• Вступ.
  • Глава 1.
  • Глава 2.
  • Висновок.
  • Список використаної літератури.
  • Додатки.


  • Дата конвертації24.03.2017
    Розмір57.97 Kb.
    Типкурсова робота

    Скачати 57.97 Kb.

    Моделювання та прогнозування цін на бензин 2007

    МІНІСТЕРСТВО ОСВІТИ РФ

    Сибірський федеральний університет

    ІНСТИТУТ ПРИРОДНИХ І ГУМАНІТАРНИХ НАУК

    ЕКОНОМІЧНИЙ ФАКУЛЬТЕТ

    Курсова робота:

    Моделювання та прогнозування цін на бензин

    Зміст

    Вступ

    Глава 1

    1.1 Російський ринок бензину. Зростання цін на бензин

    1.2. Обґрунтування можливості застосування статистичних методів для моделювання і прогнозування цін на бензин

    глава 2

    2.1. Попередня обробка даних

    2.2. Побудова трендової моделі. Прогнозування за допомогою трендового моделі

    2.3. Побудова регресійних моделей. Прогнозування за допомогою регресійних моделей

    висновок

    Список використаної літератури

    додатки


    Вступ.

    Значення бензину як основного виду палива на сьогоднішній день складно переоцінити. І настільки ж складно переоцінити вплив його ціни на економіку будь-якої країни. Від динаміки цін на паливо залежить характер розвитку економіки країни в цілому. Підвищення цін на бензин викликає збільшення цін на промислові товари, призводить до посилення інфляційних витрат в економіці і зниження рентабельності енергоємних виробництв. Витрати на нафтопродукти є однією із складових частин цін товарів споживчого ринку, а транспортні витрати впливають на структуру ціни всіх без винятку споживчих товарів і послуг.

    Особливого значення набуває питання вартості бензину в розвивається російської економіки, де будь-яка зміна цін викликає негайну реакцію у всіх її галузях. Однак вплив цього фактора не обмежується тільки сферою економіки, до наслідків його коливань можуть бути також віднесені багато політичні та соціальні процеси.

    Таким чином, дослідження і прогнозування динаміки даного показника набуває особливої ​​значущості.

    Метою даної роботи є виявлення факторів, які безпосередньо впливають на зміну цін на бензин і прогнозування цін на паливо на найближчий час.


    Глава 1.

    1.1 Російський ринок бензину. Зростання цін на бензин.

    Російський ринок бензину складно назвати постійним або передбачуваним. І цьому є безліч причин, починаючи з того факту, що сировиною для виробництва пального є нафта, ціни і обсяг виробництва якої визначаються не тільки попитом і пропозицією на внутрішніх і зовнішньому ринках, а й політикою держави, а також спеціальними угодами компаній-виробників. В умовах сильної залежності російської економіки від вироблення нафти і обсягу продажу її за кордон, внутрішній ринок нафтопродуктів неминуче гостро реагує на будь-які зміни на ринку сировини. І кажучи про ціни на бензин не можна не відзначити їх тенденцію до зростання. Незважаючи на проведену державою стримуючу політику, звичним для більшості споживачів є саме їх зростання.

    «Ціна на бензин в Росії (за вирахуванням акцизів) - це експортна ціна мінус експортні мита і витрати з транспортування нафтопродуктів. При зростанні цін на них в Європі відбувається аналогічне зростання і в Росії », - говорить аналітик ІК« Трійка Діалог »Владислав Метн. На його думку, незважаючи на зростання переробки нафти всередині країни і зниження рентабельності її експорту, зв'язок між цінами в Європі і Росії повністю розірвати не можна. Заввідділом цін і регіональних ринків нафтопродуктів ІЦ «Кортес» Марина Ковальова зазначає, що через сприятливої ​​світової кон'юнктури зростає експорт високооктанового бензину, в зв'язку з чим на внутрішньому ринку утворюється дефіцит. Ще більш ситуація ускладнюється досить високим, незважаючи на деяке зниження, курсом долара, що робить продаж нафти за кордон істотно більш вигідною, ніж реалізацію її на внутрішньому ринку. Говорячи ж про вплив ціни на нафту потрібно відзначити, що її зміна в першу чергу впливає на оптову вартість пального, і лише через місяць або два світова ринкова кон'юнктура починає впливати на вартість бензину на автозаправних станціях. Як правило, за цей час в країні набирає обертів інфляція, а значить, в кінці кінців, що навіть при зниженні ціни на сировину вартість роздрібного бензину лише на деякий час завмирає на стабільному рівні. До чергового стрибка цін на «чорне золото».

