палаток, рынков

47.91

Retail sale via mail order houses or via Internet

47.91

Торговля розничная по почте или по информационно-коммуникационной сети Интернет

Источник: Общероссийский классификатор видов экономической деятельности ОК 029-2014 (КДЕС РЕД. 2)

Динамика показателей количества отработанных часов и количества замещенных рабочих мест в секторе торговли РФ в 2005-2016 гг.

Рис. П1. Динамика показателей количества отработанных часов и количества замещенных рабочих мест в секторе торговли РФ в 2005-2016 гг. (раздел ОКВЭД 2 G45)

Рис. П2. Динамика показателей количества отработанных часов и количества замещенных рабочих мест в секторе торговли РФ в 2005-2016 гг. (раздел ОКВЭД 2 G46)

Рис. П3. Динамика показателей количества отработанных часов и количества замещенных рабочих мест в секторе торговли РФ в 2005-2016 гг. (раздел ОКВЭД 2 G47)

Таблица Значения оценок коэффициентов VAR-моделей для сектора торговли РФ

Модель для G45

Модель для G46

Модель для G47

Объясняющие переменные

Объясняющие переменные

Объясняющие переменные

1*

2**

3***

4****

1

2

3

4

1

2

3

4

Константа

19,571

3,103

2,081

5,230

-8,171

4,281

3,332

2,460

6,809

-3,628

2,641

4,809

Зависимая переменная 1*, лаг 1

0,814

-0,033

0,080

-0,007

0,682

-0,010

-0,001

0,013

0,899

-0,038

0,832

0,081

Зависимая переменная 2**, лаг 1

0,311

0,925

-0,021

0,791

-0,365

0,857

-0,277

0,603

-0,022

0,719

-0,055

0,208

Зависимая переменная 3***, лаг 1

0,602

0,065

0,474

0,046

-0,008

0,053

0,736

0,113

0,058

0,034

0,328

-0,027

Зависимая переменная 4****, лаг 1

-0,251

0,074

0,147

0,098

0,390

0,065

0,259

0,312

0,080

0,268

0,076

0,821

Зависимая переменная 1, лаг 2

-0,219

0,040

0,008

0,044

0,061

0,083

0,069

0,057

0,085

0,249

-0,623

0,110

Зависимая переменная 2, лаг 2

-0,137

-0,070

0,035

-0,586

0,329

-0,039

-0,139

-0,522

0,107

0,159

0,108

-0,074

Зависимая переменная 3, лаг 2

0,177

0,016

0,260

-0,015

-0,030

-0,043

0,075

-0,152

-0,061

-0,058

0,353

-0,068

Зависимая переменная 4, лаг 2

0,290

0,078

0,170

0,681

0,140

-0,011

0,247

0,439

-0,089

-0,157

-0,067

0,065

Зависимая переменная 1, лаг 3

0,159

0,022

-0,055

-0,007

0,122

-0,025

-0,147

-0,031

0,084

-0,251

0,819

-0,180

Зависимая переменная 2, лаг 3

-0,849

0,014

-0,271

-0,014

0,104

0,238

0,426

0,575

-0,079

-0,021

-0,025

-0,030

Зависимая переменная 3, лаг 3

-0,273

-0,097

0,212

-0,169

0,054

0,029

0,120

0,130

-0,063

0,090

-0,402

0,078

Зависимая переменная 4, лаг 3

0,794

-0,027

-0,053

-0,009

-0,420

-0,138

-0,477

-0,362

0,032

-0,134

-0,048

0,085

Зависимая переменная 1, лаг 4

0,001

0,001

0,021

0,042

0,034

-0,023

0,180

-0,052

-0,329

-0,026

-0,685

-0,023

Зависимая переменная 2, лаг 4

-0,556

-0,056

0,063

0,137

-0,143

-0,120

-0,336

-0,294

-0,009

0,114

-0,003

-0,100

Зависимая переменная 3, лаг 4

-0,135

-0,005

-0,001

0,047

0,050

-0,053

0,001

-0,096

0,233

0,025

0,379

-0,004

Зависимая переменная 4, лаг 4

0,111

0,028

-0,070

-0,122

0,091

0,097

0,245

0,244

0,012

0,078

-0,010

0,017

* 1 - Оборот (для раздела 47 - Дефлированный оборот)

** 2 - Количество занятых

*** 3 - Заработная плата

**** 4 - Количество отработанных часов

Прогнозирование динамики индикаторов сектора торговли РФ в 2017 году при помощи классической VAR-модели

Рис. П4. Прогноз динамики индикаторов раздела «торговля оптовая и розничная автотранспортными средствами и мотоциклами и их ремонт» на 2017 год при помощи VAR-модели

