Анализ, моделирование и прогнозирование производства молока в Кыргызской Республике
Анализ фактических и прогнозных данных объема производства молока в Кыргызской Республике. Использование тестов Дикки-Фуллера и Бреуша-Годфри для оценки приростов производства молочной продукции в 2018 г. Параметризация итоговой модели коррекции ошибок.
Рубрика | Математика |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 22.05.2024 |
Размер файла | 1,8 M |
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.
Размещено на http://allbest.ru
Кыргызско-российский славянский университет имени Б.Н. Ельцина
Кафедра математических методов и исследования операций в экономике
КУРСОВАЯ РАБОТА
на тему:
Анализ, моделирование и прогнозирование производства молока в Кыргызской Республике
Дисциплина: Анализ временных рядов
Выполнила: студентка Абдулдаева Э.И.
Руководитель: д.э.н, доцент Лукашова И.В.
Бишкек 2021
Оглавление
Введение
Глава 1. Рынок молока в КР
1.1 Производство молока в Кыргызской Республике
1.2 Внутренний рынок молока в Кыргызской Республике
Глава 2. Моделирование и прогнозирование
2.1 Динамика производства молока
2.2 ARIMA - модель
2.3 Коинтеграция и модель коррекции ошибок
Список использованной литературы
Список таблиц
Таблица 1.1 - Объем производства сырого молока в регионах Кыргызстана, тыс. тонн
Таблица 1.2 - Предприятия Кыргызстана, производящие молочную продукцию
Таблица 2.1.1 - Параметризация тренда производства молока
Таблица 2.1.2 - Коррелограмма производства молока
Таблица 2.2.1 - Тест Дикки-Фуллера для производства молока
Таблица 2.2.2 - Тест Дикки-Фуллера для приростов производства молока
Таблица 2.2.3 - Параметризация AR-модели с трендом
Таблица 2.2.4 - Параметризация AR-модели
Таблица 2.2.5 - Тест Бреуша-Годфри для AR-модели приростов производства молока
Таблица 2.2.6 - Параметризация ARIMA-модели
Таблица 2.2.7 - Сравнительный анализ фактических и прогнозных данных объема производства молока в 2018 году
Таблица 2.3.1 - Тест Дикки-Фуллера для производства сыра
Таблица 2.3.2 - Тест Дикки-Фуллера для приростов производства сыра
Таблица 2.3.3 - Параметризация регрессии коинтеграции
Таблица 2.3.4 - Тест Дикки-Фуллера для остатков модели коинтеграции
Таблица 2.3.5 - Сравнение фактических и прогнозных данных объема производства сыра за 2018 год
Таблица 2.3.6 - Параметризация модели коррекции ошибок
Таблица 2.3.7 - Параметризация итоговой модели коррекции ошибок
Таблица 2.3.8 - Сравнение анализ фактических и прогнозных данных объема производства сыра по модели коррекции ошибок за 2018 год
Список рисунков
Рисунок 1.1 - Ежеквартальный объем производства молока в КР, 2002-2018 гг.
Рисунок 2.1.1 - Ежеквартальный объем производства молока, 2002-2018 гг.
Рисунок 2.1.2 - Ежеквартальный объем производства молока, 2002-2018 гг. (с допущением)
Рисунок 2.2.2 - Прирост объема производства молока, 2002-2018 гг.
Рисунок 2.2.3 - Результаты ARIMA-моделирования ряда приростов производства молока
Рисунок 2.3.1 - Ежеквартальный объем производства сыра в КР, 2002-2018 гг.
Рисунок 2.3.2 - Фактические и модельные данные производства сыра в КР, 2002-2018 гг.
Рисунок 2.3.3 - Результаты модели коррекции ошибок ряда приростов производства сыра
Введение
«В настоящее время, несмотря на кризис, молочная отрасль является одной из важнейших и динамично развивающихся отраслей в перерабатывающем секторе экономики Кыргызстана.
На долю молочного производства приходится свыше 21% всей выпускаемой пищевой продукции. Как межотраслевой комплекс, молочная отрасль объединяет несколько отраслей народного хозяйства, оказывая значительное экономическое и социальное влияние на развитие экономики страны в целом.» [1]
У большинства людей молоко является продуктом повседневного потребления. А высокая пищевая ценность молока объясняется тем, что оно содержит в себе все необходимые человеку вещества, которые правильно сбалансированы и легко усваиваются.