    І інша причина високих цін на бензин криється в істотній податковому навантаженні на галузь. Так, за оцінками Мінпроменерго, структура цін на бензин більш ніж наполовину складається з податків. З огляду на, що існуюча система оподаткування, спрямована на вилучення надприбутків від нафтовидобутку в умовах високих світових цін на нафту, вигідна бюджету, зміна даної ситуації найближчим часом не передбачається.
    Однак аналітик ІК «Совлінк» Микола Саперів вважає податки не найголовнішим злом. «США імпортер, а Росія - найбільший після Саудівської Аравії постачальник нафти, при цьому внутрішні російські і внутріштатовскіе ціни на бензин приблизно однакові. Це ненормально - адже у нас внутрішні ціни на нафту нижче світових приблизно в три рази », - обурюється експерт. На його думку, висока вартість бензину пов'язана в тому числі «зі змовою великих компаній: коли 5-6 нафтовиробників контролюють близько 90% ринку бензину». Але виробники не поспішають брати відповідальність на себе. Так, прес-секретар «Роснефти» Микола Манвел сказав RBC daily, що зростання цін на бензин завжди залежав від економічної кон'юнктури і був прив'язаний до світових цін на паливо. Тому, за його словами, «не можна звинувачувати виключно нафтові компанії». У ТНК-ВР віддали перевагу взагалі не коментувати зростання цін на бензин.
    Втім, у зростання цін є і більш прозаїчні причини. Так, член науково-технічної ради Російського акціонерного товариства нафтогазового будівництва (Роснефтегазстрой) Михайло Липилин зазначає, що в Росії мало вихідного матеріалу для виробництва високооктанового бензину. «Це пов'язано з тим, що велика частина потужностей залишилася ще з часів Радянського Союзу, а одна установка для вторинної переробки коштує близько 100 млн дол. У Росії досить НПЗ, але дуже мало вторинних потужностей», - пояснює Липилин. Його підтримують інші експерти. «Зараз ціна на бензин марки А92 17-18 руб. за літр, але очевидно, що це не межа », - заявила в бесіді з RBC daily г-жа Ковальова. За її словами, це пов'язано з дефіцитом високооктанового бензину, а також з очікуваним зростанням внутрішніх цін на нафту.

    Так що ціни на бензин після восьми місяців відносної стабільності знову загрожують піти вгору. Вартість палива в квітні виросла на 5-20% в залежності від його якості. За даними інформаційно-дослідницького центру "Кортес", вартість дизпалива і бензину А-80 в середньому по Росії збільшилася на 8,4%. А-92 подорожчав на 14,5%, а А-95 - на 5,1%. За даними Російського паливного агентства, з кінця березня нафтопродукти подорожчали ще значніше.

    Це багато в чому обумовлено тим, що оптові ціни на паливо продовжують підвищуватися. За перші три тижні квітня вартість дизпалива і бензину в оптовиків підскочила на 8-20%, повідомляє газета "Ведомости". Експерти пов'язують це зі збільшенням вартості поставок нафти по Росії і зниженням з квітня експортного мита на нафту і нафтопродукти (з 179,7 долара до 156,4 долара і з 133,4 долара до 117,7 долара за тонну відповідно).

    Це означає, що підвищилася привабливість експорту і знизилася пропозиція на внутрішньому ринку. У травні всі ці фактори залишаться в силі. Тому ціни на нафту продовжать зростати. За прогнозом аналітиків компанії "ІнфоТЕК Консалт", вартість сировини може піднятися з 6100-6200 рублів за тонну приблизно до 8000.

    У квітні, відзначають аналітики, на внутрішньому ринку дав себе знати нестача палива в вільній пропозиції. На думку експертів, це пояснюється не тільки збільшенням експортних поставок, а й тим, що трейдери в очікуванні нового витка зростання цін в травні притримують товар. "Зростання цін слід очікувати ще й тому, що учасники ринку розуміють, що з червня вивізні мита знову підвищаться, тому постараються по максимуму використовувати сприятливу для експорту травневу ситуацію", - прогнозують експерти. Протягом місяця зростання цін на російському ринку нафтопродуктів продовжиться, впевнені аналітики. Підтримку цінам буде надавати привабливість вивезення бензину за кордон, а також збільшення попиту на нафтопродукти в Росії. Крім того, зростання вартості палива буде сприяти збільшення відпускних цін на нафту для переробки на внутрішньому ринку. Багато чого буде залежати від динаміки цін на нафтопродукти в Європі.

    За прогнозом «ОМТ-Консалт» найближчим часом в оптовому секторі російського ринку нафтопродуктів ціни будуть рости плавно. Більш активної динаміки можна очікувати на початку травня, коли з'явиться визначеність з цінами на нафту.

    А ось представник "Лукойлу" Геннадій Красовський не очікує підвищення цін на роздрібному ринку. "З вересня минулого року волатильність (показник, що характеризує тенденцію ринкової ціни або доходу змінюватися в часі) цін на оптовому ринку нафтопродуктів становила 20-30%, - відзначає він. - Їх вартість відображала динаміку світових цін на нафту, і на роздрібні ціни волатильність НЕ вплинула ".

    Більш того, багато фахівців упевнені, що в травні-червні підвищення цін на паливо чекати не варто і що ціни на бензин, швидше за все, залишаться на колишньому рівні, проявляючи незначну тенденцію до зростання.

    За останньою інформацією споживчі ціни на бензин в РФ за тиждень, з 23 по 29 квітня, в порівнянні з попереднім тижнем зросли на 0,1%. Про це йдеться в повідомленні Росстату. При цьому ціни на бензин в 70 центрах регіонів залишилися на рівні попереднього тижня.

    Бензин марки А-76 коштував в середньому 15,76 руб., АІ-92 - 18,59 руб., АІ-95 - 20,09 руб.

    1.2. Обґрунтування можливості застосування статистичних методів для моделювання і прогнозування цін на бензин.

