Автор работы: Пользователь скрыл имя, 21 Февраля 2013 в 20:07, курсовая работа
Целью курсовой работы является проведение статистического анализа денежного обращения и кредита. При этом намечено решить следующие задачи:
- изучить теоретические основы денежного обращения и кредита;
- оценить качественные и количественные сдвиги денежного обращения;
- изучить зависимость объемов выданных физическим лицам кредитов от региона;
- оценить влияние величины выданных кредитов на объем денежной массы М2.
Объектом исследования является финансовый рынок Российской Федерации.
Введение
1. Теория денежного обращения
1.1. Предмет и задачи статистики денежного обращения и кредита
1.2. Категории, классификации и система статистических показателей денежного обращения
1.3. Категории, классификация и система статистических показателей кредита
2. Денежная масса и эмиссия
2.1. Денежная масса и кредиты
2.2. Структура денежной массы
2.3. Анализ темпов роста выпуска наличных денег в обращение
2.4. Анализ соотношения темпов роста индекса потребительских цен и агрегатов денежной массы (М0, М1, М2)
3. Прогнозирование спроса и предложения денег
3.1. Построение динамических трендов
3.2. Построение корреляционно – регрессионной модели
3.3. Прогнозирование
Выводы и предложения
Список литературных источников
Таблица 8 - Коэффициенты простой парной корреляции (по Пирсону):
Y │ X1 │ X2 │ X3 │ X4 │
│ │ │ │ │
──────────┼──────────┼────────
Y 1.00000 │ -.40652 │ 0.66088 │ -.51242 │ 0.80809 │
1.00000 │ 0.73987 │ 0.95939 │ 0.86280 │ 0.99521 │
──────────┼──────────┼────────
X1 -.40652 │ 1.00000 │ -.51804 │ 0.35827 │ 0.05046 │
0.73987 │ 1.00000 │ 0.86825 │ 0.66471 │ 0.10908 │
──────────┼──────────┼────────
X2 0.66088 │ -.51804 │ 1.00000 │ -.90332 │ 0.29868 │
0.95939 │ 0.86825 │ 1.00000 │ 0.99940 │ 0.57780 │
──────────┼──────────┼────────
X3 -.51242 │ 0.35827 │ -.90332 │ 1.00000 │ -.17209 │
0.86280 │ 0.66471 │ 0.99940 │ 1.00000 │ 0.35683 │
──────────┼──────────┼────────
X4 0.80809 │ 0.05046 │ 0.29868 │ -.17209 │ 1.00000 │
0.99521 │ 0.10908 │ 0.57780 │ 0.35683 │ 1.00000 │
──────────┼──────────┼────────
Как видно из таблицы 9 наибольшее влияние на объем денежной массы оказывают такие факторы как сальдированный финансовый результат (прибыль минус убыток) деятельности организаций по видам экономической деятельности и задолженность по кредитам, предоставленным кредитными организациями физическим лицам, так как коэффициент корреляции между ними превышает 0,7, что говорит о линейной и тесной связи между ними. Между факторным признаком х3 (курс доллара США) и результативным наблюдается умеренная (заметная) связь, так как коэффициент корреляции больше 0,5. между факторным признаком х1 (индекс потребительских цен) и результативным признаком наблюдается слабая связь, так как коэффициент корреляции меньше 0,5. исходя из вышеперечисленного проанализируем уравнение парной регрессии [приложение 1]
1.
2.
3.
Таблица 10 - Итоги корреляционно- регрессионного анализа
Парное уравнение регрессии |
коэффициент корреляции |
коэфициент детерминации |
коэфициент Стьюдента |
Вероятность |
коэффициент Фишера |
Вероятность |
|
|
0,66088 |
0,43676 |
2,490670 |
0,959390 |
6,203439 |
0,947434 |
0,80809 |
0,65301 |
3,880132 |
0,995212 |
15,055428 |
0,990454 | |
-0,51242 |
0,26257 |
-1,687767 |
0,862801 |
2,848559 |
0,839861 |
Анализ уравнений парной регрессии (табл. 10):
а) Между результативным признаком (объем денежной массы М2) и факторным признаком (Сальдированный финансовый результат (прибыль минус убыток) деятельности организаций по видам экономической деятельности):
С ростом сальдированного финансового результата на 1 млрд. руб. объем денежной массы М2 увеличивается на 1,38245 млрд. руб. связь прослеживается слабая, так как . При этом 43,676% вариации объема денежной массы М2 находится под влиянием сальдированного финансового результата деятельности организаций по видам экономической деятельности, а 56,324% под влиянием случайных факторов, не включенных в модель. Рассчитанный коэффициент регрессии достовернее, так как вероятность для высокая.