Исходя из этого, анализ производства молока и молочной продукции и выявление факторов, влияющих на его изменение, определяют актуальность данной темы.
В качестве объекта исследования выступает производство молока в Кыргызстане с 2002 года по 2018 год. Предметом исследования является динамика производства молока в Кыргызской Республике в период с 2002 по 2018 гг. модель прогнозный прирост производство молоко
Целью данной работы является проведение анализа ежеквартального производства молока в Кыргызской Республике (КР), а также моделирования и последующего прогнозирования.
Для достижения цели были поставлены следующие задачи:
1) Рассмотреть общие характеристики производства молока в Кыргызской Республике: динамику изменения объемов производства и цен, а также основных производителей и покупателей;
2) Проанализировать структуру ряда производства молока;
3) Провести ARIMA, а также построить модель коинтеграции и модель коррекции ошибок без учета III и IV кварталов 2018 года;
4) С помощью ARIMA и ECM моделей и модели коинтеграции спрогнозировать значения двух последних кварталов 2018 года и оценить их.
Глава 1. Рынок молока в КР
1.1 Производство молока в Кыргызской Республике
Рисунок 1.1 - Ежеквартальный объем производства молока в КР, 2002-2018 гг.
Источник: Национальный статистический комитет (НСК) КР
Как видно из графика на рисунке 1.1, объем производства сырого молока в Кыргызстане незначительно увеличивается с каждым годом. На рисунке можно заметить несколько выбросов: резкое уменьшение производства молока в 2008 году, резкое увеличение производства в 2012 году и как следствие, сильное падение производства молока в 2013 году. Скорее всего такие сильные изменения в объеме произведенного молока связаны с мировым кризисом, начавшимся в 2008 году и продолжавшемся аж до 2014 года.
Таблица 1.1 - Объем производства сырого молока в регионах Кыргызстана, тыс. тонн
Наименование показателей |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
|
Баткенская область |
96,3 |
96,3 |
96,6 |
100,5 |
104,0 |
105,6 |
|
Джалал-Абадская область |
306,6 |
311,2 |
318,4 |
329,2 |
337,3 |
347,5 |
|
Иссык-Кульская область |
208,7 |
218,5 |
223,7 |
232,1 |
238,8 |
246,2 |
|
Нарынская область |
120,4 |
123,3 |
124,7 |
126,8 |
129,7 |
133,6 |
|
Ошская область |
292,7 |
303,5 |
310,5 |
316,1 |
321,7 |
328,1 |
|
Таласская область |
76,2 |
76,2 |
76,2 |
75,2 |
75,6 |
75,9 |
|
Чуйская область |
372,5 |
388,1 |
398,2 |
401,8 |
412,7 |
422,9 |
|
г.Бишкек |
0,8 |
0,6 |
0,6 |
0,6 |
0,5 |
0,5 |
|
г.Ош |
6,9 |
7,0 |
7,2 |
7,3 |
7,6 |
7,7 |
Источник: Национальный статистический комитет (НСК) КР
Как указано в таблице 1.1, Чуи?ская область является регионом с самым высоким показателем производства сырого молока, что составляет четверть от общего производства Кыргызстана.
1.2 Внутренний рынок молока в Кыргызской Республике
Таблица 1.2 - Предприятия Кыргызстана, производящие молочную продукцию
Источник: Basic Study for program formulation in daily development and milk industry (Вектор, 2013 год, август)
Как видно из таблицы 1.2, в Чуйской области сконцентрировано больше всего заводов, фабрик и фирм по производству молочной продукции и переработке сырого молока. Можно предположить, что это связано с развитой инфраструктурой и географическим положением Чуйской области, она расположена на границе с Казахстаном.
Основные перерабатывающие предприятия:
· «Бишкек Сут». ««Бишкек Сут» входит в группу компаний PepsiCo и является одним из крупнейших производителей молочной и соковой продукции в Кыргызстане. Завод производит широкий ассортимент молочных продуктов под торговыми марками «Веселый молочник», «Домик в деревне», «BioMax», «Фругурт», «Чудо» - молоко, кефир, творог, сметану, масло, йогурт, молочные десерты.
