Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Анализ рисков инвестиционного проекта с использованием инструмента Анализ данных.
Статистический анализ результатов имитационного моделирования инвестиционных рисков.
Корреляционный анализ данных.
Задача 8.1. Необходимо определить степень тесноты взаимосвязей между полученными в таблице 7.3 имитационными данными (блок ячеек А13: E512): переменные затраты - EV, объем произведенной и реализованной продукции - Q, поступления (чистые платежи) - NCF, чистая приведенная стоимость - NPV.
В качестве меры степени тесноты взаимосвязей случайных данных X и Y будем использовать коэффициент корреляции
Cor (X, Y) = Cov (X, Y)/sxsy,
определяемый через стандартные отклонения данных и их коэффициент ковариации
Cov (X, Y) = M {[ X - M (X)][ Y - M (Y)]}.
Решение.
1. Откройте сохраненную ранее под именем Имитация книгу Excel (таблица 7.3 ) на листе Имитация.
Внимание! Если строка A1 таблицы имела объединенные ячейки (например, с названием Исходные условия эксперимента), обязательно удалите их и перепишите название в одну ячейку!
2. Выберите в главном меню тему Сервис, пункт Анализ данных.
3. В появившемся диалоговом окне Анализ данных выберите из списка «Инструменты анализа» пункт Корреляция.
4. В появившемся диалоговом окне Корреляция заполните поля: Входной интервал – А13: E512; Группирование – по столбцам; Метки в первой строке – флажок 4; Параметры вывода – Новый рабочий лист - Корреляция.
5. Удалите в книге лист Результаты анализа и сохраните ее под новым именем Статистика.
Вид полученных на новом рабочем листе Корреляция результатов после элементарного форматирования показан в таблице 8.1.
Таблица 8.1 | ||||||
A | B | C | D | E | F | |
Переменные, EV | Объем, Q | Цена, P | Поступления, NCF | Чист. пр. ст., NPV | ||
Переменные, EV | ||||||
Объем, Q | -0,08 | |||||
Цена, P | 0,04 | -0,02 | ||||
Поступления, NCF | -0,42 | 0,63 | 0,62 | |||
Чист. пр. ст., NPV | -0,42 | 0,63 | 0,62 | 1 | ||
Корреляция | Имитация | Лист 3 | 3 4 |
Как следует из результатов корреляционного анализа, переменные EV, Q и P являются независимыми, т.к. их коэффициенты корреляции близки к 0. NPV напрямую зависят от NCF. Между NCF, NPV и Q, P существует корреляционная зависимость средней степени. Умеренная обратная (отрицательная) корреляционная зависимость существует между NCF, NPV и EV.
Следует заметить, что близкие к нулевым значения коэффициента корреляции указывают лишь на отсутствие линейной связи между исследуемыми переменными, но не исключают возможности нелинейной зависимости, какая в действительности и существует между Q и EV.
Высокая корреляция не обязательно всегда означает наличие причинной связи, так как две исследуемые переменные могут зависеть от значения третьей.
Задача 8.2. Необходимо определить статистические характеристики полученных в таблице 7.3 имитационных данных (блок ячеек А13: E512): переменных затрат - EV, объема произведенной и реализованной продукции - Q, поступлений (чистые платежи) - NCF, чистой приведенной стоимости - NPV.
Решение.
1. Откройте сохраненную ранее под именем Статистика книгу Excel на листе Имитация и выберите в главном меню тему Сервис, пункт Анализ данных. В появившемся диалоговом окне Анализ данных выберите из списка «Инструменты анализа» пункт Описательная статистика.
2. В появившемся диалоговом окне Описательная статистика укажите в соответствующих аргументах: Входной интервал – A12: E512; Группирование – по столбцам; Метки в первой строке – 4; Параметры вывода – новый рабочий лист; Итоговая статистика – 4; Уровень надежности – 95 %.
После нажатия кнопки [ОК] новый лист книги Статистика будетзаполнен вычисленными характеристиками имитационных данных. Эти характеристики (после несложного форматирования и присвоения листу имени Статистика) показаны в таблице 8.2.
В третьей строке таблицы 8.2 показаны математические ожидания случайных величин, вычисленных с погрешностями ± стандартная ошибка, определенными в четвертой строке.
Медиана – значение случайной величины, которое делит площадь под кривой ее распределения пополам. В симметричных распределениях значение медианы равно или достаточно близко к математическому ожиданию.
Мода – наиболее вероятное значение случайной величины. Если мода отсутствует, то Excel возвращает сообщение об ошибке (#Н/Д).
Эксцесс (e) – характеристика остроконечности (при положительном значении) или пологости (при отрицательном значении) распределения по сравнению с нормальной кривой.
Асимметричность (коэффициент асимметрии или скоса – s) – характеристика смещения распределения относительно математического ожидания (вправо – при положительном значении).
Для оценок значимостей коэффициента асимметрии и величины эксцесса рассчитывают их стандартные ошибки
ss = [ 6 (n - 1)/(n + 1)(n + 3)]1/2,
se = [ 24n (n - 2)(n - 3)/(n - 1)2(n + 3)(n + 5)]1/2,
где n – число значений случайной величины.
