Operations Research Report 2005-02
Az ´ arut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keresked´ es´ enek t¨ ukr´ eben Faluk¨ozy Tam´as, Vizv´ari B´ela
2005 m´arcius E¨ otv¨ os Lor´ and Tudom´ anyegyetem Oper´ aci´ okutat´ asi Tansz´ ek
c 2005 Oper´ Copyright aci´ okutat´ asi Tansz´ ek, E¨ otv¨ os Lor´ and Tudom´ anyegyetem, Budapest ISSN 1215 - 5918
Operations Research Reports No. 2005-02
3
Az ´ arut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keresked´ es´ enek t¨ ukr´ eben Faluk¨ozy Tam´as
´es
Vizv´ari B´ela
Kivonat A cikk c´elja, hogy az ´ arut˝ ozsde gabona szekci´ oj´ anak ´ arait megvizsg´ alja, m´eghozz´ a a piaci szerepl˝ ok ´ arv´ arakoz´ asainak szempontj´ ab´ ol. Arra keres¨ unk v´ alaszt, hogy a megl´ev˝ o modellek jelen vannak-e ezen a piacon, a kisz´ amolt ´ arv´ arakoz´ asi param´eterek mennyire illeszkednek ezekhez a modellekhez, illetve milyen ¨ osszef¨ ugg´esben vannak az ar sz´ ´ azal´ekos v´ altoz´ as´ aval. Kulcsszavak: Hat´ arid˝ os piac; ´ arv´ arakoz´ as; adapt´ıv ´ arv´ arakoz´ as; extrapolat´ıv ´ arv´ arakoz´ as; korrel´ aci´ o; cluster.
1.
Bevezet´ es - Az ´ arut˝ ozsde
Sz´amos mez˝ogazdas´agi a´ru megtermel´ese, beszerz´ese illetve feldolgoz´asa id˝ oben jelent˝ osen elk¨ ul¨ on¨ ul az ´ert´ekes´ıt´est˝ol. Ebb˝ ol ad´ od´ oan ezen term´ekek eset´en igen nagy az ´arfolyam-ingadoz´ asb´ ol ad´ od´ o kock´azat, hiszen a k´et id˝ opont (id˝ oszak) k¨ozt az ´ar hirtelen ´es jelent˝osen megv´altozhat. Nyilv´ an mind a termel˝ok, mind a felhaszn´ al´ ok, illetve eloszt´ok ´erdeke ezen kock´azat minimaliz´al´ asa. Ennek leghat´ekonyabb m´ odj´ at k´ın´ alja a hat´ arid˝ os piac, ahol hat´ arid˝ os u ¨ gyletekkel dolgoznak, azaz egy adott id˝ opontban (a tov´ abbiakban: k¨ ot´esi d´atum) egy k´es˝obbi teljes´ıt´esi hat´ arid˝ ore (k¨ot´esi hat´arid˝ o) k¨ otnek v´ as´arl´ asi szerz˝od´est. ´Igy mindk´et f´el, a vev˝ o ´es az elad´ o is el˝ore r¨ ogz´ıtett asai sor´ an. Jelen ´ır´ as c´elja, ad´ as-v´eteli ´arral tud kalkul´ alni el˝ ozetes sz´am´ıt´ hogy a piaci szerepl˝ ok a´rv´arakoz´ asaira valamilyen modellt adjon, illetve a 2005-03-20
4
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
´ ozsde gabona megl´ev˝o modellek ´erv´enyess´eg´et megvizsg´alja a Budapesti Arut˝ szekci´oj´ ara vonatkoz´oan. A piac szerepl˝ oinek a´rv´arakoz´ asai az´ert fontosak, mert a piac kor´ abbi a´llapotai ezeken kereszt¨ ul hatnak a jelenlegi a´llapotra. Ez a hat´ as d¨ ont˝ o jelent˝os´eg˝ u abban a vonatkoz´ asban, hogy a piac milyen mozg´asokat k¨ ovet. Az elm´eleti irodalomban sz´ amos modell ismert az ´arv´arakoz´asokra. Azonban kev´es k´ıs´erlet t¨ ort´ent, hogy egy-egy hazai piac vonatkoz´as´aban kiv´ alassz´ ak azt vagy azokat a modell(eke)t, amely(ek) az adott piac szerepl˝ oinek viselked´es´et j´ ol k¨ ozel´ıtik. Mell´ ar ´es Rappai [1] mutatta ki az adapt´ıv a´rv´arakoz´ as hazai jelenl´et´et, Bacsi, Kov´acs, Lakner ´es Vizv´ari [2] pedig mez˝ogazdas´agi termel˝ok k¨ or´eben mind az adapt´ıv, mind az extrapolat´ıv a´rv´arakoz´ as el˝ofordul´ as´at. El˝ osz¨or ismertetj¨ uk, hogy milyen adatok ´allnak rendelkez´es¨ unkre, ´es milyen m´ odon. R¨ oviden ´attekintj¨ uk a legismerasi modelleket, majd tesz¨ unk n´eh´any kezdeti, ”naiv” elemz˝ o tebb a´rv´arakoz´ l´ep´est. Ezut´an pr´ ob´ alunk v´ alaszt adni arra, hogy milyen modellek vannak jelen a piacon (´es hogy ez egy´altal´ an mit jelent). V´eg¨ ul a legjobbnak bizonyul´ o modellt tov´ abb elemezz¨ uk.
2.
Adatok
C´elunk teh´ at elemz´est adni az ´ar alakul´ as´ara a megl´ev˝o adatok alapj´ an. Ezek h´aromf´ele gabon´ara vonatkoz´oan a´llnak rendelkez´esre: ´etkez´esi ´es takarm´ anyb´ uza valamint kukorica – a feldolgozott k¨ ot´esi d´atumok pedig 1991t˝ ol 1999-ig terjednek. Mindig megvan a k¨ ot´esi d´atum ´es a hat´arid˝ o, valamint kev´es kiv´etelt˝ol eltekintve az elsz´amol´o ´ ar (amit a t˝ozsd´en minden keresked´esi nap v´eg´en ´allap´ıtanak meg). J´ o lenne ugyanezeket a vizsg´alatokat a napi maxim´alis vagy minim´ alis a´rra, esetleg mennyis´egekkel s´ ulyozva elv´egezni. Ezek az adatok viszont nem minden esetben a´llnak rendelkez´esre, ez´ert marad teh´ at az elsz´amol´o a´r. Abban a kev´es esetben, ahol ez nincs meg, szerencs´ere megvan a maximum ´es a minimum, ´ıgy azok a´tlag´ at vett¨ uk elsz´amol´o ´ arnak. Azt pr´ ob´ aljuk elemezni, hogy ezt mi alak´ıtja, azaz a´rv´arakoz´ asi modelleket pr´ ob´ alunk kimutatni. Ebben a cikkben a kukorica adatsor´ at vizsg´ aljuk. A ´ u BAT-on foly´ o keresked´es szempontj´ab´ ol a term´ek az adott k¨ ot´esi hat´ aridej˝ gabona; azaz egy m´ asik k¨ot´esi hat´arid˝ ore vonatkoz´o ´ar m´ ar egy m´ asik term´ek ´ara. Teh´ at minden egyes k¨ot´esi hat´arid˝ ore van egy adatsorunk: k¨ ot´esi d´atum (az id˝ o) ´es ´ar (a vizsg´ alt mennyis´eg). Ezeket az adatsorokat k¨ ul¨ on-k¨ ul¨ on fogjuk vizsg´ alni. P´eld´aul a ’98. decemberi k¨ ot´esi hat´ arid˝ ore az adatsor eleje ´es v´ege, illetve az ´ar alakul´ asa l´athat´ o az 1. t´abl´ azatban, illetve az 1. ´abr´ an. Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben
19970731 19970801 19970804 19970805 19970806
25100 25090 24700 24700 24300
19981124 19981125 19981126 19981127 19981130
5
13560 13600 13830 13860 13760
6
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
´altal a t. id˝ opontra v´ art a´r, α – a piaci szerepl˝onk a´rv´arakoz´ asi param´etere. Az extrapolat´ıv a´rv´arakoz´ as k´eplete: pet = αpt−1 + (1 − α)pt−2 = pt−1 + (α − 1)(pt−1 − pt−2 ),
1. t´ abl´ azat. Az 1998. decemberi k¨ot´esi hat´arid˝ ore vonatkoz´o adatsor eleje ´es v´ege.