    Обробка статистичних даних вже давно застосовується в найрізноманітніших видах людської діяльності. На даний момент важко назвати ту сферу, в якій вона б не використовувалася. Але, мабуть, ні в одній галузі знань і практичної діяльності обробка статистичних даних не грає такої виключно великої ролі, як в економіці, що має справу з обробкою і аналізом величезних масивів інформації про соціально-економічні явища і процеси. Всебічний і глибокий аналіз цієї інформації, так званих статистичних даних, передбачає використання різних спеціальних методів, важливе місце серед яких займають кореляційний і регресійний аналізи обробки статистичних даних.

    Дослідження цін на бензин дуже актуально в даний час, оскільки саме від цих цін залежать ціни інших товарів і послуг.

    У даній роботі буде розглянута залежність цін на бензин від часу і таких факторів, як

    - Ціни на нафту, руб. за тонну (X 1),

    - Офіційний курс долара на кінець періоду, рублів за долар США (Х2),

    - Обсяг виробництва нафти, млн.тонн (Х3),

    - Індекс споживчих цін (X 4) (базисні індекси до грудня попереднього року).

    Дані показники обрані невипадково. Ціна бензину, що є продуктом нафтопереробки, безпосередньо пов'язана з ціною зазначеного природного ресурсу і обсягами його вироблення. Курс же долара істотно впливає на всю російську економіку, зокрема на формування цін на її внутрішніх ринках. Безпосередній зв'язок цього параметра з цінами на бензин може також бути знайдена в тому, що обсяг нафти, що експортується з країни, а відтак не йде на виробництво палива, безпосередньо залежить від курсу долара США, адже чим вище цей показник, тим вигідніше для постачальників продавати сировину за кордон. ІСЦ відображає загальну зміну цін всередині країни, а оскільки економічно доведеним є те, що зміна цін на одні товари в абсолютній більшості випадків (в умовах вільної конкуренції) веде до зростання цін інших товарів, резонно припустити, що зміна цін на товари у країні впливає на досліджуваний в роботі показник.

    У зв'язку з поставленою для даної роботи метою було сформульовано кілька взаємопов'язаних завдань:

    1. Обґрунтування можливості використання методів динамічних рядів і кореляційно-регресійного аналізу для побудови моделей, що описують зміну цін на бензин.

    2. Використання даних методів для побудови моделей, що описують зміну цін на бензин.

    3. Прогнозування цін на бензин на майбутні періоди з допомогою отриманих моделей і вибір найбільш адекватної з них.


    Глава 2.

    2.1. Попередня обробка даних

    Попередня обробка даних необхідна для визначення можливості використання методів динамічних рядів і кореляційно-регресійного аналізу для побудови моделей, що описують зміну цін на бензин.

    Розрахунок вибіркових характеристик:

    Середня

    15,60077

    медіана

    15,51

    Мода

    16,79

    мінімум

    11,34

    максимум

    18,94

    розмах варіації

    7,6

    дисперсія

    5,393387

    середньоквадратичне відхилення

    2,322367

    Коефіцієнт варіації

    14,9%

    За співвідношенням середньої, моди, медіани можна сказати, що розподіл приблизно близько до нормального закону, а за значенням коефіцієнта варіації видно, що сукупність досить однорідна, отже, середня досить типова.

    2) Аномальних спостережень не виявлено на рівні значущості 5%

    3) Перевірка гіпотези про нормальний закон розподілу.

    На основі вихідних даних, представлених в таблиці Додатка 1, можна побудувати гістограму та графік на нормальній ймовірнісної папері для досліджуваного показника Y t.

    За гистограмме і графіку на нормальної імовірнісної папері видно, що розподіл величини Y t відносно близько до нормального закону. (Див. Додаток 2).

    За діаграмою розсіювання видно, що можна побудувати таку пряму, яка б описувала наявну тенденцію цін до підвищення, тобто розподіл Y t не випадково. Отже, результуючий показник Y t має пряму функціональну залежність від часу, а значить, необхідно перевірити його на автокореляції рівнів часового ряду. Для цього обчислюються коефіцієнти автокореляції. Величина максимального лага визначається за формулою , Де Т-обсяг вибірки. отже, .

    Коррелограмм має вигляд:

    Всі коефіцієнти автокореляції позитивні і поступово знижуються Отже, можна зробити висновок про те, що в ряді спостерігається довгострокова тенденція, для такого ряду найкраще підходить трендова модель вигляду

    2.2. Побудова трендової моделі. Прогнозування за допомогою трендового моделі.

    Для досліджуваного часового ряду Y можна підібрати кілька трендових моделей: лінійну, поліном, нелінійну. Використовуючи покрокові процедури відбору змінних, обрана найбільш адекватна з них. В даному випадку це лінійна модель (нелінійна модель і поліном, наведені в Додатку 3).