б) Между результативным признаком (объем денежной массы М2) и факторным признаком (задолженность по кредитам, предоставленным кредитными организациями физическим лицам):
С ростом объема выданных кредитов на 1 млрд. руб. объем денежной массы М2 увеличивается на 2,839496 млрд. руб. связь прослеживается тесная, так как . При этом 65,301% вариации объема денежной массы М2 находится под влиянием объема выданных кредитов, а 34,699% под влиянием случайных факторов, не включенных в модель. Рассчитанный коэффициент регрессии достоверен, так как вероятность для высокая.
в) между результативным признаком (объем денежной массы М2) и результативным признаком (курс доллара США):
С ростом курса доллара США на 1 руб. объем денежной массы М2 уменьшается на 1139,106508 млрд. руб. связь прослеживается слабая, так как . При этом 26,257% вариации объема денежной массы М2 находится под влиянием курса доллара США, а 73,743% под влиянием случайных факторов, не включенных в модель. Рассчитанный коэффициент регрессии достоверен частично, так как вероятность для умеренная.
Уравнение далее мы будем использовать для прогнозирования, так как его адекватность по самая высокая из рассмотренных выше уравнений парной регрессии, о чем свидетельствует высокая вероятность .
3.2.2 Множественная регрессия
Множественная регрессия – изучение связи между тремя и более связанными признаками.
Основная цель множественной
регрессии заключается в
Наиболее приемлемым способом определения вида исходного уравнения является метод перебора различных уравнений, с последующей статистической обработкой на основе критерия Стьюдента и критерия Фишера.
Важным этапом построения уже выбранной модели уравнения множественной регрессии является отбор и доследующее включение факторных признаков.
Факторы, включенные в модель, должны отвечать требованиям:
Считается, что две переменные явно коллинеарны, если парный коэффициент между ними более 0,8.
Уравнение множественной регрессии имеет вид:
,
Где - теоретическое значение результативного признака, полученное в результате подстановки соответствующих факторных признаков в уравнение регрессии;
- свободный член уравнения;
- коэффициент регрессии,
- факторные признаки, включенный в модель.
Как видно из таблицы 8, факторные признаки, а именно х2 и х3 мультиколлинеарны между собой, то есть их коэффициенты корреляции , то их включать в модель множественной корреляции нельзя. Поэтому мы рассмотрим уравнение множественной регрессии на примере:
а) зависимости объема денежной массы от индекса потребительских цен х1 и от Сальдированного финансового результата (прибыль минус убыток) деятельности организаций по видам экономической деятельности х2, коэффициент корреляции между х1 и х2 равен . Данное уравнение обладает умеренной вероятностью для .[приложение 2]
Уравнение множественной регрессии:
С ростом индекса потребительских цен на 1 п.п. денежная масса уменьшается на 63507,660990 млрд. руб. при условии, что размер сальдированного финансового результата не меняется. Рост сальдированного финансового результата на 1 млрд. руб. влечет за собой увеличение объема денежной массы на 0,009472 млрд. руб. при условии, что размер индекса потребительских цен не меняется. При этом 40,354%, так как коэффициент множественной детерминации равен 0,40354, вариации объема денежной массы обусловлено изменением факторов, включенных в модель. Вклад индекса потребительских цен в изменении вариации составил 19,4068% (коэффициент раздельной детерминации составил 0,194068), а сальдированного финансового результата – 20,9471% (коэффициент раздельной детерминации составил 0,209471).
