Πανεπιστήμιο Πελοποννήσου Σχολή Επιστημών Διοίκησης και Οικονομίας Τμήμα Οικονομικών Επιστημών Τρίπολη 22 100 Τηλέφωνο: 2170-230128 (Γραμματεία), 2710-230132 Φαξ: 2710-230139 thomakos@uop.gr

Δημήτρης Δ. Θωμάκος Αναπληρωτής Καθηγητής Εφαρμοσμένη Οικονομετρία

Πίσω στην ιστοσελίδα του μαθήματος

Τελευταία ανανέωση: 12/05/2008

Ανάλυση Χρονολογικών Σειρών

Ακαδημαϊκό έτος 2007-2008 Εαρινό Εξάμηνο

Ώρες διδασκαλίας: Τετάρτη και Πέμπτη 17.00-19.00

Ώρες γραφείου: Τετάρτη 19.00-20.00 και κατόπιν συνεννόησης

Project Τάξης

1. Σύνοψη. Στην εργασία αυτή θα εργαστείτε ως ομάδα και είναι επομένως απαραίτητο να μπορείτε να συνεργάζεστε. Θα αποφασίσετε μεταξύ σας για το πώς θα μοιράσετε τα διάφορα καθήκοντα. Το θέμα της εργασίας είναι η δημιουργία μιας βάσης δεδομένων για χρηματοοικονομικές χρονολογικές σειρές, η συστηματική ανάλυσή τους, η δημιουργία προβλέψεων για την μελλοντική εξέλιξή τους και η χρήση των υποδειγμάτων και προβλέψεων που θα κάνετε για εικονικές συναλλαγές.

2. Οδηγίες. Για την εργασία θα δουλέψετε σε βήματα, τα οποία δίνονται παρακάτω. Οι οδηγίες θα ανανεώνονται ανάλογα με την πρόοδο της εργασίας.

a. Συλλογή δεδομένων. Για τα δεδομένα σας θα χρησιμοποιήσετε την σελίδα της εφημερίδας Ναυτεμπορική http://www.naftemporiki.gr/. Βρείτε τους συνδέσμους, στο αριστερό μέρος της αρχικής σελίδας κάτω από τον τίτλο Αγορές, για τα Εμπορεύματα και το Πετρέλαιο. Επιλέξτε και τις δύο κατηγορίες και από κάθε κατηγορία επιλέξτε τις εξής σειρές:

i. Κατηγορία Εμπορευμάτων: Αλουμίνιο (σειρά AL-ALLOY), Ζάχαρη (σειρά SUG-RCANE-EU), Καφές (σειρά COFCO-ARA-ICO), Πολύτιμα μέταλλα (σειρές XAU-B-HH, XAG-HH), Ναυλάριθμοι (σειρά BACI).

ii. Κατηγορά Πετρέλαιο: σειρές BRT- και WTC-.

b. Αποθήκευση και δημιουργία βάσης δεδομένων. Για κάθε μια από τις παραπάνω σειρές κατεβάστε και αποθηκεύστε εβδομαδιαία δεδομένα για την μέγιστη δυνατή ιστορική διάρκεια (πρέπει να είναι 5 χρόνια) σε ξεχωριστά φύλλα του Excel. Μετά δημιουργήστε μια ενιαία βάση δεδομένων που θα περιλαμβάνει όλες τις σειρές σε στήλες ενός φύλλου του Excel. Η πρώτη στήλη κάθε φύλλου πρέπει να έχει την ημερομηνία και να ακολουθούν οι στήλες με τις τιμές των δεδομένων. ΠΡΟΣΟΧΗ: (α) βεβαιωθείτε ότι, στην βάση δεδομένων που θα δημιουργήσετε που θα περιλαμβάνει όλες τα δεδομένα από όλες τις σειρές, οι ημερομηνίες διαφορετικών σειρών ταιριάζουν μεταξύ τους, (β) εάν δεν μπορείτε να βρείτε τις τελευταίες διαθέσιμες τιμές για τις σειρές αυτές όταν επιλέγεται εβδομαδιαία συχνότητα τότε επιλέξτε ημερήσια συχνότητα για να τις βρείτε.

c. Ανανέωση της βάσης δεδομένων. Κάθε εβδομάδα θα πρέπει να ανανεώνετε την βάση δεδομένων με τις καινούριες τιμές που θα είναι διαθέσιμες. ΠΡΟΣΟΧΗ: βεβαιωθείτε ότι ανανεώνετε την βάση δεδομένων με στοιχεία που να αντιστοιχούν στην ίδια ημέρα της εβδομάδας για την οποία έχετε αποθηκεύσει και τα ιστορικά δεδομένα σας.

d. Αποθήκευση της βάσης δεδομένων σε μορφή αρχείου .csv. Κάθε φορά που ανανεώνετε την βάση δεδομένων να την αποθηκεύετε και σε μορφή αρχείου .csv για να μπορείτε να εισάγετε τα δεδομένα στην R για ανάλυση.