    Лінійна модель має вигляд:

    Regression Summary for Dependent Variable: YR =, 96060625 RI =, 9226437 Adjusted RI =, 92067692 F (1,37) = 442,05 p <0,0000 Std.Error of estimate:, 66263

    BETA

    St. Err. of BETA

    B

    St. Err.of B

    t (37)

    p-level

    Intercpt

    11,80362

    0,209464

    56,35156

    0,000000

    T

    0,960606

    0,045689

    0,19257

    0,009159

    21,02507

    0,000000

    У = 11, 8 + 0,1 93 * Т

    Досліджуючи дану модель на адекватність за допомогою коефіцієнта детермінації, критерію Фішера, критерію Стьюдента та проведення аналізу залишків (див. Додаток 4), можна прийти до висновку, що оскільки загальний і скоригований коефіцієнти детермінації досить близькі до 1, то можна зробити висновок про досить сильному вплив факторних ознак на результуючий показник Y. Рівняння значимо за критерієм Фішера. Розглянувши критерій Стьюдента для коефіцієнтів регресії β 0 і β 1 можна зробити висновок, що обидва коефіцієнта також значущі. Виконуються 2 умови Гауса-Маркова з 3. Таким чином, видно, що лінійна модель досить адекватна, але, тим не менше, не можна сказати, що вона описує поведінку цін на бензин повністю. Тому обгрунтованим буде побудова регресії, що виявляє залежність не тільки від часу, але і від інших факторів.

    При прогнозуванні цін на бензин АІ-92 на наступні 4 періоди, тобто на квітень, травень, червень, липень 2007 року за допомогою трендового моделі отримані наступний дані:

    Точкові прогнози складають 19,50655 руб. за літр в квітні, 19, 69912 руб. за літр в травні, 19, 8917 руб. за літр в червні і 20,08427 грн. за літр в липні. Відповідні інтервальні прогнозні значення представлені наступними інтервалами [19,07; 19,94], [19,25; 20,15], [19,43; 20,36] і [19,60; 20,57].

    2.3. Побудова регресійних моделей. Прогнозування за допомогою регресійних моделей.

    Перш ніж проводити кореляційний аналіз необхідно усунути довгострокову тенденцію (тренд) в рівнях часових рядів. Для цього використовується процедура взяття послідовних різниць, а подальший кореляційний аналіз ведеться за допомогою залишків. Ряди перевіряються на довгострокову тенденцію за допомогою коррелограмми. Початкові і змінені коррелограмми представлені в Додатку 5. Були усунені довгострокові тенденції у всіх показниках. Тільки після цього був проведений кореляційний аналіз.

    За графіками функцій (див. Додаток 6) можна сказати, що ознаки Х1 (ціни на нафту) і Х4 (ІСЦ) надають досить сильне пряме впливу на Y (ціна на АІ-92) в поточному періоді, а ознака Х3 (обсяг виробництва нафти ) значно зворотний вплив на Y з запізненням в 8 місяців. Х2 (курс долара США) має незначний вплив на залежну змінну в періоді T-2, тобто з запізненням на 2 місяці. Таким чином, буде будуватися залежність Y від Х1, Х2 t -2, Х4 і Х3 t -7.

    ЛІНІЙНА МОДЕЛЬ

    Regression Summary for Dependent Variable: Y

    R =, 93580485 RI =, 87573073 Adjusted RI =, 86476579

    F (3,34) = 79,866 p <, 00000 Std.Error of estimate:, 83708

    BETA

    St. Err.of BETA

    B

    St. Err.of B

    t (36)

    p-level

    Intercpt

    44,88042

    5,364096

    8,36682

    0,000000

    X1

    0,569918

    0,071597

    0,00106

    0,000133

    7,96005

    0,000000

    X4

    0,235686

    0,070247

    0,05802

    0,017294

    3,35508

    0,001962

    Х2 t-2

    -0,561348

    0,080791

    -1,42428

    0,204987

    -6,94812

    0,000000

    Y = 43,76 + 0,001 * X1 - 1,42 * X2 t-2 + 0,06 * X4

    Дослідивши дану модель на адекватність за допомогою коефіцієнта детермінації, критерію Фішера, критерію Стьюдента та проведення аналізу залишків (див. Додаток 7), можна прийти до висновку, що оскільки загальний і скоригований коефіцієнти детермінації досить близькі до 1, то можна зробити висновок про досить сильному вплив факторних ознак на результуючий показник Y. Рівняння значимо за критерієм Фішера. Розглянувши критерій Стьюдента для коефіцієнтів регресії β 0 і β 1 можна зробити висновок, що обидва коефіцієнта також значущі. Виконуються 2 умови Гауса-Маркова з 3. Таким чином, Таким чином, можна сказати, що лінійна модель досить адекватна, хоча виконуються не всі умови Гаусса-Маркова, проте прогнозування по даній моделі також представляється можливим.

    Для того щоб прогнозувати показник за допомогою регресійної лінійної моделі, необхідно розрахувати чинники, що впливають на даний показник, тобто факторні змінні. Вони розраховуються так само, як і показник Y, побудовою різних трендових моделей: полінома, лінійної, нелінійної моделей. Далі ці моделі оцінюються з точки зору адекватності, і виявляється найбільш підходяща для прогнозування модель. Всі одержані моделі і прогнозні значення факторних ознак представлені в Додатку 8.

    При прогнозуванні цін на бензин АІ-92 на наступні 4 періоди, тобто на квітень, травень, червень, липень 2007 року за допомогою лінійної регресійної моделі отримані наступний дані:

    Точкові прогнози складають 17,5777 руб. за літр в квітні, 13,6282 руб. за літр в травні, 13,2731 руб. за літр в червні і 17,607 руб. за літр в липні. Відповідні інтервальні прогнозні значення представлені наступними інтервалами [16,73; 18,42], [13,17; 14,09], [12,796; 13,75] і [12,399; 13,41].