α≥0
(1)
(Az u ´ j a´r = az utols´ o k´et ´ar 1-¨ osszeg˝ u line´ aris kombin´ aci´oja, vagy m´ ask´eppen az utols´o ´ar + az utols´ o´ arv´altoz´ as egy konstansszorosa.) Az adapt´ıv a´rv´arakoz´ as k´eplete (Nerlove, 1958):
30000 Ár
pet = αpt−1 + (1 − α)pet−1 = pet−1 + α(pt−1 − pet−1 ),
25000
0≤α≤1
(2)
20000 15000 10000 5000
19 97 19 073 97 1 19 081 97 8 19 090 97 4 19 092 97 2 19 100 97 8 19 102 97 8 19 111 97 3 19 120 97 2 19 121 98 8 19 011 98 6 19 020 98 3 19 021 98 9 19 030 98 9 19 032 98 5 19 041 98 0 19 042 98 9 19 051 98 8 19 060 98 4 19 062 98 2 19 070 98 8 19 072 98 4 19 081 98 1 19 083 98 1 19 091 98 6 19 100 98 2 19 102 98 0 19 110 98 6 11 24
0
1. ´ abra. Az 1998. decemberi k¨ot´esi hat´arid˝ ore vonatkoz´o elsz´amol´o a´r alakul´ asa. Megjegyz´es: Az 1. ´abr´ an l´ atszik, hogy a k¨ ot´esi hat´arid˝ o k¨ ozeledt´evel az ´ar cs¨okken. Ez a legt¨ obb k¨ ot´esi hat´arid˝ on´el ´ıgy van, teh´ at az elad´oknak ´erdemes j´ oval a k¨ ot´esi hat´arid˝ o el˝ott szerz˝od´est k¨otni, a v´ as´arl´ oknak pedig ink´ abb a k¨ ot´esi hat´arid˝ o k¨ ozeledt´evel.
(Az utols´ o v´ art a´r hib´ aj´ anak konstansszoros´ aval korrig´ aljuk az el˝ oz˝o v´ art a´rat – ennyit tanultunk.) C´elunk, hogy meg´ allap´ıtsuk, hogy l´eteznek-e ilyen α-k, teh´at els˝o feladatunk α-k sz´amol´asa az adatokb´ol. Ha ezek megvannak, azaz rendelkez´es¨ unkre a´llnak a modellekhez tartoz´ o, a vizsg´ alt id˝ osorra vonatkoz´ o konkr´et adatok, akkor foglalkozhatunk azzal, hogy az egyes modellek mennyire vannak jelen a vizsg´ alt piacon. Hogy ezen pontosan mit is ´ert¨ unk, azt k´es˝obb defini´ aljuk. Itt csak annyit jegyz¨ unk meg, hogy a kezdeti felt´etelez´es¨ unk az, hogy a piacon t¨ obbf´ele modell van, ´es ezek egy¨ uttesen alak´ıtj´ak ki az a´rakat. Ebbe term´eszetesen az egyes modellek k¨ ul¨ onb¨ oz˝o s´ ullyal sz´olnak bele, ami r´ aad´ asul f¨ ugg a k¨ ot´esi hat´ arid˝ ot˝ ol ´es a k¨ot´esi d´atumt´ ol. C´elunk teh´ at annak meg´ allap´ıt´ asa, hogy milyen modellek ´erv´enyes¨ ulnek legink´ abb, illetve, hogy az a´ltalunk vizsg´ alt modellek mennyire ´erv´enyes¨ ulnek.
4.
Kezdeti l´ ep´ esek
A t´enyleges piac szerepl˝oi nagyon elt´er˝oen gondolkodhatnak, ´es ebb˝ol ad´ od´ oan nagyon elt´er˝oen viselkedhetnek. A rendelkez´esre a´ll´ o adatok aggreg´ altak, ez´ert csak azt tudjuk vizsg´alni, hogy egy modell mennyire jellemz˝ o a piac eg´esz´ere. Ez´ert minden esetben egyetlen piaci szerepl˝ovel sz´ amolunk. R´eszletes adatok eset´en, p´eld´aul ha minden napra minden k¨ ot´es ismert volna, lehets´eges volna t¨ obbszerepl˝os modellek fel´ır´ asa, illeszt´ese ´es elemz´ese is. A k´et legelterjedtebb a´rv´arakoz´ asi modell az extrapolat´ıv ´es az adapt´ıv. Ezek form´ alisan a opontban, pet – a piaci szerepl˝onk k¨ ovetkez˝ ok´eppen n´eznek ki: pt – az ´ar a t. id˝
A k´epletekben szerepl˝o α-kat szeretn´enk sz´amolni, ehhez pedig tudni kell a v´ art a´rat. Els˝ o gondolatunk, hogy a megval´ osult a´rat tekints¨ uk annak. A v´ art a´r – a´rv´arakoz´ asi modellr˝ol l´ev´en sz´o – azt jelenti, hogy egy adott id˝ opontban milyen a´rat v´arunk a k¨ ovetkez˝ o k¨ ot´esi d´atumra az adott term´ek eset´en (ami most egy adott k¨ ot´esi hat´ aridej˝ u gabona). A megval´ osult a´r pedig a k¨ ot´esi d´atumhoz tartoz´ o elsz´amol´ o ´ar – valamilyen ´ertelemben az is egy v´arakoz´ ast fejez ki (m´egpedig azt, hogy a szerz˝ od˝ o felek milyen a´rat v´ arnak a k¨ot´esi hat´arid˝ o idej´ere), de ennek a k´et v´arakoz´ asnak a jelent´ese term´eszetesen elt´er˝o, mi csak az el˝ obbivel foglalkozunk. Mindenestre ekkor k¨ onnyen sz´ am´ıthat´ o extrapolat´ıv α (egy ´ar a´ll rendelkez´esre minden id˝opontban – amit kapunk, az a piac eg´esz´ere jellemz˝o ´arv´arakoz´ as). A k´eplet (1) alapj´ an a k¨ ovetkez˝ o (feltett¨ uk, hogy pet = pt ):
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
3.