· «Шин Лайн». Казахстанский лидер рынка мороженного и экспортер на иностранные рынки, в том числе в Кыргызстан.» [2]
· «Кант Сут». «Кант Сут» занимает одно из ведущих мест в молочной промышленности Кыргызстана. Предприятие занимается заготовкой, переработкой и экспортом сырьевого молока и готовой молочной продукции.» [3]
«Сбыт местных молочных продуктов производится через супермаркеты, направленные на слои населения со средним и высоким уровнем дохода, и рынки (базары) для населения со средне-низким уровнем дохода. Среди супермаркетов выделяются относительно большие гипермаркеты, в которых продаются продукты питания, одежда, бытовая техника. В стране есть также широкая сеть супермаркетов среднего и малого размера. Среди населения пользуются популярностью базары, количество которых в России и Казахстане, к примеру, уменьшается. Благодаря доступности цен население Кыргызстана закупает основные продовольственные товары на рынках.» [4]
Глава 2. Моделирование и прогнозирование
В этой главе будет рассмотрена динамика производства молока с 2002 по 2018 гг. Для прогноза будет построена ARIMA-модель и по ней спрогнозирован объем производства молока за 3,4 кварталы 2018 года.
В качестве ряда, подходящего по причинно-следственной связи, будет взят объем производства сыра. Если связь имеется, будет произведен прогноз по модели коинтеграции и по модели коррекции ошибок.
2.1 Динамика производства молока
Рисунок 2.1.1 - Ежеквартальный объем производства молока, 2002-2018 гг.
Источник: НСК КР
Как видно из рисунка 2.1.1, в 2012 году 4 квартале наблюдается резко низкое значение производства молока.
Подтверждений данному выбросу не было найдено, что является причиной для выдвижения допущения о наличии ошибки в данном квартале. Корректируем данную точку с помощью среднего значения двух соседних точек.
Рисунок 2.1.2 - Ежеквартальный объем производства молока, 2002-2018 гг. (с допущением)
Как видно из рисунка 2.1.2, наблюдается возрастающая тенденция объема производства молока. Следовательно, структурного сдвига нет.
Таблица 2.1.1 - Параметризация тренда производства молока
Процент объясненной дисперсии в регрессии равен 76%, из чего следует, что тренд хорошо описывает производство молока.
Таблица 2.1.2 - Коррелограмма производства молока
Экспоненциальное убывание АС и большое значение РАС в первом лаге говорят о наличии тренда в данном временном ряду.
2.2 ARIMA - модель
Прогнозирование объема производства молока будет производиться на основе ARIMA модели. С помощью теста Дикки-Фуллера проверим ряд производства молока на стационарность.
Как видно из таблицы 2.2.1, ряд производства молока является нестационарным. Для приведения ряда к стационарному возьмем ряд приростов.
Динамика прироста объема производства молока становится похожим на стационарный ряд.
Как видно из таблицы 2.2.2, ряд приростов производства молока становится стационарным. Результаты расширенного теста Дикки-Фулера позволяют включить в AR-модель авторегрессии до четвертого порядка включительно.
Часть переменных являются незначимыми, последовательно избавляясь от них, получим следующую итоговую модель:
Таблица 2.2.1 - Тест Дикки-Фуллера для производства молока
Рисунок 2.2.2 - Прирост объема производства молока, 2002-2018 гг.
Таблица 2.2.2 - Тест Дикки-Фуллера для приростов производства молока
Таблица 2.2.3 - Параметризация AR-модели с трендом
Таблица 2.2.4 - Параметризация AR-модели
Полученная модель является состоятельной, так как все переменные описывающие объем производства молока значимы на 10% доверительном интервале.
Из таблицы 2.2.5 можно сделать вывод, что имеет место автокорреляция остатков, однако скользящие средние оказались незначимыми.
Наличие автокорреляции остатков стало причиной получения лучшей ARIMA-модели:
Таблица 2.2.5 - Тест Бреуша-Годфри для AR-модели приростов производства молока
Таблица 2.2.6 - Параметризация ARIMA-модели
В итоговой ARIMA-модели значительно улучшился скорректированный с 25% до 60% по сравнению с AR-моделью, а критерии Акаике и Шварца уменьшились, что является положительным изменением для модели.
где
Рисунок 2.2.3 - Результаты ARIMA-моделирования ряда приростов производства молока
На основании полученной модели были спрогнозированы следующие значения прироста производства молока в 2018 году: за 3й квартал = -1241,72, за 4й квартал=-1433,93.
Как видно из таблицы 2.2.7, ошибка прогноза модели ARIMA(3,1,4) не превысила 15%, что говорит о хорошем качестве прогноза.