б) зависимости объема денежной массы от индекса потребительских цен х1 и от курса доллара США х3, коэффициент корреляции между х1 и х3 равен 0,35827. Данное уравнение обладает низкой вероятностью для .[приложение 2]
Уравнение множественной регрессии:
С ростом индекса потребительских цен на 1 п.п. денежная масса уменьшается на 34022,702568 млрд. руб. при условии, что размер курса доллара США не меняется. Рост курса доллара США на 1 руб. влечет за собой уменьшение объема денежной массы на 935,419398 млрд. руб. при условии, что размер активов не меняется. При этом 31,959%, так как коэффициент множественной детерминации равен 0,31959, вариации объема денежной массы обусловлено изменением факторов, включенных в модель. Вклад индекса потребительских цен в изменении вариации составил 10,3967% (коэффициент раздельной детерминации равен 0,103967), а курса доллара США – 21,5623% (коэффициент раздельной детерминации равен 0,215623).
в) зависимости сальдированного финансового результата и объема выданных кредитов , коэффициент корреляции между х2 и х4 равен 0,29868. Данное уравнение обладает высокой, тесной вероятностью для .[приложение 2]
Уравнение множественной регрессии:
С уменьшением сальдированного финансового результата на 1 млрд. руб. объем денежной массы М2 увеличивается на 0,006269 млрд. руб. при условии что, объем выданных кредитов не меняется. При этом 69,487%, так как коэффициент множественной детерминации равен 0,69487, вариации объема денежной массы обусловлено изменением факторов, включенных в модель. Вклад объема выданных кредитов в изменении вариации составил 83,35% (коэффициент раздельной детерминации равен 0,8335), а сальдированного финансового результата составил -13,863% (коэффициент раздельной детерминации равен -0,13863).
г) зависимости индекса потребительских цен и объема выданных кредитов , коэффициент корреляции между х1 и х4 равен 0,05046. Данное уравнение обладает высокой вероятностью для .[приложение 2]
Уравнение множественной регрессии:
С увеличением индекса потребительских цен на 1 п. п. объем денежной массы М2 уменьшается на -59653,629655 млрд. руб. при условии что величина объема выданных кредитов не меняется. При этом 85,3135%, так как коэффициент множественной детерминации равен 0,853135, вариации объема денежной массы обусловлено изменением факторов, включенных в модель. Вклад индекса потребительских цен в изменении вариации составил 18,229% (коэффициент раздельной детерминации составил 0,18229), а объема выданных кредитов – 67,0845 ( коэффициент раздельной детерминации составил 0,670845).
д) зависимости курса доллара США и объема выданных кредитов , коэффициент корреляции между х3 и х4 равен -0,1721. Данное уравнение обладает высокой вероятностью для .[приложение 2]
Уравнение множественной регрессии:
С увеличением курса доллара США на 1 руб. объем денежной массы снижается при условии что величина объема выданных кредитов не меняется. При этом 79,6664% , так как коэффициент множественной детерминации равен 0,796664, вариации объема денежной массы обусловлено изменением факторов, включенных в модель. Вклад курса доллара США составил 19,7155% (коэффициент раздельной детерминации равен 0,197155), а объема денежной массы – 59,95086% (коэффициент раздельной детерминации равен 0,5995086).
Для прогнозирования на основе экстраполяции тренда существует алгоритм:
1.выбирается уравнение тренда;
2.оцениваются параметры
тренда на основе метода
3.выбирается уравнение,
наиболее четко описывающее
4.рассчитывается точечный прогноз;
5.рассчитывается ошибка
прогноза и строится
Применение экстраполяции в прогнозировании базируется на следующих предпосылках:
Экстраполяцию следует рассматривать как начальную стадию построения окончательных прогнозов.
Для каждого уравнения тренда указывается коэффициент детерминации. Чем выше этот показатель, тем выше вероятность, что вариация уровней ряда динамики описывается данным уравнением тренда. Влияние случайно фактора описывается как .
Чтобы определить, какое из уравнений больше подходит для прогнозирования, применяются следующие показатели:
;