Функциональная модель для прогнозирования экономических параметров
Аннотация
Заец И. А., ФУНКЦИОНАЛЬНАЯ МОДЕЛЬ ДЛЯ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПАРАМЕТРОВ, выпускная квалификационная работа объемом 47 страниц содержит 16 рисунков, 12 таблиц, 10 использованных источников, 1 приложение.
Ключевые слова: модель прогнозирования, прогнозирование экономических параметров, тренд, множественная линейная регрессия, метод наименьших квадратов, корреляция, запаздывание
Объектом исследования являются методы прогнозирования цен на первичном рынке недвижимости. Цель дипломной работы состоит в изучении методов прогнозирования цен на недвижимость и построении модели для прогнозирования цен на первичном рынке недвижимости. В работе рассматриваются две модели прогнозирования: трендовая модель и модель множественной линейной регрессии. Модели строятся на основе данных о цене квадратного метра на первичном рынке недвижимости Российской Федерации, Свердловской области и Екатеринбурга за период с 2018 по 2020 гг. Модели строятся при помощи метода наименьших квадратов. По построенным моделям делается прогноз на 2021 г. для выбранных регионов. Проводится сравнение моделей по качеству прогноза. Качество прогноза в данной работе характеризует средняя квадратическая ошибка и средняя относительная ошибка аппроксимации. Проводится сравнение качества прогноза каждой модели для регионов разного размера.
Ключевые слова: модель прогнозирования, прогнозирование экономических параметров, тренд, множественная линейная регрессия, метод наименьших квадратов, корреляция, запаздывание
Объектом исследования являются методы прогнозирования цен на первичном рынке недвижимости. Цель дипломной работы состоит в изучении методов прогнозирования цен на недвижимость и построении модели для прогнозирования цен на первичном рынке недвижимости. В работе рассматриваются две модели прогнозирования: трендовая модель и модель множественной линейной регрессии. Модели строятся на основе данных о цене квадратного метра на первичном рынке недвижимости Российской Федерации, Свердловской области и Екатеринбурга за период с 2018 по 2020 гг. Модели строятся при помощи метода наименьших квадратов. По построенным моделям делается прогноз на 2021 г. для выбранных регионов. Проводится сравнение моделей по качеству прогноза. Качество прогноза в данной работе характеризует средняя квадратическая ошибка и средняя относительная ошибка аппроксимации. Проводится сравнение качества прогноза каждой модели для регионов разного размера.