´ arakoz´ Arv´ asi modellek
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben
7
8
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
21400
α=
pt − pt−2 pt−1 − pt−2
(3)
21000
R¨ogt¨ on ad´ odik az els˝o probl´ema: itt a nevez˝ o lehet 0. Ez azt jelenti, hogy a legutols´ o k´et ´ar megegyezik. (1) alapj´ an ekkor α-t´ol f¨ uggetlen¨ ul pet = pt = e pt−2 = pt−1 . Ha α = 1, akkor szint´en pt = pt−1 . Teh´at z´er´ooszt´o eset´en α-t defin´ıci´o szerint 1-nek vehetj¨ uk, hiszen mindk´et eset a konstans ´arnak felel meg. A t¨obbi esetben megtartva az eredeti ´ert´eket, az ´ıgy kapott ´ert´ekeket nevezz¨ uk most el korrig´alt α-knak. P´eldak´ent ism´et tekints¨ uk a ’98 decemberi k¨ ot´esi hat´arid˝ ore vonatkoz´o adatsor elej´et (2. t´ abl´ azat): ´ DATUM
´ AR
¨ ES ´ (KOT NAPJA)
19970731 19970801 19970804 19970805 19970806 19970807 19970808 19970811 19970812 19970813
25100 25090 24700 24700 24300 24200 24100 24100 24100 24100
21200
EXTRAPOLAT´ IV ALFA
´ KORRIGALT EXTRAPOLAT´ IV
´ ´ (VART ARNAK A MEG-
´ VAN, OTT ALFA (AHOL 0 OSZTO
´ VALOSULTAT TEKINTVE)
´ ¨ ALFAT 1-NEK VESSZUK)
40.000 1.000 ´ OOSZT ´ ´ #ZER O! 1.250 2.000 1.000 ´ OOSZT ´ ´ #ZER O! ´ ´ ´ #ZEROOSZTO!
40.000 1.000 1.000 1.250 2.000 1.000 1.000 1.000
20800 20600 20400
Ár
20200 19970424
19970425
19970428
19970429
19970430
19970505
19970506
19970507
2. ´ abra. Az 1997. decemberi k¨ot´esi hat´arid˝ ore vonatkoz´o elsz´amol´o ´ar alakul´ asa egy rendk´ıv¨ ul nagy a´rv´arakoz´ as (α = 41) ut´ an.
1.5
1
0.5
0
-0.5
-1
2. t´ abl´ azat. Az 1998. decemberi k¨ot´esi hat´arid˝ o adatsora alapj´ an sz´am´ıtott α-´ert´ekek az els˝ o n´eh´any k¨ ot´esi d´atumra. ´ Eszrevehetj¨ uk, hogy r¨ ogt¨ on az els˝o α igen nagy, ´es k´es˝obb is el˝ ofordulnak ilyenek – ez nyilv´ an akkor t¨ ort´enik meg, amikor valamilyen h´ır ´erkezik, ´es ennek hat´ as´ara a piac abnorm´ alisan viselkedik. A 97-12 k¨ot´esi hat´arid˝ ore megvizsg´alva az o¨sszes 10-n´el nagyobb α-t, az ad´odott, hogy ilyen esetekben az ´ar valamelyik ir´ anyba jelent˝ osen elmozdul, majd r¨ ovid id˝ on (k´et h´eten) bel¨ ul ´epp az ellenkez˝o ir´ anyba megy a´t (´es ez t¨obbs´eg´eben m´as k¨ot´esi hat´arid˝ okre is elmondhat´o) – egy p´elda a 2. ´abr´ an l´ athat´ o. Azaz ilyen esetekben a piac r¨ ovid id˝ on bel¨ ul kiegyenl´ıti az abnormalit´ ast. Ez alapj´ an term´eszetes k´erd´es, hogy a (nagy) α-k ´es az ´ar (nagy) sz´azal´ekos v´ altoz´asai hogyan f¨ uggnek ¨ossze. P´eldak´ent a 97-12 k¨ot´esi hat´arid˝ ore vonatkoz´o adatokat l´ athatjuk a 3. a´br´ an (mindkett˝ ot a legnagyobb abszol´ ut´ert´ek˝ uvel norm´ alva, az id˝ o a k¨ ot´esi d´atum). Operations Research Reports No. 2005-02
-1.5
Extrapolatív (korrigált) alfa, normálva
%-os változás, normálva
3. ´ abra. Az 1997. decemberi k¨ot´esi hat´arid˝ ore vonatkoz´o nagy α-k ´es nagy ´arv´altoz´asok elhelyezked´ese id˝oben.
L´atszik, hogy a nagy α-khoz ´altal´ aban viszonylag nagy sz´ azal´ekos v´altoz´ asok tartoznak, de ez ford´ıtva nem igaz. Ennek nyilv´ an az a magyar´ azata, hogy nagy sz´ azal´ekos v´altoz´ ast a t¨obbi jelenlev˝ o modell is gener´alhat – ugyanakkor ez a modell ”jelen van annyira”, hogy a kiugr´ o α-´ert´ekei jelent˝ osen tudj´ ak befoly´ asolni az a´r alakul´ as´at. Ennyi el˝ ozetes vizsg´ al´ od´ as ut´ an most m´ar r´ at´erhet¨ unk a modellek jelenl´et´enek vizsg´ alat´ ara. Ehhez el˝ osz¨or is konkretiz´aljuk, hogy milyen modelleket is akarunk kimutatni. Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben
5.
9
Tov´ abbi α-sz´ am´ıt´ asok
Ezzel kapcsolatban term´eszetes ig´eny, hogy az eddigi ”naiv” α-sz´am´ıt´ ast egy esetlegesen jobbra cser´elj¨ uk, illetve hogy adapt´ıv α-kat is sz´amoljunk, viszont ehhez m´ar felt´etlen¨ ul sz¨ uks´eges v´art a´rakat is sz´ amolni, hiszen az adapt´ıv modell (2) k´eplet´eben t¨ obb v´ art a´r is szerepel, ´ıgy a kor´ abbi m´ odszer nem alkalmazhat´ o. Hogyan a´llap´ıtsuk meg h´ at a v´ art a´rakat, amelyek alapj´ an azt´ an sz´amolhatunk α-kat, k¨ ovetkeztetve ezzel az a´rv´arakoz´ asokra? Megint csak k´ezenfekv˝ o¨ otlet, hogy a´tlagoljunk, p´eld´aul az el˝ oz˝o ¨ot a´r a´tlag´ at tekints¨ uk a v´ artnak. Piaci tapasztalatok alapj´ an tov´ abbi lehet˝os´eg maximumot venni (szint´en p´eld´aul az el˝oz˝o ¨ot a´r´et) – a piaci r´esztvev˝ ok ugyanis legink´ abb a magas ´arakra eml´ekeznek. (Azaz minden egyes k¨ ot´esi d´atumn´ al a v´ art a´r az el˝oz˝o o¨t a´tlaga, illetve maximuma.) Ha teh´ at valamelyik m´odon kisz´ amoltuk art a´rat, akkor az (1) ´es (2) k´epletek alapj´ an k¨ onnyed´en sz´am´ıthatunk a v´ α-kat a k¨ ovetkez˝ o m´odokon: Extrapolat´ıv eset:
α=
pet − pt−2 pt−1 − pt−2
(4)
Z´er´ooszt´o eset´en (1) alapj´ an, α-t´ol f¨ uggetlen¨ ul pet = pt−2 = pt−1 ; α = 1 e uk 1-nek. eset´en pedig pt = pt−1 . Teh´at z´er´ooszt´o eset´en α-t itt is tekinthetj¨ Adapt´ıv eset:
α=
pet − pet−1 pt−1 − pet−1
(5)
Z´er´ooszt´o eset´en (2) alapj´ an, α-t´ol f¨ uggetlen¨ ul pet = pet−1 = pt−1 ; α = 1 e uk α-t 1-nek z´er´ooszt´o eset´en. eset´en pedig pt = pt−1 . Szint´en tekinthetj¨ Teh´at most m´ar o¨tf´ele α-t tudunk sz´ amolni. Jel¨ olj¨ uk a modelleket a k¨ ovetkez˝o m´odon: E0 (extrapolat´ıv, ”naiv” α-sz´am´ıt´ as), E1 (extrapolat´ıv, a´tlagos), E2 (extrapolat´ıv, maximumos), A1 (adapt´ıv, a´tlagos), A2 (adapt´ıv, maximumos).