e. Γραφική Απεικόνιση και υπολογισμοί τάσεων. Εισάγετε τα δεδομένα σας (από το αρχείο τύπου .csv) στην R. Σε ένα αρχείο κειμένου εισάγετε τις κατάλληλες εντολές της R και δημιουργήστε γραφήματα για τις τιμές κάθε σειράς και τους λογαρίθμους των τιμών κάθε σειράς. Υπολογίστε την γραμμή τάσης που αντιστοιχεί σε κάθε σειρά και προσθέστε την στα γραφήματά σας graphs_and_trends.R . Σε ένα ξεχωριστό αρχείο κειμένου αποθηκεύστε τις εκτιμήσεις των γραμμών τάσης που υπολογίσατε. Αποθηκεύστε το αρχείο αυτό με το όνομα trend_results.out .

f. Πειραματισμοί με προβλέψεις πολυωνυμικών τάσεων και υποδείγματος τυχαίου βαδίσματος. Το ανανεωμένο αρχείο με τα δεδομένα σας είναι εδώ και το ανανεωμένο αρχείο με τις συναρτήσεις χρήστη είναι εδώ. Χρησιμοποιείστε τα για να κάνετε σωστά το (e) ανωτέρω καθώς και τα εξής:

i. Κατεβάστε το πρώτο αρχείο με εντολές για το project. Κάντε κλικ εδώ για να δείτε το πρώτο αρχείο με εντολές που συνδυάζουν τις συναρτήσεις χρήστη και την μεθοδολογία προβλέψεων που είδαμε μέχρι τώρα. Μελετήστε το και επαναλάβετε χρησιμοποιώντας όλες τις σειρές. Αποθηκεύστε τα αποτελέσματά σας στο αρχείο preliminary_forecasts.out .

ii. Χρησιμοποιήστε διαφορετικές τιμές για το trend.degree και h.ahead και δείτε για ποιες τιμές το υπόδειγμα της πολυωνυμικής τάσης δίνει καλύτερες προβλέψεις από το υπόδειγμα του τυχαίου βαδίσματος. Σχολιάστε μεταξύ σας τα αποτελέσματα και αποθηκεύστε τα στα ατομικά ημερολόγια του project.

g. Πειραματισμοί με προβλέψεις υποδειγμάτων κατηγορίας ARIMA(p,d,q). Το ανανεωμένο αρχείο με τις συναρτήσεις χρήστη είναι εδώ. Χρησιμοποιείστε τα για να κάνετε σωστά τα (e) και (f) ανωτέρω καθώς και τα εξής:

i. Κατεβάστε το δεύτερο αρχείο με εντολές για το project. Κάντε κλικ εδώ για να δείτε το δεύτερο αρχείο με εντολές που συνδυάζουν τις συναρτήσεις χρήστη και την μεθοδολογία προβλέψεων που είδαμε τελευταία (ARIMA). Μελετήστε το και επαναλάβετε χρησιμοποιώντας όλες τις σειρές. Αποθηκεύστε τα αποτελέσματά σας στο αρχείο arima_forecasts.out .

ii. Χρησιμοποιήστε διαφορετικές τιμές για το p.order, d.order, q.order, dolog και h.ahead και δείτε για ποιες τιμές το επιλεγμένο υπόδειγμα ARIMA δίνει καλύτερες προβλέψεις από τα υποδείγματα τάσης και τυχαίου βαδίσματος. Σχολιάστε μεταξύ σας τα αποτελέσματα και αποθηκεύστε τα στα ατομικά ημερολόγια του project.

h. Πειραματισμοί με προβλέψεις υποδειγμάτων κατηγορίας ARIMA(p,d,q) και πολυωνυμικής τάσης: σύγκριση προβλεπτικών υποδειγμάτων με μεθοδολογία κυλιόμενου δείγματος (rolling sample evaluation). Το ανανεωμένο αρχείο με τις συναρτήσεις χρήστη είναι εδώ. Χρησιμοποιείστε τα για να κάνετε σωστά τα (e), (f) και (g) ανωτέρω καθώς και τα εξής:

i. Κατεβάστε το τρίτο αρχείο με εντολές για το project. Κάντε κλικ εδώ για να δείτε το τρίτο αρχείο με εντολές που συνδυάζουν τις συναρτήσεις χρήστη και την μεθοδολογία αξιολόγησης και σύγκρισης προβλεπτικών υποδειγμάτων που είδαμε τελευταία. Μελετήστε το και επαναλάβετε χρησιμοποιώντας όλες τις σειρές. Χρησιμοποιήστε διαφορετικές τιμές για το p.order, d.order, q.order και dolog και δείτε για ποιες τιμές τα επιλεγμένα υποδείγματα ARIMA και τάσης δίνουν καλύτερες προβλέψεις από το υπόδειγμα του τυχαίου βαδίσματος. Αποθηκεύστε τα αποτελέσματά σας στο αρχείο forecast_comparison.out .

ii. Σχολιάστε μεταξύ σας τα αποτελέσματα και αποθηκεύστε τα στα ατομικά ημερολόγια του project.