Рис. П5. Прогноз динамики индикаторов раздела «торговля оптовая, кроме оптовой торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи VAR_модели

Рис. П6. Прогноз динамики индикаторов раздела «торговля розничная, кроме торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи VAR-модели

Таблица Средние значения апостериорных оценок коэффициентов BVAR-моделей для сектора торговли Европейского союза

Модель для G45

Модель для G46

Модель для G47

Объясняющие переменные

Объясняющие переменные

Объясняющие переменные

1*

2**

3***

4****

1

2

3

4

1

2

3

4

Константа

0,261

0,966

0,612

0,657

0,036

0,733

-0,008

0,448

0,539

0,698

0,359

0,977

Зависимая переменная 1*, лаг 1

0,744

-0,041

-0,147

-0,104

0,951

-0,090

-0,173

-0,142

0,809

-0,257

-0,527

-0,291

Зависимая переменная 2**, лаг 1

0,033

1,936

0,106

0,114

-0,031

1,825

0,016

0,077

-0,012

1,813

-0,006

0,058

Зависимая переменная 3***, лаг 1

-0,014

-0,116

1,449

-0,180

0,006

0,060

1,759

0,011

-0,398

-0,161

0,986

-0,209

Зависимая переменная 4****, лаг 1

-0,024

0,171

-0,024

1,646

0,038

0,169

0,129

1,843

0,022

0,071

-0,018

1,722

Зависимая переменная 1, лаг 2

0,270

0,045

0,163

0,119

0,173

0,139

0,211

0,185

0,117

0,257

0,432

0,255

Зависимая переменная 2, лаг 2

0,007

-1,165

0,030

0,022

-0,006

-1,041

0,001

-0,003

-0,026

-0,808

-0,034

0,029

Зависимая переменная 3, лаг 2

0,007

0,168

-0,501

0,177

0,013

-0,163

-1,016

-0,068

0,210

0,107

-0,176

0,205

Зависимая переменная 4, лаг 2

-0,009

-0,179

-0,080

-0,882

0,004

-0,160

-0,022

-0,946

-0,010

-0,134

0,031

-0,858

Зависимая переменная 1, лаг 3

0,096

0,009

0,055

0,040

-0,002

-0,037

0,026

0,015

0,174

0,094

0,223

0,138

Зависимая переменная 2, лаг 3

0,002

0,000

0,007

0,013

-0,003

-0,046

-0,023

-0,039

-0,036

-0,105

-0,042

-0,050

Зависимая переменная 3, лаг 3

0,002

-0,055

-0,127

0,008

0,012

0,184

0,004

0,064

0,133

-0,023

0,075

-0,010

Зависимая переменная 4, лаг 3

-0,006

0,081

-0,019

-0,098

-0,001

0,082

-0,036

-0,103

0,026

0,113

0,034

0,015

Зависимая переменная 1, лаг 4

-0,104

-0,006

-0,048

-0,032

-0,160

-0,011

-0,065

-0,068

-0,027

-0,068

-0,032

-0,050

Зависимая переменная 2, лаг 4

0,001

0,240

-0,005

-0,004

-0,001

0,217

-0,022

-0,054

-0,038

0,057

-0,044

-0,106

Зависимая переменная 3, лаг 4

-0,002

-0,005

0,145

-0,040

0,009

-0,081

0,254

0,004

0,045

0,072

0,099

0,008

Зависимая переменная 4, лаг 4

-0,004

-0,091

-0,008

0,195

-0,002

-0,053

-0,042

0,219

0,010

-0,035

-0,001

0,134

* 1 - Оборот (для раздела 47 - Дефлированный оборот)

** 2 - Количество занятых

*** 3 - Заработная плата

**** 4 - Количество отработанных часов

Таблица Значения оценок коэффициентов VAR-моделей для сектора торговли Европейского союза