6.
Modellek jelenl´ ete, a jelenl´ et m´ er˝ osz´ amai
10
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
utal, hogy a modell nem ´erv´enyes¨ ul igaz´ an a piacon. Extrapolat´ıv esetben teh´ at a modell jelenl´et´enek egyfajta m´er˝osz´ama ezen negat´ıv α-k sz´ama. Ugyan´ıgy az adapt´ıv esetben a nem 0 ´es 1 k¨oz´e es˝o abnorm´ alis ´ert´ekek sz´ama utal arra, hogy mennyire van jelen az adott modell. Ez esetben az α-k alulr´ ol ´es fel¨ ulr˝ ol is korl´ atozottak – ami ezen korl´atokon k´ıv¨ ul esik, az abnorm´alis. Az extrapolat´ıv esetben viszont csak als´ o korl´ at van. Itt teh´ at el˝ ofordulhatnak extr´em α-k, kiugr´o ´ert´ekek, amik nem abnorm´ alisak, de m´egis k¨ ul¨ onb¨ oznek a t¨ obbit˝ ol – abban az ´ertelemben, hogy ritk´ ak. Kezdeti vizsg´al´ od´ asainkban l´ attuk, hogy az E0 modell eset´en fontos szerep jut ezen nagy α-knak, mert ´ nagy sz´ azal´ekos v´altoz´ ast vonnak maguk ut´ an. Epp ezen esetek teh´at azok, amik j´ ol jellemzik a modell jelenl´et´et. Ha ugyanis nagy az α, akkor v´ arhat´ oan az adott modell hat´ asa er˝ osebb az adott d´atumn´ al. Glob´ alisan pedig a sok nagy α jelent er˝ osebb hat´ ast. Arra ´erdemes teh´at figyelni, hogy a sok nagy α val´ oban hat´ assal van-e az ´arra, azaz annak sz´azal´ekos v´altoz´ as´ara, azaz n¨ oveli-e a korrel´aci´ot - ez a modell jelenl´et´et t´amasztan´a al´ a. A sz´azal´ekos v´ altoz´assal val´o magas korrel´ aci´o persze ¨onmag´ aban a modell ´erv´enyes¨ ul´es´ere ¨ utal – a fenti finom´ıt´ as egy m´eg er˝osebb ´erv. Osszefoglalva teh´ at, a modellek jelenl´et´et a k¨ovetkez˝ ok´eppen tudjuk ”m´erni”: • A sz´azal´ekos v´altoz´ assal val´o korrel´ aci´oval (konkr´etan: kisz´ am´ıtjuk az αadatsor ´es a sz´azal´ekos v´altoz´ as adatsor tapasztalati korrel´ aci´os egy¨ utthat´ oj´ at), ezt jel¨ olj¨ uk r-rel – nyilv´ an az a j´ o, ha r min´el nagyobb. • Az abnorm´alis α-k sz´am´aval (jel¨ olj¨ uk ezt m-mel), pontosabban ezek ar´ any´ aval az ¨osszeshez viszony´ıtva: p = m/k, ahol k az ¨osszes α sz´ama (nyilv´an az a j´ o, ha kicsi). • Extrapolat´ıv esetben a nagy (5-n´el nagyobb) α-k hat´ as´aval a korrel´ aci´ora: ha a nagy α-k sz´ama, illetve ar´anya 0, akkor logikus, hogy ebb˝ ol nem tudunk k¨ ovetkeztet´est levonni, teh´ at ekkor a m´er˝osz´amunknak 0-nak kellene lennie; tov´ abb´ a, ha a korrel´ aci´o 0, akkor hi´ aba van esetlegesen sok nagy α, nincs hat´ asuk, teh´at megint csak logikus, hogy m´er˝osz´amunk ebben az esetben is 0 legyen. Mindezek alapj´an defini´ aljuk ezt a m´er˝osz´amot egyszer˝ uen az ar´ any ´es a korrel´aci´o szorzatak´ent: q = (n/k) ∗ r, ahol n a nagy α-k sz´ama. Term´eszetesen az a j´ o, ha ez a m´er˝ osz´am nagy, hiszen a modell jelenl´et´ere az utal, ha nagy α-ar´ any eset´en nagy a korrel´ aci´o.
Az extrapolat´ıv (E) modellekben α-r´ ol nemnegativit´ ast felt´etelez¨ unk – a kisz´amolt α-k k¨ ozt azonban sz´ep sz´ammal el˝ofordulnak negat´ıv, azaz abnorm´ alis ´ert´ekek is. Nyilv´ an ha egy adott modell eset´en sok ilyen van, akkor az arra
Teh´at minden egyes k¨ot´esi hat´arid˝ ore kisz´amoljuk r-et ´es p-t mind az o¨t modellre, illetve q-t az extrapolat´ıv modellekre. Term´eszetesen j´o lenne defini´ alni ezen k´et, illetve h´arom m´er˝osz´am alapj´ an egy olyat, ami mindegyiket tartalmazza. Nyilv´ an ebbe mindk´et/mindh´ arom t´enyez˝o addit´ıvan kell, hogy
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 11
belesz´oljon, megfelel˝ o konstansokkal szorozva. Ezeket a konstansokat a k¨ovetkez˝ok´eppen a´llap´ıtjuk meg: mindh´ arom m´er˝osz´amnak kisz´amoljuk az a´tlag´ at (az ¨osszes k¨ot´esi hat´arid˝ ore ´es az ¨osszes modellre vonatkoztatva), majd a megfelel˝o konstansok ezen ´atlagok reciprokai lesznek. ´Igy a k¨ ovetkez˝ o k´epleteket kapjuk a modellek jelenl´et´enek m´er´es´ere (az egy¨ utthat´ okat kerek´ıtve): mind az ¨ot esetben alkalmazhat´ o az x = 18r−7.5p m´er˝osz´am, illetve a h´arom extrapolat´ıv modell eset´en ennek tov´ abbfejlesztett v´altozata: y = 18r−7.5p+830q. A k¨ ovetkez˝ okben a k¨ot´esi hat´ arid˝ o, mint id˝ o f¨ uggv´eny´eben ´abr´ azoljuk az egyes m´er˝osz´amok v´ altoz´ as´at a k¨ ul¨ onb¨ oz˝o modellekben – ´ıgy mell´ekesen egyfajta obeli fejl˝ od´es´er˝ol is. k´epet kapunk a piac id˝
7.
12
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
´ert´ek szerepel, viszont kiugr´ o ´ert´ekei ennek a legnagyobbak – az a´tlagot tekintve m´egis csup´an harmadik. Az A1 modell ´ert´ekei viszonylag stabilan 0 k¨ or¨ ul mozognak, az a´tlag itt 0.008. V´eg¨ ul az E1-es ´atlag m´ ar negat´ıv, olyan sok negat´ıv r ´ert´ek fordul el˝o. Els˝ o m´er˝osz´amunk, a korrel´ aci´o alapj´ an teh´ at egy´ertelm˝ uen az A2 modell t˝ unik a legjobbnak, az E1 pedig a legrosszabbnak.