    Нелінійна МОДЕЛЬ

    Regression Summary for Dependent Variable: Y

    R =, 86159959 RI =, 74235385 Adjusted RI =, 69941283

    F (3,18) = 17,288 p <, 00002 Std.Error of estimate: 1,0297

    St.Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (35)

    p-level

    Intercpt

    39,4

    11,017

    3,57764

    0,002152

    1 / X1

    -0,4881

    0,134468

    -15978,8

    4402,448

    -3,62953

    0,001917

    X3 t-7 ** 5

    10,9096

    4,750669

    0,0

    0,000

    2,29644

    0,033871

    X3 t-7 ** 4

    -10,4466

    4,747561

    0,0

    0,000

    -2,20041

    0,041075

    Y = 39,4 - 15978,8 * 1 / X1 + +1,19628000342225 * 10 -6 * X 3 t -7 ^ 5 -0,0000551697094847616 * X 3 t -7 ^ 4

    Дослідивши дану модель на адекватність за допомогою коефіцієнта детермінації, критерію Фішера, критерію Стьюдента та проведення аналізу залишків (див. Додаток 9), можна прийти до висновку, що оскільки загальний і скоригований коефіцієнти детермінації досить близькі до 1, то можна зробити висновок про досить сильному вплив факторних ознак на результуючий показник Y. Рівняння значимо за критерієм Фішера. Розглянувши критерій Стьюдента для коефіцієнтів регресії β 0 і β 1 можна зробити висновок, що обидва коефіцієнта також значущі. Виконуються не всі умови Гаусса-Маркова. Таким чином, не можна сказати, що нелінійна регресійна модель повністю адекватна, проте прогнозування по даній моделі також представляється можливим.

    Для того щоб прогнозувати показник за допомогою регресійної нелінійної моделі, також необхідно розрахувати факторні змінні. Їх розрахунок і одержувані моделі представлені в Додатку 8.

    При прогнозуванні цін на бензин АІ-92 на наступні 4 періоди, тобто на квітень, травень, червень, липень 2007 року за допомогою нелінійної регресійної моделі отримані наступний дані:

    Точкові прогнози складають 17,581 руб. за літр в квітні, 16,827 руб. за літр в травні, 17,607 руб. за літр в червні і 17,318 руб. за літр в липні. Відповідні інтервальні прогнозні значення представлені наступними інтервалами [16,48; 18,69], [15,13; 19,52], [15,798; 19,42] і [15,058; 19,58].

    Остаточні дані щодо прогнозування можна представити у вигляді наступних таблиць:

    Точкові прогнози:

    Тип моделі

    Т = 40

    Т = 41

    Т = 42

    Т = 43

    трендовая

    19,50655

    19, 69912

    19, 8917

    20,08427

    лінійна регресія

    17,5777

    13,6282

    13,2731

    17,607

    нелінійна регресія

    17,581

    16,827

    17,607

    17,318

    Інтервальні прогнози:

    Тип моделі

    Т = 40

    Т = 41

    Т = 42

    Т = 43

    трендовая

    [19,07; 19,94]

    [19,2 5; 20,1 5]

    [19,4 3; 20,3 6]

    [19,60; 20,5 7]

    лінійна регресія

    [16,73; 18,42]

    [13,17; 14,0 9]

    [12,79 6; 13,75]

    [12,39 9; 13,41]

    нелінійна регресія

    [16,4 8; 18,6 9]

    [15,13; 1 9, 52]

    [15,798; 19,4 2]

    [15,058; 19,5 8]

    Грунтуючись на реальні ціни на бензин АІ-92, можна зробити висновок про те, що нелінійна регресійна модель найбільш адекватна для прогнозування.


    Висновок.

    У даній роботі була показана можливість проведення кореляційно-регресійного аналізу та використання методів динамічних рядів для моделювання і прогнозування цін на бензин на майбутні періоди.

    В результаті роботи було виявлено, що всі фактори, запропоновані до розгляду, роблять різний за силою вплив на ціни на бензин. Однак найбільш значущими з них виявилися два, включених в найбільш адекватну з точки зору прогнозування модель. Перший з них - це обсяг виробництва нафти, а другий - ціни на нафту. Не дивно, що ці чинники значно впливають на ціни на бензин, адже нафта є головним і основним сировиною для виробництва бензину і тому безпосередньо впливає на ціну бензину. У той же час в ціні на нафту вже відображено багато факторів, що впливають на ціну бензину, таких як постанови ОПЕК або мита, а також світові ціни і обсяг видобутку нафти. Також хотілося б відзначити той факт, що обсяг виробництва нафти, безпосередньо впливає на ціну пального, надає цей вплив із значним запізненням, що цілком логічно, адже у виробників завжди є запаси сировини, і зміни в його виробництві впливають на обсяги їх вироблення не відразу. Те ж, що зміна цін на нафту впливає на ціну бензину в цьому ж періоді, можна пояснити як економічними, так і психологічними факторами. З економічної точки зору, ціна закуповуваного сировини незалежно від моменту його використання відразу ж включається в собівартість продукції, що веде до її зміни зі зміною ціни, з іншого боку, виробник отримує обгрунтування для підвищення ціни свого товару, часто збільшуючи її значніше, ніж це може бути мотивована.

