Файл: Варианты контрольной работы.docx

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 04.05.2024

Просмотров: 98

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Варианты контрольной работы

Примеры решения задач

2. Регрессионный анализ. Регрессионный анализ есть статистический метод исследования зависимости случайной величины Y от переменных X j(j=1,2,...k), рассматриваемых в регрессионном анализе как kнеслучайных величин, независимо от истинного закона распределения Xj . YОбычно предполагается, что случайная величина Y имеет нормальный закон распределения с условным математическим ожиданием  (X1,X2 ,...,Xk), являющимся функцией от аргументов Xj, и постоянной, не зависящей от аргументов дисперсией 2 . Пусть из генеральной совокупности (Y,X1 ,X2 ,...,Xk)берется выборка Yобъемом n(yi,x1i,x2i,...,xkn)i 1,k. Требуется по выборке найти оценку уравнений регрессии  (X1,X2 ,...,Xk)и исследовать его свойства. Вид функции выбирают заранее, наиболее часто встречающиеся: Y Линейная  0 1X1 2 X2 ...kXk; Полиномиальная     X  X2 ... Xk; Y 0 1 2 k Степенная (логарифмически-линейная)    X1  X2 ...XK Y 0 1 2 k Линейная двумерная модель. Необходимо найти оценку двумерного линейного уравнения регрессии:Y 0  1X y b0  b1x ei. (1)Для оценки неизвестных параметров 0 и 1 из двумерной генеральной совокупности (X,Y)берется выборка объемом n, где ( yi,xi) результат i-того наблюдения ( i 1,2,...,n). Оценку 0 и 1 производится с помощью метода наименьших квадратов (МНК).Согласно МНК, в качестве оценок неизвестных параметров 0 и 1 следует братьтакие значения выборочных характеристик b0 и b1 , которые минимизируют сумму квадратов отклонений: nQ (y b bx)2  min.  i 0 1 i  i1 0 1Исследуя функцию Qна минимум, получим:  Q 0 Q 2(y b bx) 0 b bi 0 1 i b0n b1 xi  yi   0  0  2(2)  Q 0Q 2(y b bx)x 0 b0  xi b1 xi  yixi bbi 0 1 i i  1  1 i i i i;Решая эту систему уравнений, например, методом Крамера получаем: b0  yi x2   x xyb1 nxiyixiyi(3) i i i in x2  ( x)2 n x2  ( x)2 ????Оценка ????2 остаточной дисперсии 2 имеет вид: ????2 = 1∑????(????− ????− ???? ???? )2(4) ???? ????−2????=1 ????0 1 ???? Проверказначимостиинахождениеинтервальныхоценоккоэффициентоврегрессии Для проверки соответствия уравнения регрессии экспериментальным данным. В MS Excel для этих целей рассчитывается Значимость F. Если Значимость F < α. принятого в задаче, то модель соответствует экспериментальным данным. Для проверки значимости коэффициентов регрессии В MS Excel для этих целей рассчитывается P-значение. Если Р-значение < α. принятого в задаче, то коэффициент регрессии значим.Если значим коэффициент регрессии b1, то значимо и уравнение регрессии. Линейная множественная модель. Рассмотрим общий случай линейной регрессии, когда условное математическое Y ожидание есть функция kпеременных: Y 0 1X1 2 X2 ...kXk. В матричном виде это уравнение примет вид: Y X , где Y- вектор-столбец наблюденийразмерности ( n  1); X- матрица факторных признаков размерности ( n  ( k  1));  - вектор неизвестных параметров размерности ((k 1) 1).Оценка МНК вектора  имеет вид:b XT X1 XT Y, где XT- транспонированная матрица Х, XT X1 - матрица, обратная матрице XT X.Несмещенная оценка остаточной дисперсии: ????2 = 1(???? − ????????)????(???? − ????????), ???? ????−????−1ПримеррешениязадачилинейнойдвумернойрегрессииНа основании выборочных данных по 20 туристическим фирмам о затратах на рекламу (Х) и количества туристов, воспользовавшихся услугами фирмы (Y), представленных в таблице, вычислить статистические характеристики двумерной линейной регрессионной модели. Определите соответствие модели экспериментальным данным и значимость регрессионной модели. Определите доверительные интервалы коэффициентов регрессии. Уровень значимости равен 5%. X 8,1 8,2 8,6 9,2 9,4 9,5 9,8 9,9 10,1 10,3 Y 800 850 720 850 800 880 950 820 900 1000 X 10,4 10,5 10,6 11,2 11,3 11,7 11,9 12,4 12,5 12,7 Y 920 1060 950 900 1200 1150 1000 1200 1100 1000 Решение:Построение уравнения линейной регрессии. Для построения линейной регрессии воспользуемся макрофункцией Регрессия (рис. 1). Для макрофункции Регрессия важно, чтобы группирование переменных было по столбцам.Входные интервалы переменных Х и Y вводим вместе с названиями и ставим флажок в поле Метки, чтобы показать, что в первой строке стоят названия переменных. Отмечаем выходной интервал и ставим флажок в графике подбора, на котором отображается корреляционное поле, включающее экспериментальные данные и регрессионную модель. Рис. 1. Макрофункция Регрессия.Выходной интервал содержит 3 таблицы (рис. 2). В первой таблице отражается коэффициент корреляции ρ, коэффициент детерминации R2, нормированный коэффициент детерминации ????2 и стандартная ошибка ???? .норм ???? Рис. 2. Нахождение линейной регрессии.Во второй таблице проводится анализ соответствия модели экспериментальным данным. В третьей таблице представлена информация о коэффициентах регрессии, их значимости и доверительных интервалах.Выводы: норм????2 <0.7 связь между переменными слабая.  ????е=85,07. Значимость F< 0,05, следовательно, модель соответствует экспериментальным данным. Р-значение для коэффициента b0 больше α=0,05, следовательно, коэффициент незначим. Р-значение для коэффициента b1 меньше α=0,05, следовательно, коэффициент значим. Значимость коэффициента b1 свидетельствует о значимости регрессионной модели. Уравнение регрессии имеет вид: ????̃ = 139,29 + 78,08????  Доверительные интервалы ????0 ∈ [−171,54; 450,11] и ????1 ∈ [48,48; 107,68]Примеррешениязадачимножественной линейнойрегрессии.В таблице приведены результаты работы 27 предприятий:

3. Задачи линейного программирования.

4. Двойственные задачи линейного программирования

3. Двумерные задачи линейного программирования

Инвестиционный анализ. Сравнение инвестиционных проектов

Практические задания

Регрессионный анализ

Задачи линейного программирования.

Двойственные задачи линейного программирования

Транспортная задача.

Составление инвестиционной программы

Решение задачи в условиях риска.
Следовательно, по критерию доходности наилучшим решением является А3, это же решение является наилучшим по критерию риска. Совпадения бывают редко, поэтому для наглядности можно построить диаграмму Парето:



Рис. 14. Диаграмма Парето.

Анализ диаграммы показывает, что наилучшим решением действительно является решение А3.

    1. 1   2   3   4   5   6   7   8   9   10   ...   21

Инвестиционный анализ. Сравнение инвестиционных проектов


Сравнение инвестиционных проектов проводят на основе традиционных показателей эффективности инвестиций, приведённых в таблице:

Показат ель

Формула расчета

Область применения

Достоинства

Недостатки

NPV

NPV PV(CF)
Критерий отбора: NPV max

Оценка любых

проектов с заданными сроками начала и завершения

Показывает величину добавленной проектом рыночной стоимости компании. Устойчив при различных исходных условиях. Обладает свойством аддитивности

Оказывается, недостаточным критерием в условиях

несовершенного рынка, в случае непрерывно возобновляющихся проектов и для сопостав- ления проектов с разными сроками жизни

Показат ель

Формула расчета

Область применения

Достоинства

Недостатки

IRR

Ставка дисконта, при которой выполняется равенство

NPV 0

Критерий отбора: IRR max

Оценка проектов с классическими денежными потоками (сначала инвестиции, потом доходы)

Оценивает граничную доходность проекта, делящую проекты на приемлемые и нет. Не зависит от выбранной ставки дисконта

Наличие множества или ни одной IRR в неклассических проектах. Неэффективен при сравнении проектов разных масштабов и взаимоисключающих проектов. Не обладает свойством аддитивности

PI

PI PV(OCF)

PV(Inv)
Критерий отбора:

PI max

Оценка проектов разного масштаба

Отражает относительную привлекательность проекта. Используется для ранжирования проектов, требующих различной величины инвестиций