8.
Abnorm´ alis α-k
Korrel´ aci´ o a sz´ azal´ ekos v´ altoz´ assal Korreláció a százalékos változással (r)
E0 E2
1
A1
0.8
Abnormális alfák aránya (p=m/k)
E1
A2
E0 E1 E2
0.600
A1 A2
0.500
0.6 0.400
0.4 0.2
0.300
0 -0.2 92- 92- 92- 92- 93- 93- 93- 94- 94- 94- 95- 95- 95- 96- 96- 96- 97- 97- 97- 98- 98- 98- 99- 99- 9903 07 10 12 05 09 11 03 07 11 03 07 11 03 07 11 03 07 11 03 07 11 03 07 11 -0.4
0.200 0.100
-0.6 -0.8
0.000
92 -0 3 92 -0 7 92 -1 0 92 -1 2 93 -0 5 93 -0 9 93 -1 1 94 -0 3 94 -0 7 94 -1 1 95 -0 3 95 -0 7 95 -1 1 96 -0 3 96 -0 7 96 -1 1 97 -0 3 97 -0 7 97 -1 1 98 -0 3 98 -0 7 98 -1 1 99 -0 3 99 -0 7 99 -1 1
-1 -1.2
4. ´ abra. Az ¨ot a´rv´arakoz´ asi modell eset´en az α-k ´es a sz´azal´ekos ´arv´altoz´as korrel´ aci´oja k¨ ot´esi hat´arid˝ onk´ent.
5. ´ abra. Abnorm´ alis α-k ar´anya k¨ ot´esi hat´arid˝ onk´ent a k¨ ul¨ onb¨ oz˝o m´odszerek szerint.
A 4. a´br´ an l´ atszik, hogy az A2 modell szinte v´egig pozit´ıv korrel´ aci´ot produk´ al (egyetlenegy korai k¨ ot´esi hat´arid˝ ot, a 92-09-et kiv´eve, amikor is -0.004, teh´at gyakorlatilag 0), ´es mindv´egig viszonylag magas. Ennek megfelel˝ oen az r-ek ´atlaga is enn´el a modelln´el a legnagyobb, 0.17 k¨ or¨ uli (1-hez k¨ ozeli korrel´ aci´ot nyilv´ an m´eg a legjobb modellt˝ol sem v´ arhatunk, hiszen rendk´ıv¨ ul sok modell ´erv´enyes¨ ulhet, amik mind hatnak az a´rra). Szint´en kev´es negat´ıv ´ert´ek szerepel az E2-h¨oz tartoz´ o sorozatban, viszont itt az ´ert´ekek ´altal´ aban kisebbek, mint az A2 megfelel˝o ´ert´ekei – az ´atlag valamivel nagyobb, mint az el˝oz˝o modellhez tartoz´o ´ atlag fele. Az E0-hoz tartoz´o grafikonban sok negat´ıv
Az 5. ´abr´ an az A2-h¨oz tartoz´ o vonal az´ert nem l´atszik, mert v´egig 0, teh´at az ezen m´odszerrel kalkul´ alt α-kat kisz´ amolva az ¨osszes k¨ot´esi hat´ arid˝ o ¨osszes k¨ot´esi d´atum´ ara, egyszer sem lesz a modellhez k´epest abnorm´ alis. A ´ szint´en p m´er˝osz´am szerint teh´ at megint csak az A2 modell a legjobb. Es az E1 a legrosszabb, hiszen j´ol l´ athat´ o, hogy az ezen modellnek megfelel˝ o grafikon szinte v´egig a t¨obbi f¨ ol¨ ott halad. A m´ asik h´ arom modell sorrendje viszont felborul az el˝ oz˝oekhez k´epest: a legjobb ´ert´ekeket ezek k¨oz¨ ul most E0 produk´ alja, a legrosszabbakat pedig E2.
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 13
Nagy α-k az extrapolat´ıv esetekben ´ es hat´ asuk a korrel´ aci´ ora
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
Nagy alfák hatása a korrelációra extrapolatív esetben (q=n/k*r) 0.020
Eddig sz´ amunkra nem volt ´erdekes, azonban most megeml´ıtj¨ uk, hogy minden ´evben 6 k¨ ot´esi hat´arid˝ o van: m´ arcius, m´ajus, j´ ulius, okt´ ober, november ´es december, illetve 1992-ben ´es 1993-ban szeptemberre is viszonylag nagy sz´am´ u k¨ ot´es t¨ort´ent. Ezeken k´ıv¨ ul el˝ofordult m´eg egy-egy tov´abbi hat´ arid˝ o, de ott mindig igen kev´es k¨ot´es j¨ott l´etre, ´ıgy azokkal nem is foglalkoztunk (a k¨ ot´esi hat´ arid˝ ok k¨ ot´essz´amai grafikonos form´ aban megtal´ alhat´ ok a 10. a´br´ an).
0.015 0.010 0.005 0.000 -0.005
92 -0 3 92 -0 7 92 -1 0 92 -1 2 93 -0 5 93 -0 9 93 -1 1 94 -0 3 94 -0 7 94 -1 1 95 -0 3 95 -0 7 95 -1 1 96 -0 3 96 -0 7 96 -1 1 97 -0 3 97 -0 7 97 -1 1 98 -0 3 98 -0 7 98 -1 1 99 -0 3 99 -0 7 99 -1 1
9.
14
-0.010
E0
-0.015
E1
-0.020
Nagy alfák aránya extrapolatív esetben (n/k)
E0 E1
0.100
E2
E2
-0.025 -0.030
0.090
7. ´ abra. A q m´er˝osz´am alakul´ asa a k¨ot´esi hat´arid˝ ok f¨ uggv´eny´eben.
0.080 0.070 0.060 0.050
´ert´ekek, de sok negat´ıv ´ert´ek is van, s˝ot nagy abszol´ ut´ert´ek˝ u negat´ıvak is.
0.040 0.030 0.020
10.