Таблица 2.2.7 - Сравнительный анализ фактических и прогнозных данных объема производства молока в 2018 году
квартал |
Фактические значения |
Прогнозные значения |
Разница, % |
|
3 квартал |
10 801,10 |
9 561,08 |
-11,5% |
|
4 квартал |
7 095,50 |
8 127,15 |
+14,5% |
2.3 Коинтеграция и модель коррекции ошибок
Постараемся подобрать для объема производства молока ряд, подходящий по причинной-следственной связи на долговременном интервале. В качестве этого ряда возьмем объем производства сыра, так как сыр производят из молока.
Рисунок 2.3.1 - Ежеквартальный объем производства сыра в КР, 2002-2018 гг.
Источник: НСК КР
Как видно из рисунка 2.3.1, имеет место возрастающая тенденция и сезонность объема производства сыра. Можно сделать предположение о нестационарности данного ряда.
Таблица 2.3.1 - Тест Дикки-Фуллера для производства сыра
Таблица 2.3.2 - Тест Дикки-Фуллера для приростов производства сыра
Результаты теста Дикки-Фулера показали, что ряд является нестационарным, проверим его первую разность.
Ряд приростов уже становится стационарным. Таким образом и объем производства молока, и объем производства сыра имеет первый порядок интеграции.
Таблица 2.3.3 - Параметризация регрессии коинтеграции
Рисунок 2.3.2 - Фактические и модельные данные производства сыра в КР, 2002-2018 гг.
Все переменные данной модели значимы, скорректированный принимает значение 10,66%, а критерии Акайке и Щварца равны 14.
Несмотря на незначительную долю объясненной дисперсии в регрессии, проверим остатки модели на стационарность:
Таблица 2.3.4 - Тест Дикки-Фуллера для остатков модели коинтеграции
Как видно из таблицы 2.3.4, остатки явились стационарными. Делаем вывод: имеется причинно-следственная зависимость между производством молока и сыра на долговременном интервале (2002-2018 гг.)
На основании модели коинтеграции были получены прогнозные значения объема производства сыра в 2018 году:
Таблица 2.3.5 - Сравнение фактических и прогнозных данных объема производства сыра за 2018 год
квартал |
Фактические значения |
Прогнозные значения |
Разница, % |
|
3 квартал |
1 246,8 |
1 033,1 |
-17,1% |
|
4 квартал |
900,7 |
881,5 |
-2,1% |
Прогноз по модели коинтеграции дал неплохие результаты, особенно на 4 квартал 2018 года, где ошибка прогноза составила 2,1%.
Наличие коинтеграции дает нам возможность построить более полную модель - модель коррекции ошибок.
Таблица 2.3.6 - Параметризация модели коррекции ошибок
Как видно из таблицы 2.3.6, ряд переменных, описывающих прирост объемов производства сыра являются незначимыми, последовательно избавляясь от них, получим следующую модель:
Таблица 2.3.7 - Параметризация итоговой модели коррекции ошибок
Модель коррекции ошибок намного лучше описала объем производства сыра, чем модель коинтеграции. Скорректированный вырос с 10% до 85%, а критерии Акаике и Шварца уменьшились с 14 до 13.
где - ошибка между наблюдаемым и полученным по модели коинтеграции значением
Прогноз приростов производства сыра по модели коррекции ошибок выглядит следующим образом: на 3й квартал = 400,42; на 4й квартал = -435,62.
Рисунок 2.3.3 - Результаты модели коррекции ошибок ряда приростов производства сыра
Таблица 2.3.8 - Сравнение анализ фактических и прогнозных данных объема производства сыра по модели коррекции ошибок за 2018 год
квартал |
Фактические значения |
Прогнозные значения |
Разница, % |
|
3 квартал |
1 246,8 |
1 454,5 |
+16,7% |
|
4 квартал |
900,7 |
1 018,9 |
+13,1%% |
Несмотря на то, что модель коррекции ошибок была лучше по показателям скорректированного и критериев Акаике и Шварца, прогноз по модели коинтеграции на 4 квартал 2018 года был намного точнее, однако по модели коррекции ошибок прогноз точнее на 3 квартал 2018 года.
Заключение
С помощью статистических данных, предоставленных НСК КР, был проведен анализ производства молока в КР в период с 2002 по 2018 гг., а также было проведено ARIMA и ECM - моделирование производства молока.