Не учитывает величину стоимости, добавленную проектом. Неэффективен при анализе

взаимозависимых проектов и проектов, имеющих разные сроки жизни

DPP

Срок, при котором выполняется равенство:

PV(OCF)

PV(Inv) Критерий отбора:

DPP min

Оценка проектов с неоправданно растянутыми сроками получения доходов

Позволяет отбраковать проекты со сроками жизни, близкими пери- оду амортизации капиталовложений

Зависит от ставки дисконтирования. Не учитывает денежные потоки за пределами срока окупаемости

ECF

ECF NPV

an,i

Критерий отбора:

ECF max

Оценка проектов с разными сроками жизни

Позволяет оценить экономически целесообразный срок эксплуатации.

Корректен в учете реинвестирования полученных доходов

Не учитывает величину стоимости, добавленную проектом. Дает правильную оценку только в сочетании с NPV.


где PV(CF) приведённая стоимость денежного потока;

PV(ОCF) приведённая стоимость операционного денежного потока без первоначальных инвестиций;

PV(Inv) приведённая стоимость инвестиций:

an,i коэффициент приведения, равный an,i

срок жизни проекта.

1 (1 i)ni
, i ставка дисконтирования, n

Примеррешениязадачи.Сравнить инвестиционные проекты. Финансирование инвестиций планируется смешенное, причем 70% заемные средства (ставка по кредиту 14,5%) и 30% акционерный капитал с гарантированной доходностью 18,5%. Налоговая ставка на прибыль 20%. Ставка рефинансирования 7%.

Проект А

-1300

600

500

500

400

400

Проект В

-1500

500

500

700

800

800

Решение:

Рассчитаем ставку отсечения:

i 0,185 0,3 [(1,1 0,07 (1 0,2) (0,1451,1 0,07)] 0,7 14,622%

Для расчёта показателей эффективности воспользуемся шаблоном Инвестиционный анализ (Рис. 1 – 2).




Рис. 1. Инвестиционный анализ проекта А.




Рис. 2. Инвестиционный анализ проекта В.

Сравнительный
анализ показывает:

Проект

NPV

PI

IRR

EA

DPP

Ошибка в определении будущих доходов

Среднее

А

2

1

1

2

1

2

1,33

В

1

1

2

1

2

1

1,5


Следовательно, проект А является более предпочтительным.


    1. Инвестиционный анализ. Составление инвестиционной программы Пример решения задачи. Провести анализ инвестиционных проектов:

А

-200000

-30000
















100000

70000 80000 100000







В

4.01.2000

30.12.00

30.12.01 30.12.02

30.12.03

30.12.04




-400000

100000

150000 150000

150000

150000

C

-300000

-50000
















200000

150000 110000

40000




D

10.06.99

30.12.99

30.12.00 30.12.01

30.12.02







-300000

-100000
















200000

200000 100000

50000




E

-250000

-100000

180000 200000

220000





Акционерное предприятие. Гарантированная доходность по акциям 18%. Рассчитать все характеристики капиталовложений и сделать вывод, если известно, что 30% покрываются с помощью кредита, ставка по кредиту 22%. В предположении ограничении средств 900 тыс. руб., выбрать необходимые проекты для инвестирования, если С и D нельзя реализовать частично и D и E взаимозависимы, а А и В взаимозаменяемы.
Решение:

Рассчитаем ставку отсечения:

iD 1,1 RE(1T) (kD 1,1 RE)

i 0,18 0,7 [(1,1 0,07 (1 0,2) (0,22 1,1 0,07)] 0,3 18,74%
Для расчёта показателей эффективности воспользуемся шаблоном Инвестиционный анализ (Рис. 1).



Рис. 1. Инвестиционный анализ проекта А.
Значение NPV или NPV (точно) для инвестиционных проектов с конкретными датами и современную стоимость инвестиций каждого проекта переносим в таблицу листа Линейная оптимизация:


Список проектов



NPV

Требуемые
инвестиции

K


Целевая функция

NPV*X


Функция ограничений

K*X


Переменные целевой

функции Х

Проект А

5642,616

189716,6123

0

0




Проект B

20389,12

336876,1475

0

0




Проект C

15625,52

288121,3415

0

0




Проект D

35481,62

323585,5723

0

0




Проект E

19876,83

281476,0539

0

0