GRETL: Вопросы и ответы.

[JoeBlack]

Прочитал, то есть мы используем этот фильтр чтобы выделить тренд?

[Hogfather]

Сообщение от JoeBlack

Прочитал, то есть мы используем этот фильтр чтобы выделить тренд?

Отделить тренд от циклических колебаний. Дальше, мы можем работать с колебаниями и пытаться их как-то объяснить привлекая для этого другие переменные, например.

[JoeBlack]

Спасибо! Понял

[Hogfather]

JoeBlack, обратите внимание, что называются они "циклическими" в честь модели реального делового цикла, поскольку старина Прескотт приложил к ней руку. Фактически, любой фильтр в статистике (ну, эконометрике) работает как "шумодав" на магнитофоне, т.е. "срезает" "лишнее". И этот "цикл", на самом деле ни что иное как колебания относительно тренда. Есть ли там на самом деле цикл, или это просто гаусовский шум, вот тут собака и порылась.

На картинке представлен вес тушки после применения фильтра как сумма двух компонентов.



А дальше можно уже делать с этим всё, что захочешь...

[glory]

Добрый день! Подскажите, пожалуйста, если были произведены расчеты в гретл (построена модель, которая описывает зависимость цен акций от факторов), были взяты данные за 5 лет. Возможно ли как-то сделать тоже самое в R?

[Hogfather]

Сообщение от glory

Возможно ли как-то сделать тоже самое в R

Можно. Для более конкретного ответа на Ваш вопрос нужно знать, что за модель. Раз упоминаются "факторы", предположу, что некая простенькая аддитивная моделька, построенная с помощью КМНК. Если это так, то самый разумный вариант, в Вашем случае, это прямо из Gretl запустить анализ в R, тогда таблица данных Gretl будет доступна как data frame R. Далее, иcпользуем lm. Но, вообще то, телепатия не мой конёк...

[glory]

Вообще для меня меня R- это что-то новое и не совсем понятное, к сожалению..

[Hogfather]

glory, самый простой вариант: Меню Gretl Инструменты->Запустить GNU R
Насколько я понял, мы строим линейную модель зависимость стоимость акций Газпрома от фазы луны и обильности цветения сакуры индекса ртс,цены на нефть,медь,никель и темпы инфляции. Вида:



Далее вот такое колдунство для газпромовских акций (на самом деле это малая часть необходимой работы и не совсем корректная, но мы решаем именно поставленную задачу, какой бы идиотской она не была)

R version 3.0.3 (2014-03-06) -- "Warm Puppy"
Copyright (C) 2014 The R Foundation for Statistical Computing
Platform: i386-w64-mingw32/i386 (32-bit)

R -- это свободное ПО, и оно поставляется безо всяких гарантий.
Вы вольны распространять его при соблюдении некоторых условий.
Введите 'license()' для получения более подробной информации.

R -- это проект, в котором сотрудничает множество разработчиков.
Введите 'contributors()' для получения дополнительной информации и
'citation()' для ознакомления с правилами упоминания R и его пакетов
в публикациях.

Введите 'demo()' для запуска демонстрационных программ, 'help()' -- для
получения справки, 'help.start()' -- для доступа к справке через браузер.
Введите 'q()', чтобы выйти из R.

current data loaded as ts object "gretldata"
> summary(gretldata)
      med_          neft_            nikel_      temp_inflyacii   
 Min.   :3096   Min.   : 43.60   Min.   : 9664   Min.   :-0.2000  
 1st Qu.:6787   1st Qu.: 75.42   1st Qu.:17033   1st Qu.: 0.4000  
 Median :7674   Median :102.53   Median :18784   Median : 0.6000  
 Mean   :7331   Mean   : 93.68   Mean   :19259   Mean   : 0.6607  
 3rd Qu.:8377   3rd Qu.:111.72   3rd Qu.:22524   3rd Qu.: 0.8000  
 Max.   :9932   Max.   :134.67   Max.   :31412   Max.   : 2.4000  
   index_RTS         GAZPROM           VTB              lukoil      
 Min.   : 552.9   Min.   :109.5   Min.   :0.02230   Min.   : 915.8  
 1st Qu.:1377.6   1st Qu.:153.4   1st Qu.:0.05360   1st Qu.:1637.3  
 Median :1488.2   Median :170.8   Median :0.06760   Median :1734.4  
 Mean   :1469.1   Mean   :180.3   Mean   :0.06655   Mean   :1723.0  
 3rd Qu.:1663.3   3rd Qu.:190.2   3rd Qu.:0.08300   3rd Qu.:1865.7  
 Max.   :2368.2   Max.   :350.4   Max.   :0.10860   Max.   :2486.7  
    Rosneft           Sber       
 Min.   :102.7   Min.   : 15.92  
 1st Qu.:199.3   1st Qu.: 69.39  
 Median :216.4   Median : 83.22  
 Mean   :212.3   Mean   : 76.17  
 3rd Qu.:242.0   3rd Qu.: 94.60  
 Max.   :276.2   Max.   :106.67  

> (mymdl<-lm(GAZPROM~med_+neft_+nikel_+temp_inflyacii+index_RTS,data=gretldata))

Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + temp_inflyacii + 
    index_RTS, data = gretldata)