В ходе проведения анализа производства молока были сделаны следующие выводы:
· Количество производимого молока с каждым годом постепенно увеличивается;
· Сильные изменения в объеме произведенного молока связаны с мировым кризисом, начавшимся в 2008 году и продолжавшемся аж до 2014 года.;
· Полученная ARIMA-модель порядка (3,1,4) считается оптимальной. Отклонения спрогнозированных по ней значений III и IV кварталов 2018 года не превысили 15%;
· Была доказана причинно-следственная связь между рядами производства молока и сыра;
· Была построена модель коинтеграции. Отклонения спрогнозированных по ней значений 3 и I4 кварталов 2018 года не превысили 20%;
· Отклонения прогнозируемых по модели коррекции ошибок значений 3 и 4 кварталов 2018 года превысили 20%;
· Модель коррекции ошибок намного лучше описала объем производства сыра, чем модель коинтеграции.
Список использованной литературы
1. Министерство юстиции Кыргызской Республики [Электронный ресурс]// minjust.gov.kg URL: https://minjust.gov.kg (дата обращения: 25.06.2021).
2. Киргизия - Milknews [Электронный ресурс]//milknews.ru
3. URL: https://milknews.ru/longridy/kirgiziya.html (дата обращения: 25.06.2021).
4. Белая река [Электронный ресурс]// belayareka.kg URL: https://belayareka.kg/ru (дата обращения: 25.06.2021).
5. Сбор информации и исследования в области молочного животноводства Кыргызстана [Электронный ресурс]// openjicareport.jica.go.jp URL: https://openjicareport.jica.go.jp/pdf/1000014340.pdf (дата обращения: 25.06.2021).
Размещено на Allbest.ru
Подобные документы
Математическое моделирование задач коммерческой деятельности на примере моделирования процесса выбора товара. Методы и модели линейного программирования (определение ежедневного плана производства продукции, обеспечивающей максимальный доход от продажи).
контрольная работа [55,9 K], добавлен 16.02.2011Сущность и содержание корреляционного и регрессивного анализа, элементарные и индексные методы обработки расчетных данных. Диагностика объема производства и реализации продукции, материальных ресурсов, себестоимости продукции, финансовых результатов.
курсовая работа [1,1 M], добавлен 10.06.2014Основные задачи предприятий агропромышленного комплекса по увеличению производства льнопродукции. Вариация урожайности льносоломки. Влияние производительности и оплаты труда на себестоимость продукции. Индексный анализ изменения валового сбора урожая.
курсовая работа [267,3 K], добавлен 06.12.2013Графическое решение задачи по определению оптимальных суточных объемов производства радиоприемников разной конструкции. Исследование данных моделей на чувствительность с целью оценки предельного возрастания дефицитного ресурса, ведущего к росту прибыли.
задача [195,9 K], добавлен 21.08.2010Анализ исследований в области лечения диабета. Использование классификаторов машинного обучения для анализа данных, определение зависимостей и корреляции между переменными, значимых параметров, а также подготовка данных для анализа. Разработка модели.
дипломная работа [256,0 K], добавлен 29.06.2017Подходы к оценке кредитного риска: недостатки методик Базеля II. Модели оценки: качество и прозрачность методик, структура данных. Скоринговые методики, кластерный и дискриминантный анализ, нейронные сети и дерево классификаций, data mining и регрессии.
курсовая работа [3,3 M], добавлен 21.08.2008Построение многофакторной корреляционно-регрессионной модели доходности предприятия: оценка параметров функции регрессии, анализ факторов на управляемость, экономическая интерпретация модели. Прогнозирование доходности на основе временных рядов.
дипломная работа [5,1 M], добавлен 28.06.2011Характеристика и прогноз развития Ленинградской области: демография, промышленность. Исследование показателей объема произведенного ВРП, собственных доходов бюджета, инвестиций, промышленного производства с помощью методов регрессионного анализа.
курсовая работа [432,7 K], добавлен 21.08.2008Схема блоков модели Карааслана, система дифференциальных уравнений, методы решения. Блоки и биохимические законы системы Солодянникова, переход между фазами. Моделирование патологий, графики экспериментов. Построение комплексной модели гемодинамики.
дипломная работа [4,1 M], добавлен 24.09.2012Анализ динамических процессов в системе на основе использования построенной аналитической модели. Моделирование с использованием пакета расширения Symbolic Math Tolbox. Построение модели в виде системы дифференциальных уравнений, записанных в форме Коши.
курсовая работа [863,4 K], добавлен 21.06.2015