0.010
”Eredm´ enyhirdet´ es”
6. ´ abra. A nagy α-k ar´anya k¨ ot´esi hat´arid˝ onk´ent az extrapolat´ıv m´odszerek szerint. A frissebb k¨ot´esi hat´arid˝ okre, azaz a ’97-, ’98-, ’99-esekre, a k¨ot´esek sz´ama m´ar el´ert egy magasabb szintet, ´es a piac is stabiliz´al´ odott a kezdeti bizonytalans´ agokat k¨ovet˝ oen. A 6. a´bra ´erdekess´ege, hogy azt mutatja, hogy ezen id˝ oszakban egy bizonytalan periodikuss´ ag figyelhet˝ o meg a nagy α-k sz´am´at tekintve. Nevezetesen az okt´oberi hat´ arid˝ ore mindig a legkevesebb extr´em ´ert´ek jut, majd a novemberi hat´ arid˝ on kereszt¨ ul egyenletes emelked´es figyelhet˝o meg, a cs´ ucs mindig a decemberhez tartozik. Ezut´an a m´ arciusi, m´ajusi ´es j´ uliusi hat´ arid˝ ok¨ on kereszt¨ ul v´ altozatos m´odon jutunk el ism´et az okt´oberi m´elypontig. T´erj¨ unk most a´t a nagy α-khoz tartoz´o q m´er˝osz´am vizsg´ alat´ ara – ez a kor´ abbiak szerint csak az extrapolat´ıv esetekben haszn´alhat´ o. A 7. a´bra szerint ebben a kateg´ori´ aban az E2 modell a legjobb, a q abb csak korai k¨ ot´esi ´ert´ek itt szinte v´egig pozit´ıv (´es a negat´ıv ´ert´ekek is ink´ hat´ arid˝ okn´el fordulnak el˝ o). Az E1-es ´atlag a legkisebb, ez teh´at a legkev´esb´e ´erv´enyes¨ ul˝ o modell ebb˝ol a szempontb´ ol. E0-n´ al megint el˝ofordulnak kiugr´ o Operations Research Reports No. 2005-02
A 8. a´br´ an l´ athat´ o a mindegyik modellre alkalmazhat´o x m´er˝osz´am alakul´ asa, a 9. a´br´ an pedig az extrapolat´ıv esetekre vonatkoz´o tov´ abbfejlesztett v´ altozat´e, y-´e. A 3. t´ abl´ azat o¨sszefoglalja az r, p, q, x ´es y m´er˝osz´amok ´atlagait az egyes modellekre (a k¨ot´esi hat´arid˝ okh¨ oz tartoz´ o ´ert´ekeket ´atlagoljuk). Jelenlét mérĘszáma: x=18*r-7.5*p 15.000 10.000 5.000 0.000 92 -0 3 92 -0 7 92 -1 0 92 -1 2 93 -0 5 93 -0 9 93 -1 1 94 -0 3 94 -0 7 94 -1 1 95 -0 3 95 -0 7 95 -1 1 96 -0 3 96 -0 7 96 -1 1 97 -0 3 97 -0 7 97 -1 1 98 -0 3 98 -0 7 98 -1 1 99 -0 3 99 -0 7 99 -1 1
92 -0 3 92 -0 7 92 -1 0 92 -1 2 93 -0 5 93 -0 9 93 -1 1 94 -0 3 94 -0 7 94 -1 1 95 -0 3 95 -0 7 95 -1 1 96 -0 3 96 -0 7 96 -1 1 97 -0 3 97 -0 7 97 -1 1 98 -0 3 98 -0 7 98 -1 1 99 -0 3 99 -0 7 99 -1 1
0.000
-5.000
E0
-10.000
E1 E2
-15.000
A1
-20.000
A2
8. ´ abra. Az x m´er˝osz´am id˝ obeli lefut´ asa. Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 15
30.000 20.000 10.000
-20.000
-1 1
99
-0 7
-0 3
99
99
-0 7
-1 1
98
-0 3
98
-1 1
97
98
-0 3
-0 7
97
-1 1
97
-0 7
96
-0 3
96
-1 1
96
-0 7
95
-0 3
95
-1 1
95
94
-0 7
-0 3
94
94
-1 1
-0 9
93
93
-1 2
-0 5
93
-1 0
92
-0 7
92
92
-0 3
0.000
92
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
5-dimenzi´os α-vektorokat vizsg´ alunk, clusterezz¨ uk o˝ket, ´es ezzel pr´ob´ alunk meg el˝orejelezni. Ezen vizsg´al´ od´ asokn´ al csak a ’97 okt´ ober´et˝ol kezd˝ od˝ o id˝ oszak k¨ ot´esi hat´aridejeivel foglalkozunk – mint kor´ abban eml´ıtett¨ uk, erre az id˝ oszakra a piac u ´ gy-ahogy stabiliz´al´ odott, ´es a k¨ot´essz´am is el´ert egy magasabb szintet. (’97 j´ ulius´ aig minden hat´ arid˝ o k¨ ot´essz´ama 170 alatt volt, onnant´ ol viszont mindig 210 f¨ol¨ ott van – a 10. a´br´ an j´ ol megfigyelhet˝o ez a mark´ans v´ alt´ as.)
Jelenlét módosított mérĘszáma extrapolatív esetben: y=18*r-7.5*p+830*q
-10.000
16
E0
350
E1
-30.000
E2
-40.000 -50.000
Kötésszám 300 250
9. ´ abra. Az y m´er˝osz´am az extrapolat´ıv modellekre.
200 150 100
3. t´ abl´ azat. A m´er˝osz´amok ´atlagai.
50
-1 1
-0 7
99
-0 3
99
-1 1
99
-0 7
98
-0 3
98
-1 1
98
97
-0 3
-0 7
97
-1 1
97
-0 7
96
-0 3
96
-1 1
96
-0 7
95
-0 3
95
-1 1
95
-0 7
94
-0 3
94
-1 1
94
-0 9
93
-0 5
93
93
-1 0
-1 2
92
-0 7
92
-0 3
92
-1 1
92
-0 9
0 91
A2 0.000 0.171 3.073 -
91
A m´er˝osz´amok ´atlagos ´ert´ekei az egyes modellekben E0 E1 E2 A1 p=m/k 0.050 0.309 0.196 0.113 n/k 0.027 0.015 0.025 q=(n/k)*r 0.001 0.000 0.002 r 0.034 -0.027 0.093 0.008 x=18*r-7.5*p 0.229 -2.801 0.193 -0.694 y=18*r-7.5*p+830*q 1.359 -2.676 1.938 -
10. ´ abra. K¨ ot´essz´amok alakul´ asa a k¨ot´esi hat´arid˝ o, mint id˝ o f¨ uggv´eny´eben, a l´enyegtelenek elhagy´as´aval.
Mindezek alapj´ an r¨ ogt¨ on l´ atszik, hogy az A2 modell, ami k¨ ul¨ on-k¨ ul¨ on is a legjobb volt a korrel´ aci´os ´es az abnorm´alis esetes ¨osszevet´esben, ¨osszess´eg´eben is messze a legjobb. Hasonl´o mondhat´ o el a m´asik oldalon, az E1-es modellel kapcsolatban is, ami a legrosszabb. Nem t´ ul meggy˝ oz˝oek az A1 eredm´enyei sem, meg´allap´ıthatjuk teh´ at, hogy azon modellek, ahol a v´ art a´rat a´tlagk´ent sz´amoljuk, nem igaz´ an ´erv´enyes¨ ulnek – ink´ abb a maximumon alapul´ o v´ altozat all k¨ ´ ozelebb a val´os´aghoz. A marad´ek k´et modell k¨ oz¨ ul az x m´er˝osz´am E0-ra nagyobb, a csak extrapolat´ıvakra vonatkoz´ o y pedig E2-re. Ez ut´ obbi ugyan meglehet˝osen magas y-t ´er el, viszont itt az abnorm´ alis α-k ar´anya nagyon magas, ´atlagban az o¨sszes esetnek k¨ozel egy¨ot¨ od´et teszik ki – ez alapj´an, b´ ar a m´odos´ıtott m´er˝osz´ama alacsonyabb, m´egis tal´an azt gondolhatjuk, hogy az ul jobban a kett˝ o k¨ oz¨ ul, de az sem k¨ozel´ıti meg az A2-es E0 modell ´erv´enyes¨ szintj´et. A tov´ abbiakban el˝ osz¨or az egyes modellek α-´ert´ekeir˝ ol tesz¨ unk n´eh´any ´eszrev´etelt, majd a legjobbnak bizonyul´o modellel foglalkozunk r´eszletesebben:
Ebben a fejezetben k´et dolgot fogunk megvizsg´alni: egyr´eszt azt, amit a c´ım is sugall, hogy konkr´etan milyen sz´ amok fordulnak el˝ o α-kk´ent, ´es ezek hogyan oszlanak el, m´asr´eszt pedig azt, hogy milyen ar´ anyban fordulnak el˝ o ”naiv” ´arv´arakoz´ asok. Ez ut´ obbi alatt azt ´ertj¨ uk, hogy a v´ art a´r valamilyen trivi´ alis m´odon ad´ odik – extrapolat´ıv esetben α = 1 (pet = pt−1 ), α = 0 (pet = pt−2 ). Ezek l´enyeg´eben nem k¨ ul¨ onb¨ oznek egym´ast´ol, abban az ´ertelemben, hogy a v´ art a´r hogyan ad´ odik - mindk´etszer egy kor´abbi val´ os ´ar. A konkr´et ´ert´ekek alapj´ an az α = 0 esetek sz´ama meg sem k¨ozel´ıti a α = 1 esetek sz´am´at, ´ıgy a tov´ abbiakban csak ez ut´ obbival foglalkozunk. (Furcsa jelens´egre lehet¨ unk figyelmesek: ha sok van egy ilyen naiv a´rv´arakoz´ asb´ol, akkor az utalhat arra, hogy a modell jelen van, hiszen alkalmazz´ ak, m´eghozz´a a legegyszer˝ ubb v´ altozat´ at - ugyanakkor n´emileg sajn´alkozhatunk, hogy a vizsg´ alt piac m´eg
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
11.