    Прогноз щодо майбутньої ціни бензину, звичайно, не однозначний, що пов'язано з особливостями початкових даних і розроблених моделей. Однак, виходячи з отриманої інформації, резонно припустити, що найближчим часом ціни на бензин, звичайно, не знизяться, але, швидше за все, залишаться на колишньому рівні або будуть слабо рости. Також очевидно, що вони не досягнуть "критичного" порога в розмірі 20-ти рублів.

    Звичайно, тут не враховані фактори, пов'язані з очікуваннями споживачів, політикою в області митних зборів і багато інших чинників, але хочеться відзначити, що вони значною мірою "взаімнопогашаеми". І досить обґрунтованим буде помітити, що в різкий стрибок цін на бензин на даний момент дійсно вкрай сумнівний, що в першу чергу пов'язано із проведеною урядом політикою.

    Таким чином, можна припустити, що ціни на бензин в найближчі періоди вкладуться в інтервали, розраховані по нелінійної регресійної моделі, тяжіючи при цьому до верхньої межі інтервалу, а не до розрахункового точкового значенням.


    Список використаної літератури.
    1. Економетрика під ред. І. І. Єлисєєвій М .: изд-во «Фінанси і кредит», 2002.2. Я.Р.Магнус, П.К.Катишев, А.А.Пересецкій «Економетрика початковий курс» М .: изд-во «Дело» 2000г.3. Орлов А.І. Економетрика, вид-во «Іспит», М., 2005г.4. Ресурси Інтернет http://www.gks.ru/5. Комаль В.А. «Економетрика. Підручник »вид-во« Гриф », М., 2005г.6. Ресурси Інтернет http://www.cbr.ru/7. Суслов В.І., Ібрагімов Н.М., Талишева Л.П., Циплаков А.А. «Економетрія» Новосибірськ: Видавництво СО РАН, 2005.8. В.П.Носко "Економетрика" «Введення в регресійний аналіз часових рядів» Москва 2002г.9. ресурси Інтернет
    Додатки.

    Додаток 1.

    Ціна АІ-92 (Y)

    Ціни на нафту (X1)

    Курс долара (X2)

    Обсяг пр-ва нафти (X3)

    ІСЦ (X4)

    янв.04

    11,34

    1 997

    28,8

    37,3

    100,52

    фев.04

    11,35

    2175

    28,5

    35,1

    100,56

    мар.04

    11,35

    2277

    28,5

    37,8

    100,6

    апр.04

    11,56

    2298

    28,7

    36,9

    102,44

    май.04

    12,11

    2318

    29,0

    38,4

    107,33

    іюн.04

    12,86

    2540

    29,0

    37,9

    113,95

    іюл.04

    13,21

    2626

    29,1

    39,4

    117,12

    авг.04

    13,48

    2743

    29,2

    39,6

    119,53

    сен.04

    14,23

    3009

    29,2

    38,5

    126,12

    окт.04

    14,47

    3028

    29,1

    39,8

    128,3

    ноя.04

    14,67

    3423

    28,6

    38,4

    130,07

    дек.04

    14,41

    3426

    27,9

    39,4

    127,75

    січ.05

    14,16

    2943

    28,0

    39,1

    98,3

    фев.05

    14,13

    2814

    28,0

    35,7

    98,11

    мар.05

    14,19

    3359

    27,6

    39,4

    98,52

    апр.05

    14,65

    3807

    27,8

    38,1

    101,67

    май.05

    14,84

    4336

    28,0

    39,2

    103,01

    іюн.05

    14,85

    4312

    28,5

    38,5

    103,06

    іюл.05

    15,15

    4362

    28,7

    39,8

    105,16

    авг.05

    15,51

    4855

    28,5

    40

    107,67

    сен.05

    16,69

    5555

    28,4

    39

    115,9

    окт.05

    16,76

    5713

    28,6

    40,5

    116,39

    ноя.05

    16,8

    5469

    28,8

    39,3

    116,65

    дек.05

    16,79

    4812

    28,8

    39,9

    100,04

    янв.06

    16,79

    4443

    28,2

    36,1

    101.35

    фев.06

    17,01

    4930

    28,2

    40,3

    101,83

    мар.06

    17,09

    5499

    27,9

    39,3

    101,75

    апр.06

    17,08

    5419

    27,6

    40,7

    102,07

    май.06

    17,13

    5476

    27,1

    39,5

    102,31

    іюн.06

    17,17

    5614

    27,0

    40,8

    103,59

    іюл.06

    17,39

    5674

    26,9

    41,4

    109,47

    авг.06

    18,37

    5928

    26,8

    39,7

    112,83

    сен.06

    18,94

    6215

    26,7

    40,9

    112,27

    окт.06

    18,84

    5365

    26,9

    39,9

    111,56

    ноя.06

    18,72

    4343

    26,6

    41,4

    111,28

    дек.06

    18,68

    4434

    26,3

    41,6

    99,87

    янв.07

    18,65

    4604

    26,5

    37,8

    99,23

    фев.07

    18,53

    4105

    26,3

    41,8

    99,7

    мар.07

    18,48

    3926

    26,1

    39,9

    100,04

    Додаток 2.

    Додаток 3.