Таблица 8.2 | ||||||
A | B | C | D | E | F | |
Переменные, EV | Объем, Q | Цена, P | Поступления, NCF | Чист. пр. ст., NPV | ||
Среднее | 30,148 | 210,036 | 49,012 | 1447,703 | 3487,934 | |
Стандартная ошибка | 0,149 | 2,596 | 0,247 | 31,949 | 121,112 | |
Медиана | 30,189 | 206,768 | 49,232 | 1380,257 | 3232,260 | |
Мода | 34,343 | 214,232 | 45,736 | #Н/Д | #Н/Д | |
Стандартное отклонение | 3,336 | 58,050 | 5,530 | 714,401 | 2708,142 | |
Дисперсия выборки | 11,128 | 3369,782 | 30,579 | 510368,855 | 7334033,276 | |
Эксцесс | 0,311 | -0,475 | -0,201 | 0,735 | 0,735 | |
Асимметрич-ность | 0,090 | 0,095 | 0,033 | 0,718 | 0,718 | |
Интервал | 22,703 | 307,002 | 30,728 | 4317,748 | 16367,662 | |
Минимум | 19,767 | 50,734 | 33,977 | 62,605 | -1762,679 | |
Максимум | 42,470 | 357,736 | 64,704 | 4380,353 | 14604,983 | |
Сумма | 15074,232 | 105017,822 | 24506,050 | 723851,582 | 1743967,001 | |
Счет | 500,000 | 500,000 | 500,000 | 500,000 | 500,000 | |
Уровень надежности (95,0 %) | 0,293 | 5,101 | 0,486 | 62,771 | 237,952 | |
Статистика | Корр-ция | Им-ция | 3 4 |
Если отношение соответствующих величин к их стандартным ошибкам меньше трех (s / ss < 3 и e / se < 3), то они считаются несущественными, а их наличие объясняется воздействием случайных факторов. В противном случае как асимметрия, так и эксцесс статистически значимы.
Например, в рассматриваемом случае (n = 500) для NPV получим
s / ss = 0,718/0,108 @ 6,648 > 3,
что свидетельствует о статистической значимости асимметрии или правосторонней скошенности распределения NPV.
Интервал – разность между максимальным и минимальным значениями случайной величины.
Счет – число значений в заданном интервале.
Сумма – сумма случайных величин в заданном интервале.
Уровень надежности – величина доверительного интервала для математического ожидания, соответствующая заданному уровню надежности (95 %). Так, например, с вероятностью 0,95 величина математического ожидания NPV попадает в интервал 3487,934 ± 237,952.
Следует заметить, что коэффициент асимметрии, величину эксцесса, доверительный интервал возможно вычислить с помощью функций СКОС(), ЭКСЦЕСС() и ДОВЕРИТ() мастера функций.
Для наглядности построим гистограмму распределения случайных величин NPV. Предварительно заметим, что интервал 500 значений NPV в диапазоне
(минимум = - 1762,679 ¸ максимум = 14604,983)
составляет величину 16367,662. Следовательно шаг составляет 16367,662/500 @ 33. Для построения боле гладкой гистограммы необходимо выбрать ее шаг @ 330 и выполнить следующие действия.
1. На листе Имитация книги Статистика введите в ячейку G13 округленное минимальное значение NPV @ - 1763.
2. С помощью инструмента Прогрессия (пункта Заполнить темы Правка главного меню) постройте арифметическую прогрессию (расположение - по столбцам) с шагом 330 и предельным значением 14605. В результате будет заполнен блок ячеек G13: G62.
3. Выберите в главном меню тему Сервис, пункт Анализ данных. В появившемся диалоговом окне Анализ данных выберите из списка «Инструменты анализа» пункт Гистограмма. В качестве входного интервала укажите блок ячеек E13: E512, а в качестве выходного интервала – блок ячеек G13: G62. В параметрах вывода укажите новый рабочий лист и вывод графика.
Обратите внимание, что полученная гистограмма наглядно свидетельствует о скошенности распределения NPV вправо относительно своего среднего значения, равного 3487,934.
Литература
1. Краснов А.Е., Сагинов Ю.Л., Кузнецова Ю.Г., Феоктистова Н.А.
Основы информационных технологий автоматизированного управления. Учебно-практическое пособие для аспирантов/ соискателей, бакалавров и магистров, обучающихся по техническим, технологическим и экономическим направлениям подготовки.
– М.: МГУТУ им. К.Г. Разумовского, 2012. – 76 с.
2. Краснов А.Е., Сагинов Ю.Л., Кузнецова Ю.Г., Феоктистова Н.А.
Основы информационных технологий управления финансами, производством и бизнесом. Учебно-практическое пособие для аспирантов/ соискателей, бакалавров и магистров, обучающихся по техническим, технологическим и экономическим направлениям подготовки. – М.: МГУТУ им. К.Г. Разумовского, 2012. – 48 с.
Телефоны кафедры Информационных технологий
МГУТУ им. К.Г. Разумовского
(факс) 8(495) 670-66-00; 8(495) 678-25-34;
Email – [email protected]
Сайт кафедры – kafedrait.com
______________________________________________________
Краснов Андрей Евгеньевич, Сагинов Юрий Леонидович,
Феоктистова Наталия Андреевна
Информационные технологии управления
финансами, производством и бизнесом
Лабораторный практикум
Тираж: ___экз., заказ № ____
Дата публикования: 2015-04-08; Прочитано: 549 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!