Upload
vianca
View
37
Download
3
Embed Size (px)
DESCRIPTION
Korelace mezi výkonem ekonomiky a stavební produkcí států EU a vztahy pro predikci budoucího vývoje. BC. David Dudáš Obor: Projektový management a inženýring. Obsah. Úvod Korelace časových řad HDP a stavební produkce Korelační koeficient a jeho interpretace - PowerPoint PPT Presentation
Citation preview
Korelace mezi výkonem ekonomiky a stavební produkcí států EU a vztahy pro predikci budoucího vývoje
BC. DAVID DUDÁŠ
OBOR: PROJEKTOVÝ MANAGEMENT A INŽENÝRING
Obsah
Úvod
Korelace časových řad HDP a stavební produkce
Korelační koeficient a jeho interpretace
Předpověď budoucího vývoje stavební produkce
Závěr a výsledky
Úvod
Důležitý bod: Podobný vývoj HDP a stavební produkce v minulých letech
Graf procentuální roční změny stavební produkce a HDP – data Evropské unie
Evropská unie
Úvod
Cíle: 1) Kvantifikovat podobnost mezi vývojem stavební produkce a HDP
2) Předpověď budoucích hodnot stavební produkce založená na předpokládaném vývoji HDP
Evropská unie
Korelační koeficient a jeho interpretace
Korelační koeficient R reprezentuje v této práci podobnost (závislost) mezi HDP a stavební produkcí
Hodnoty mezi -1 a 1
(hodnoty od -1 do 0 v této práci nejsou očekávány)
R ≤ 0,36 Malá závislost až nezávislost (podobnost)
R є (0,36 ; 0,67) Střední závislost (podobnost)
R ≥ 0,67 Silná závislost (podobnost)
Korelační koeficient a jeho interpretace
Problém s výpočtem korelačního koeficientu na příkladu České republiky => Časový posun
Česká republika
Posun!
Korelace časových řad
Je časový posun typický pro všechny země EU?
=> Testování statistické hypotézy na 10 vzorcích
Testování hypotézy v párovém t-testu
Bez posunu - yS ročním
posunem - z
Belgie 0,1176 -0,0007
Germany 0,3546 0,2696
UK 0,7207 0,0686
Czech 0,5449 0,7105
Poland 0,7309 0,5554
Spain 0,7460 0,7131
Swedan 0,6159 0,3319
Finland 0,8743 -0,0049
Slovakia 0,6915 0,3550
Portugalsko 0,3760 0,3579
Průměr 0,5772 0,3356
Korelační koefi cient
Korelace časových řad
Je časový posun typický pro všechny země EU?
=> Testování statistické hypotézy na 10 vzorcích
Výsledek:
Ne, časový posun nebyl prokázán!
Případ České republiky je z pohledu Evropy jen statistická náhoda!
Korelace časových řad
Vypočítané korelační koeficienty
Belgie 0,1176 Francie 0,5618 Rakousko 0,2550
Bulharsko 0,7427 Itálie 0,7223 Polsko 0,7309
Česká republika 0,5449 Kypr 0,9084 Portugalsko 0,3760
Dánsko 0,3501 Lotyšsko 0,8779 Rumunsko 0,7029
Německo 0,3546 Litva 0,9104 Slovinsko 0,7200
Estonsko 0,8244 Lucembursko 0,2504 Slovensko 0,6915
Irsko 0,8102 Maďarsko 0,5897 Finsko 0,8743
Řecko 0,5083 Malta 0,5346 Švédsko 0,6159
Španělsko 0,7460 Nizozemsko 0,5236 Velká Británie 0,7207
Korelace časových řad
Austrálier = 0,26
Finskor = 0,87
Itálier = 0,72
Předpověď budoucího vývoje stavební produkce
Evropská unie
Je možné předpovědět budoucí vývoj stavební produkce na základě budoucích hodnot HDP a korelačního koeficientu?
Ano. V tomto případě s použitím simulace v MATLABu.
clear all; close all; % changing valuesr = 0.8743;% alfa 55%alfa = 0.125661; GDP = xlsread('GDP annual 95-14.xls','C35:S35');CON = xlsread('cons annual 95-11.xls','C45:R45'); z = 0.5 * log((1+r)/(1-r))rmax = tanh(z+(alfa/sqrt(length(GDP)-3)))rmin = tanh(z-(alfa/sqrt(length(GDP)-3)))j = 1; figure;plot(GDP,'-ob');title('Sine Function');xlabel('Radians');ylabel('Function Value');hold on; CON(length(CON)+1) = -10 + (20).*rand(1); n = 100;for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end GDP = xlsread('GDP annual 95-14.xls','C35:T35');j = 1;CON(length(CON)) = max(num);CON(length(CON)+1) = -10 + (20).*rand(1);for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num2(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end CON(length(CON)-1) = min(num); for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num2(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end CON(length(CON)-1) = mean(num); for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num2(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end GDP = xlsread('GDP annual 95-14.xls','C35:U35');CON(length(CON)) = max(num2);CON(length(CON)+1) = -10 + (20).*rand(1);j=1; for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num3(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end CON(length(CON)-1) = min(num2); for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num3(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end end CON(length(CON)-1) = mean(num2); for i = 1:n CON(length(CON)) = -10 + (20).*rand(1); r = corrcoef(GDP,CON); if r(1,2) < rmax & r(1,2)> rmin num3(j) = CON(length(CON)); j = j + 1; plot(CON,'-or') end endfigure;plot(GDP,'-ob');
Předpověď budoucího vývoje stavební produkce
MATLAB algoritmus: Generování všech možných vývojů
Kalkulace nových korelačních koeficientů
Porovnání korelačních koeficientů s předchozími výpočty
Zaznamenání možných vývojů splňující podmínky
Předpověď budoucího vývoje stavební produkce
Podle definice předpověď funguje jen u států s velkým korelačním koeficientem!
Příklad: Předpověď pro Finsko
Finskor = 0,87
Finsko
Předpověď budoucího vývoje stavební produkce
Simulace pro Finsko
Předpověď budoucího vývoje stavební produkce
Simulace pro Finsko
Předpověď budoucího vývoje stavební produkce
Prezentace výsledků
Pro každou předpověď vznikají 3 scénáře Optimictický
Neutrální
Pesimistický
Pro dlouhodobé předpovědi se použije kombinace scénářů jednotlivých let2012
Optimistický
Neutrální
Pesimistický
2013
Optimistický
Neutrální
Pesimistický
2014
Optimistický
Neutrální
Pesimistický
Příklad;
Předpověď budoucího vývoje stavební produkce - výsledky
Finsko 2012
Předpověď na rok 2012 pro Finsko
Předpověď budoucího vývoje stavební produkce - výsledky
Předpověď pro Finsko založené na scénářích z roku 2012
Předpověď pro Finsko 2013 – optimistický 2012 Předpověď pro Finsko 2013 – pesimistický 2012
Závěr
Výstupy: Vytvoření mapy EU s korelačními koeficienty mezi HDP a stavební
produkcí
Vytvoření algoritmu pro předpovědi budoucího vývoje stavební produkce
Otázky pro další výzkum: Jaký je příčina stejných koeficientů ve stejných oblastech EU?
Budou předpovědi potvrzeny pozorováním?
Děkuji za vedení práce Doc. Ing. Petru Dlaskovi, Ph.D.
Originální znění práce bylo vytvořeno v anglickém jazyce.
Práce byla prezentována na konferenci Evropských stavebních ekonomů Brusel 2013
Kontakt:
Bc. David [email protected]
Děkuji Vám za pozornost!