    Трендовая нелінійна модель:

    Regression Summary for Dependent Variable: Y

    R =, 97522531 RI =, 95106440 Adjusted RI =, 94364992

    F (5,33) = 128,27 p <0,0000 Std.Error of estimate:, 55849

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (16)

    p-level

    Intercpt

    -0,49078

    3,542223

    -0,13855

    0,890647

    T

    -4,73670

    2,101051

    -0,94957

    0,421199

    -2,25444

    0,030928

    V6 ** 5

    -0,85535

    0,358127

    0,00000

    0,000000

    -2,38840

    0,022799

    1 / V6

    1,37150

    0,387187

    14,32809

    4,044950

    3,54222

    0,001208

    LOGV6

    3,68472

    1,181335

    20,47539

    6,564492

    3,11911

    0,003751

    V6 ** 2

    4,04349

    1,610614

    0,02008

    0,007997

    2,51053

    0,017135

    поліном:

    Regression Summary for Dependent Variable: Y

    R =, 95650049 RI =, 91489318 Adjusted RI =, 91016502

    F (2,36) = 193,50 p <0,0000 Std.Error of estimate:, 70517

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (35)

    p-level

    Intercept

    12,61067

    0,201647

    62,53833

    0,000000

    V6 ** 2

    1,579834

    0,128829

    0,00784

    0,000640

    12,26303

    0,000000

    V6 ** 5

    -0,715081

    0,128829

    0,00000

    0,000000

    -5,55062

    0,000003

    Додаток 4.

    Гістограма і графік залишків на нормальної імовірнісної папері.

    Перевірка умов Гаусса-Маркова.

    З даного графіка можна зробити висновок про те що мат. очікування залишків = 0. Отже, 1-е умова Гауса-Маркова виконується.

    З графіка можна зробити висновок про досить сильною гомоскедастичність, тобто про те, що дисперсія залишків постійна. Отже, і 2-е умова Гауса-Маркова виконуються.

    Durbin-Watson d

    Durbin-

    Watson d

    Estimate

    0,787493

    Табличне значення коефіцієнта d при N = 39, m = 1 складає d н = 1,43 і d в = 1,54

    Т. к. Розрахункове значення d = 0,787493 належить проміжку [0; d н] - виконується Н 1, тобто автокорреляция є.


    Додаток 5.

    Додаток 6.


    Додаток 7.

    Гістограма і графік залишків на нормальної імовірнісної папері.

    Перевірка умов Гаусса-Маркова.

    З даних графіків можна зробити висновок про те що мат. очікування залишків = 0. Отже, 1 умова Гауса-Маркова виконується.

    З графіка можна зробити висновок про гомоскедастичність, тобто про те, що дисперсія залишків постійна. Отже, і 2-е умова Гауса-Маркова виконується.

    Durbin-Watson d

    and serial correlation of residuals

    Durbin-

    Watson d

    Estimate

    0,643030

    Табличне значення коефіцієнта d при N = 39, m = 3 становить d н = 1,33 і d в = 1,66

    Т. к. Розрахункове значення d = 0,643030 належить проміжку [0; d н] - виконується Н 1, тобто автокорреляция є.

    Додаток 8.

    Побудова моделей для X1:

    лінійна:

    Regression Summary for Dependent Variable: X1

    R =, 79259148 RI =, 62820126 Adjusted RI =, 61815264

    F (1,37) = 62,516 p <, 00000 Std.Error of estimate: 776,96

    St.Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (37)

    p-level

    Intercpt

    2432,624

    245,6062

    9,904570

    0,000000

    T

    0,792591

    0,100243

    84,915

    10,7396

    7,906719

    0,000000

    нелінійна:

    Regression Summary for Dependent Variable: X1

    R =, 93828998 RI =, 88038808 Adjusted RI =, 86543659

    F (3,24) = 58,883 p <, 00000 Std.Error of estimate: 345,28

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (37)

    p-level

    Intercept

    654,23

    237,2041

    2,75810

    0,010941

    SQRV6

    3,44921

    0,472846

    2043,01

    280,0720

    7,29457

    0,000000

    V6 ** 5

    -0,96410

    0,154409

    0,00

    0,0000

    -6,24382

    0,000002

    LN-V6

    -1,97726

    0,391102

    -1788,27

    353,7191

    -5,05562

    0,000036

    поліном:

    Regression Summary for Dependent Variable: X1

    R =, 93085607 R? =, 86649302 Adjusted R? =, 85581246

    F (2,25) = 81,128 p <, 00000 Std.Error of estimate: 357,41

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (36)

    p-level

    Intercept

    2300,238

    117,5089

    19,57501

    0,000000

    V6 ** 2

    4,88312

    0,478404

    9,265

    0,9077

    10,20709

    0,000000

    V6 ** 3

    -4,26893

    0,478404

    -0,210

    0,0236

    -8,92327

    0,000000

    Побудова моделей для X2 t-2:

    лінійна

    Regression Summary for Dependent Variable: X2 t-2

    R =, 82084484 R? =, 67378625 Adjusted R? =, 66472476

    F (1,36) = 74,357 p <, 00000 Std.Error of estimate:, 51947

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (37)

    p-level

    Intercpt

    29,30243

    0,172379

    169,9884

    0,000000

    T

    -0,820845

    0,095192

    -0,06416

    0,007441

    -8,6231

    0,000000

    поліном:

    Regression Summary for Dependent Variable: X2 t-2

    R =, 88640473 R? =, 78571334 Adjusted R? =, 77976093

    F (1,36) = 132,00 p <, 00000 Std.Error of estimate:, 42102

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (36)

    p-level

    Intercept

    28,71906

    0,092302

    311,1421

    0,000000

    V6 ** 3

    -0,886405

    0,077152

    -0,00004

    0,000004

    -11,4891

    0,000000


    Predicting Values ​​for variable: X1

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    9,265090

    1 849

    17131,2

    V6 ** 3

    -0,210401

    79507

    -16728,4

    Intercept

    2300,2

    Predicted

    2703,0

    -95,0% CL

    1958,6

    + 95,0% CL

    3447,4

    Побудова моделей для X4:

    лінійна

    Regression Summary for Dependent Variable: x4

    R =, 23795270 R? =, 05662149 Adjusted R? =, 03112477 F (1,37) = 2,2207 p <, 14464 Std.Error of estimate: 9,0744

    Intercept

    112,2518

    2,868499

    39,13260

    0,000000

    T

    -0,237953

    0,159677

    -0,1869

    0,125431

    -1,49021

    0,144644

    нелінійна:

    Regression Summary for Dependent Variable: X4

    R =, 24970358 R? =, 06235188 Adjusted R? =, 03701003

    F (1,37) = 2,4604 p <, 12526 Std.Error of estimate: 9,0468

    St. Err.

    St. Err.

    BETA

    of BETA

    B

    of B

    t (37)

    p-level

    Intercept

    111,1068

    2,173043

    51,12960

    0,000000

    V6 ** 2

    -0,249704

    0,159191

    -0,0049

    0,003097

    -1,56858

    0,125260

    Predicting Values ​​for variable: X1

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    9,265090

    1600

    14824,1

    V6 ** 3

    -0,210401

    64000

    -13465,7

    Intercept

    2300,2

    Predicted

    3658,7

    -95,0% CL

    3176,8

    + 95,0% CL

    4140,6

    Predicting Values ​​for variable: X1

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    9,265090

    +1681

    15574,6

    V6 ** 3

    -0,210401

    68921

    -14501,1

    Intercept

    2300,2

    Predicted

    3373,8

    -95,0% CL

    2815,1

    + 95,0% CL

    3932,5

    Predicting Values ​​for variable: X1

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    9,265090

    1764

    16343,6

    V6 ** 3

    -0,210401

    74088

    -15588,2

    Intercept

    2300,2

    Predicted

    3055,6

    -95,0% CL

    2409,3

    + 95,0% CL

    3701,9

    Predicting Values for variable: X2 t-2

    B-Weight

    Value

    B-Weight * Value

    V6 ** 3

    -0,000045

    1 849

    -0,08268

    Intercept

    28,72027

    Predicted

    28,63759

    -95,0% CL

    28,41984

    + 95,0% CL

    28,85533

    Predicting Values for variable: X2 t-2

    B-Weight

    Value

    B-Weight * Value

    V6 ** 3

    -0,000045

    +1681

    -0,07517

    Intercept

    28,72027

    Predicted

    28,64510

    -95,0% CL

    28,42632

    + 95,0% CL

    28,86388

    Predicting Values for variable: X2 t-2

    B-Weight

    Value

    B-Weight * Value

    V6 ** 3

    -0,000045

    1764

    -0,07888

    Intercept

    28,72027

    Predicted

    28,64139

    -95,0% CL

    28,42312

    + 95,0% CL

    28,85966

    Predicting Values ​​for variable: X4

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    -0,004858

    1600

    -7,7726

    Intercept

    111,1068

    Predicted

    103,3342

    -95,0% CL

    95,9660

    + 95,0% CL

    110,7024

    Predicting Values ​​for variable: X4

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    -0,004858

    1764

    -8,5693

    Intercept

    111,1068

    Predicted

    102,5375

    -95,0% CL

    94,2152

    + 95,0% CL

    110,8598

    Predicting Values ​​for variable: X4

    B-Weight

    Value

    B-Weight * Value

    V6 ** 2

    -0,004858

    +1681

    -8,1661

    Intercept

    111,1068

    Predicted

    102,9407

    -95,0% CL

    95,1036

    + 95,0% CL

    110,7778

    Predicting Values ​​for variable: X4

    B-Weight

    Value

    B-Weight * Value

    V6 ** 22

    -0,004858

    Intercept

    111,1068

    Predicted

    102,1246

    -95,0% CL

    93,3012

    + 95,0% CL

    110,9480

    Додаток 9.

    Гістограма і графік залишків на нормальної імовірнісної папері.


    Перевірка умов Гаусса-Маркова.

    З даних графіків можна зробити висновок про те, що математичне очікування залишків приблизно дорівнює 0, і можна сказати, що перша умова Гауса-Маркова виконується.

    З графіка можна зробити висновок про досить слабкою гомоскедастичність, тому що дисперсія залишків не постійна. Отже, 2-е умова Гауса-Маркова не виконується.

    Durbin-Watson d

    and serial correlation of residuals

    Durbin-

    Watson d

    Estimate

    1,065021

    Табличне значення коефіцієнта d при N = 39, m = 3 становить d н = 1,33 і d в = 1,66

    Т. к. Розрахункове значення d = 1,065021 належить проміжку [0; d н] - виконується Н 1, тобто автокорреляция є.