Модель для G45

Модель для G46

Модель для G47

Объясняющие переменные

Объясняющие переменные

Объясняющие переменные

1*

2**

3***

4****

1

2

3

4

1

2

3

4

Константа

14,113

1,590

4,019

2,993

4,741

1,260

0,182

1,874

8,925

2,255

7,005

4,486

Зависимая переменная 1*, лаг 1

1,121

-0,042

-0,158

-0,101

0,956

-0,115

-0,221

-0,181

0,727

-0,463

-1,472

-0,612

Зависимая переменная 2**, лаг 1

-0,354

2,114

-0,042

0,205

-2,411

2,047

-0,223

-0,035

0,140

2,388

0,168

0,141

Зависимая переменная 3***, лаг 1

-3,455

-0,156

1,456

-0,519

0,429

0,093

2,176

0,097

-0,828

-0,266

1,310

-0,284

Зависимая переменная 4****, лаг 1

0,830

0,186

0,048

2,069

0,490

0,184

0,109

2,081

0,915

0,405

1,133

2,567

Зависимая переменная 1, лаг 2

-0,611

0,051

0,175

0,114

0,068

0,200

0,324

0,286

0,410

0,768

2,314

1,013

Зависимая переменная 2, лаг 2

0,907

-1,618

0,129

-0,379

4,924

-1,576

0,568

0,131

-0,653

-2,238

-0,692

-0,465

Зависимая переменная 3, лаг 2

6,437

0,258

-0,473

0,900

-1,558

-0,250

-1,964

-0,296

1,139

0,369

-0,606

0,398

Зависимая переменная 4, лаг 2

-2,238

-0,252

-0,264

-1,772

0,411

-0,221

0,030

-1,450

-2,737

-1,110

-3,281

-2,993

Зависимая переменная 1, лаг 3

0,743

0,002

0,066

0,053

0,214

-0,093

-0,065

-0,077

-0,270

-0,401

-1,030

-0,543

Зависимая переменная 2, лаг 3

0,551

0,399

0,128

0,526

-4,874

0,382

-0,558

-0,030

1,405

1,121

1,475

0,855

Зависимая переменная 3, лаг 3

-4,467

-0,143

-0,359

-0,569

1,703

0,275

0,795

0,320

-0,776

-0,253

-0,244

-0,258

Зависимая переменная 4, лаг 3

1,787

0,165

0,227

0,535

-0,853

0,153

-0,068

0,211

2,581

1,119

3,213

1,800

Зависимая переменная 1, лаг 4

-0,162

-0,002

-0,052

-0,039

-0,261

0,009

-0,040

-0,037

0,292

0,135

0,344

0,222

Зависимая переменная 2, лаг 4

-0,648

0,104

-0,159

-0,283

2,077

0,095

0,180

-0,117

-1,159

-0,329

-1,209

-0,646

Зависимая переменная 3, лаг 4

1,345

0,032

0,339

0,156

-0,543

-0,119

-0,005

-0,111

0,455

0,146

0,528

0,138

Зависимая переменная 4, лаг 4

-0,923

-0,112

-0,101

0,075

0,179

-0,077

-0,038

0,188

-0,728

-0,412

-1,017

-0,377

* 1 - Оборот (для раздела 47 - Дефлированный оборот)

** 2 - Количество занятых

*** 3 - Заработная плата

**** 4 - Количество отработанных часов

Прогнозирование динамики индикаторов сектора Европейского союза в 2017 г. при помощи байесовской VAR-модели

Рис. П7. Прогноз динамики индикаторов раздела «торговля оптовая и розничная автотранспортными средствами и мотоциклами и их ремонт» на 2017 год при помощи BVAR-модели

Рис. Прогноз динамики индикаторов раздела «торговля оптовая, кроме оптовой торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи BVAR-модели

Рис. П9. Прогноз динамики индикаторов раздела «торговля розничная, кроме торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи BVAR-модели

Прогнозирование динамики индикаторов сектора торговли Европейского союза в 2017 году при помощи классической VAR-модели

Рис. П10. Прогноз динамики индикаторов раздела «торговля оптовая и розничная автотранспортными средствами и мотоциклами и их ремонт» на 2017 год при помощи VAR-модели

Рис. П11. Прогноз динамики индикаторов раздела «торговля оптовая, кроме оптовой торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи VAR_модели

Рис. П12. Прогноз динамики индикаторов раздела «торговля розничная, кроме торговли автотранспортными средствами и мотоциклами» на 2017 год при помощи VAR_модели

Проверка остатков SARIMA-модели на наличие автокорреляции и гетероскедастичности

Рис. П13. Автокорреляционная функция (ACF) для остатков SARIMA-модели

Рис. П14. Частная автокорреляционная функция (PACF) для остатков SARIMA-модели

Рис. П15. Уровни значимости различных автокорреляционных лагов остатков SARIMA-модели для теста Льюнг-Бокса

Рис. П16. Уровни значимости различных автокорреляционных лагов квадратов остатков SARIMA-модели для теста Льюнг-Бокса

Рис. П16. Доверительные интервалы прогнозов SARIMA-модели и точечный прогноз нейронной сети для оборота организаций розничной торговли РФ в 2017 г.

Рис. П17. Доверительные интервалы прогнозов модели Хольта-Уинтерса и точечный прогноз нейронной сети для оборота организаций розничной торговли РФ в 2017 г.

Размещено на Allbest.ru


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.