Coefficients:
   (Intercept)            med_           neft_          nikel_  temp_inflyacii  
      72.20475        -0.04172         0.75553         0.00426         5.67656  
     index_RTS  
       0.17518  

> summary(mymdl)

Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + temp_inflyacii + 
    index_RTS, data = gretldata)

Residuals:
    Min      1Q  Median      3Q     Max 
-38.888  -8.992   1.062  10.404  42.735 

Coefficients:
                Estimate Std. Error t value Pr(>|t|)    
(Intercept)    72.204745  13.543421   5.331 1.88e-06 ***
med_           -0.041722   0.004309  -9.682 1.75e-13 ***
neft_           0.755526   0.265892   2.841  0.00629 ** 
nikel_          0.004260   0.001336   3.190  0.00235 ** 
temp_inflyacii  5.676555   4.785283   1.186  0.24062    
index_RTS       0.175181   0.019642   8.919 2.85e-12 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 17.87 on 55 degrees of freedom
Multiple R-squared:  0.8874,    Adjusted R-squared:  0.8772 
F-statistic: 86.68 on 5 and 55 DF,  p-value: < 2.2e-16

> mymdl<-lm(GAZPROM~med_+neft_+nikel_+index_RTS,data=gretldata)
> summary(mymdl)

Call:
lm(formula = GAZPROM ~ med_ + neft_ + nikel_ + index_RTS, data = gretldata)

Residuals:
    Min      1Q  Median      3Q     Max 
-38.033  -9.770   1.537  11.426  44.154 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept) 79.343476  12.177017   6.516 2.18e-08 ***
med_        -0.042534   0.004270  -9.962 5.25e-14 ***
neft_        0.716556   0.264812   2.706  0.00901 ** 
nikel_       0.004313   0.001340   3.220  0.00214 ** 
index_RTS    0.178721   0.019485   9.172 9.50e-13 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 17.93 on 56 degrees of freedom
Multiple R-squared:  0.8845,    Adjusted R-squared:  0.8763 
F-statistic: 107.2 on 4 and 56 DF,  p-value: < 2.2e-16

> plot(mymdl)
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
Ожидаю подтверждения смены страницы...
> acf(residuals(mymdl))
> shapiro.test(residuals(mymdl))

        Shapiro-Wilk normality test

data:  residuals(mymdl)
W = 0.9872, p-value = 0.7735

> confint(mymdl)
                   2.5 %        97.5 %
(Intercept) 54.949980653 103.736971652
med_        -0.051087670  -0.033981323
neft_        0.186073890   1.247038288
nikel_       0.001629704   0.006997085
index_RTS    0.139688795   0.217753466
>

Sapienti Sat.

P.S. На ACF гляньте...

Во вложении - те же данные в формате R.
Их можно распаковать и загрузить командой

> load("gretldata.Rda")

Кстати, это делается и в Gretl. Не вижу проблемы. Модель МНК возьмите, зависимая -- Газпром

Модель 1: МНК, использованы наблюдения 2008:03-2013:03 (T = 61)
Зависимая переменная: GAZPROM

 	Коэффициент	Ст. ошибка	t-статистика	P-значение	
const	72.2047	13.5434	5.3314	<0.00001	***
med_	-0.0417215	0.00430908	-9.6822	<0.00001	***
neft_	0.755526	0.265892	2.8415	0.00629	***
nikel_	0.00426035	0.00133558	3.1899	0.00235	***
temp_inflyacii	5.67656	4.78528	1.1863	0.24062	
index_RTS	0.175181	0.0196422	8.9186	<0.00001	***

Среднее зав. перемен	 180.2721		Ст. откл. зав. перемен	 50.98461
Сумма кв. остатков	 17563.58		Ст. ошибка модели	 17.87002
R-квадрат	 0.887388		Испр. R-квадрат	 0.877151
F(5, 55)	 86.68078		Р-значение (F)	 8.09e-25
Лог. правдоподобие	-259.2679		Крит. Акаике	 530.5357
Крит. Шварца	 543.2010		Крит. Хеннана-Куинна	 535.4994
Параметр rho	 0.721135		Стат. Дарбина-Вотсона	 0.579789

[JoeBlack]

Добрый вечер! Подскажите пожалуйста как сделать следующую процедуру:
есть модель AR(1) Yt=fi*Yt-1+Ut
Есть вектор ошибок, fi=2, задаю Y0=U0, хочу построить вектор Yt.

Подскажите пожалуйста можно ли это сделать при помощи стандартных комманд или как это можно сделать при помощи скрипта?

[Hogfather]

JoeBlack, честно говоря, я не понял, что Вам нужно (цель данного мероприятия) и на кой вам сдался этот вектор ошибок (вы их считаете детерминированными что ли?), но предположу, что Вам требуется симуляция AR(1) средствами gretl.

В R симуляция AR(1) делается так:

> set.seed(1)
> fi<-2
> x = e = rnorm(100)
> for (t in 2:100) x[t] = fi*x[t-1] + e[t]

Аналог этого в gretl выглядит где-то вот так (обычно, я не пишу скрипты в gretl, предпочитаю R):

nulldata 100
set seed 1
fi=2
genr y = normal()
genr e = y

loop t=2..100
    y[t]=fi*y[t-1]+e[t]    
endloop

Если это не то, что хотелось услышать, переформулируйте вопрос.