α-´ ert´ ekek az egyes modellekben
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 17
nem igaz´an fejlett, nem m˝ uk¨ odnek kifinomultabb modellek. Ez persze nem t´ ul meglep˝o, hiszen mindenki az egyszer˝ u megold´ asokra t¨ orekszik a bonyolult, kev´esb´e ´atl´ athat´ o dolgokkal kapcsolatban.) Adapt´ıv modellekben kiss´e m´as a helyzet (a fenti megjegyz´es persze ott is ´all). Ott az α = 1 (pet = pt−1 ) ´es az α = 0 (pet = pet−1 ) esetek term´eszete m´as, el˝obbiben a v´ art a´r a legut´ obbi t´enyleges, ahogy extrapolat´ıv esetben is, ut´ obbiban viszont a v´ art a´r a legut´ obbi v´ art a´r. A tapasztalatok azt mutatj´ ak, hogy mindkett˝ o sz´ep sz´ammal szerepel a konkr´et ´ert´ekek k¨ozt, ´ıgy teh´ at mindkett˝ovel ´erdemes foglalkozni. ¨ Osszefoglalva teh´ at extrapolat´ıv esetben naiv ´arv´arakoz´ asnak nevezz¨ uk az α = 1 esetet, adapt´ıv esetben pedig az α = 1 ´es az α = 0 eseteket. α = 1 annak felel meg, hogy a v´art a´r az utols´ o val´ os ´ar, α = 0 pedig annak, hogy az utols´ o v´ art a´r. Azt fogjuk megvizsg´alni, hogy ezek milyen ar´ anyban fordulnak el˝ o az egyes modellekben. A fenti paradoxon szerint a modell jelenl´et´et ink´ abb ezen naiv ´ert´ekek nagy ar´anya er˝ os´ıti meg, hi´ aba utal ez egyben a piac fejletlens´eg´ere. (Az is igaz persze, hogy nyilv´ an ´epp ezeket az ´ert´ekeket k¨ onnyebb kimutatni, a finomabbak jobban elvesznek a sok adatban.)
18
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
A 11. a´br´ an a nem-naiv α-k ar´any´ at a´br´ azoltuk az o¨sszeshez viszony´ıtva az egyes modellekben, az id˝ o a k¨ ot´esi hat´ arid˝ o. J´ ol elk¨ ul¨ on¨ ulnek az egyes modellekhez tartoz´o vonalak, ´ıgy l´ athat´ o, hogy megint az A2 t˝ unik a legjobbnak, azt´ an az E0 ´es E2 fej-fej mellett haladnak, ´es a k´et legrosszabb a k´et ´atlagon alapul´ o modell (most ´epp ford´ıtott sorrendben). Megfigyelhetj¨ uk, hogy legjobb modell¨ unk, az A2-es grafikonja szinte v´egig 0.3 alatt halad, azaz
az ¨osszes eset t¨obb mint k´etharmad´ aban naiv a´rv´arakoz´ asi modell van jelen. Az 11. ´abra k´epe mellesleg al´at´ amasztja azt a gondolatot, hogy az extrapolat´ıv ´es adapt´ıv modellekben nem ugyanaz a naiv a´rv´arakoz´ as, hiszen j´ol l´ atszik, hogy az ennek megfelel˝ oen defini´ alt naiv ´ert´ekek ar´anya k¨ or¨ ulbel¨ ul ugyan´ ugy mozog az egyes modellekben, csak m´as-m´as szinten. T´erj¨ unk most a´t az α-´ert´ekek eloszl´as´anak vizsg´ alat´ ara. A 97-10 ´es 9912 k¨oz¨otti 15 hat´ arid˝ o mindegyik´eben ´es mind az o¨t modellben a´br´ azoltuk az egyes α-´ert´ekeket n¨ovekv˝ o sorrendben. Mind az ¨ot modellre igaz, hogy a k¨ ul¨ onb¨ oz˝o hat´ arid˝ okh¨ oz tartoz´ o grafikonok k´epe igen hasonl´ıt, ugyanakkor (ahogy az v´arhat´ o is), az egyes modellek k´epei igen elt´er˝oek. Az al´ abbiakban a 99-11 k¨ot´esi hat´arid˝ oh¨ oz tartoz´ o o¨t grafikont vizsg´ aljuk meg – mindegyikre igaz, hogy az adott modell grafikonjainak tipikus p´eld´aja a 99-11-es. Fontos megjegyezni, hogy ezeken az a´br´ akon a k¨ onnyebb a´ttekinthet˝os´eg kedv´e´ert csak az 5-n´el kisebb abszol´ ut ´ert´ek˝ u α-´ert´ekek szerepelnek. Extrapolat´ıv modellek eset´en nem meglep˝o, hogy ilyen megszor´ıt´ ast kell tenn¨ unk, hiszen el˝ofordulhatnak nagy α-k, adapt´ıv esetben ennek nem kellene ´ıgy lennie, de sajnos az A1 modellben, mint kor´abban l´ attuk, a kisz´ amolt ´ert´ekek valamivel t¨ obb, mint egy tizede abnorm´ alis. Szerencs´enkre az A2 modellel ilyen gondok nincsenek, hiszen ott nincs abnorm´ alis ´ert´ek, ´ıgy ennek a modellnek a grafikonja fel´ep´ıt´es´et tekintve is elt´er a t¨ obbit˝ol. Hasonl´oan a fentebb t´ argyalt naiv a´rv´arakoz´ asokhoz, itt is u ´ gy gondoljuk, hogy az adott modell jelenl´et´et az t´amasztja al´a, ha a param´eter egyszer˝ u ´ert´ekeit tudjuk kimutatni (azaz eg´esz sz´amokat, illetve ”kerek t¨orteket” – eg´esz sz´amok reciprokait, egyszer˝ u alak´ u t¨ orteket). Amennyiben ugyanis a modellt (ha nem is tudatosan, de) alkalmazz´ ak, akkor ezt val´ osz´ın˝ uleg nem t´ ul bonyolult sz´ amokkal teszik. Ha sok kerek ´ert´ek van, akkor a sorbarendezett ´ert´ekeket ´abr´ azolva ezen ´ert´ekeknek megfelel˝o ”teraszokat” kell l´ atnunk, k¨ ozt¨ uk ugr´ asokkal, azaz a grafikonnak l´epcs˝ozetess´eget kell mutatnia. Persze min´el t¨obb ´ert´eket tekint¨ unk kereknek, ann´ al t¨ obb ”teraszr´ ol”, szintr˝ ol kell besz´eln¨ unk, ´ıgy az ugr´ asszer˝ us´eg elmos´odhat, teh´ at elk´epzelhet˝o, hogy ez nem lesz olyan szembet˝ un˝ oen jellemz˝o a grafikonokra. A nagyon egyszer˝ u ´ert´ekek un˝ o ”teraszait” azonban ez a hat´ as nem befoly´ asolja. (0, 1, 2, 12 stb.) felt˝ Els˝ ok´ent n´ezz¨ uk teh´ at az E0 modellt a 12. a´br´ an. J´ ol l´ atszik, ami a naiv a´rv´arakoz´ asok vizsg´ alata sor´ an felmer¨ ult, hogy rendk´ıv¨ ul sok az 1-es. A t¨ obbi ´ert´ek nagyj´ab´ ol egyenletesen oszlik el, az 1 ´ert´ekt˝ol haladva visszafele folyamatos a cs¨okken´es 0-ig, majd kicsit meredekebb -5-ig - ez persze nem meglep˝o, hiszen a negat´ıv ´ert´ekek abnorm´alisak. +5-ig is t¨obb´e-kev´esb´e egyenletes az emelked´es, k¨ozben kisebb ”teraszokkal” – (viszonylag) sok 2-es, 3-as van. Megfigyelhet˝ o teh´ at, hogy a kerek ´ert´ekek t¨obbsz¨ or fordulnak el˝ o, s a fentiek ´ertelm´eben ez arra utal, hogy a modell jelen van, m´eghozz´a nem
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
Nem-naiv alfák aránya
E0 E2 A2
E1 A1
1.200 1.000 0.800 0.600 0.400 0.200 0.000 97-10 97-11 97-12 98-03 98-05 98-07 98-10 98-11 98-12 99-03 99-05 99-07 99-10 99-11 99-12
11. ´ abra. A nem-naiv α-k ar´any´ anak alakul´ asa az id˝oben.
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 19
E0 alfák növekvĘ sorrendben, 99-11 6 5 4 3
20
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
A 13. a´br´ an l´ athat´ o, hogy az E1 modellben j´ oval t¨ obb negat´ıv ´ert´ek szerepel – nem meglep˝o, hiszen ez volt a legrosszabb modell¨ unk. Itt sokkal t¨ obb 1-n´el kisebb sz´am van jelen, ´es kevesebb 1-n´el nagyobb, az E0-n´al ez ink´ abb ford´ıtva volt. B´ arhogyan is leszerepelt azonban az E1 modell, azt nem mondhatjuk, hogy ne lenne jelen a piacon. Hiszen itt is megfigyelhet˝ ok a ”teraszok”, igaz r¨ ovidek, de jelen vannak.
2 1
E2 alfák növekvĘ sorrendben, 99-11
0 -1
6
-2
5
-3
4
-4
3
-5
2 1
12. ´ abra. Az E0 modell α-´ert´ekei az 1999. novemberi k¨ot´esi hat´arid˝ ore.
0 -1 -2
t´ ul bonyolult sz´ amokkal. Ilyenek a ”kerek t¨ ortek” is, ´es ennek megfelel˝oen az ´ persze a 0 is, ebb˝ol ´abr´ an megfigyelhet˝ ok az ezeknek megfelel˝ o ”teraszok”. Es is van t¨ obb, de messze nem annyi, mint 1-b˝ol. Az ugr´ asszer˝ us´eg itt nincs jelen, de jobban szem¨ ugyre v´eve az ´abr´ at l´ athatjuk, hogy itt ennek val´ oban a sok r¨ ovid ”terasz” az oka. E1 alfák növekvĘ sorrendben, 99-11 5 4 3 2 1 0 -1 -2 -3 -4 -5
13. ´ abra. Az E1 modell α-´ert´ekei az 1999. novemberi k¨ot´esi hat´arid˝ ore. Operations Research Reports No. 2005-02
-3 -4 -5 -6
14. ´ abra. Az E2 modell α-´ert´ekei az 1999. novemberi k¨ot´esi hat´arid˝ ore. Az E2 modellben (14. a´bra) a l´epcs˝ozetess´eg m´eg ink´ abb ki¨ utk¨ ozik: az ugr´ asszer˝ us´eg itt nem mos´ odik el, ez teh´at mindenk´eppen a modell er˝osebb jelenl´et´et t´amasztja al´a. Fontos megjegyezni, hogy enn´el a modelln´el kellett a legt¨obb ´ert´eket elhagyni az ´abr´ azol´ askor, mert 5-n´el nagyobb abszol´ ut ´ ´ert´ek˝ uek voltak – ez is erre az ugr´ asszer˝ us´egre utal. Erdekess´ eg, hogy itt az eddigiekhez k´epest j´oval t¨ obb 0 is szerepel. Az A1 modelln´el, a 15. ´abr´ an figyelhet˝ o meg a legkevesebb 1 ´ert´ek (ahogy ezt kor´ abban a 11. a´br´ an is l´ athattuk), term´eszetesen sok a 0 ´es 1 k¨oz´e es˝o sz´am, hiszen ezek lenn´enek a norm´alis ´ert´ekek. Itt is megvannak a l´epcs˝ok, emellett az emelked´es 1-ig nagyon egyenletes. Ahogy 1-esb˝ol, 0-b´ ol is kev´es van, pedig ezek a naiv v´ arakoz´ as sz´ amai. Ahogy az E1 modellr˝ ol, term´eszetesen err˝ ol sem mondhatjuk, hogy ne lenne jelen, de az biztos, hogy ezek a modellek, asosak” a piacon. ahogy azt kor´ abban is meg´ allap´ıtottuk, nem t´ ul ”befoly´ V´egezet¨ ul a 16. a´br´ an l´ athat´ o A2 modellben nagyon sok 0 van, ´es nagyon sok 1. K¨ oz¨ott¨ uk, kb. 0,1 el˝ ott ´es 0,4 ut´an ugr´ asszer˝ u az emelked´es, a k´et ´ert´ek k¨ ozt viszont ink´ abb egyenletes, de a ”teraszok” itt is megvannak. Ahogy edOperations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 21
A1 alfák növekvĘ sorrendben, 99-11 4 3 2
22
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
modell jelenl´et´et, b´ ar el´egg´e term´eszetes gondolat, legink´abb bizonyos emberi viselked´esform´ak felt´etelez´es´en alapul. Mindenesetre ezek az adatok al´ at´ amaszt´ask´ent szolg´alhatnak az eddig meg´ allap´ıtott jelenl´etekre, ahogy azt fentebb kifejtett¨ uk. Tov´ abb´ a ¨onmagukban is ´erdekes eredm´enyek, hiszen az egyes modellek alkalmaz´as´anak form´ ait ´ırj´ ak le.
1 0
12.
-1
A2-es α-vektorok
dig is tudtuk, ism´et al´at´ amaszt´ast nyert teh´ at, hogy ez a legjobb modell¨ unk. Felmer¨ ul a k´erd´es, hogy a naiv α-k sz´am´at, illetve bizonyos kerek ´ert´ekek sz´am´at mi´ert nem haszn´altuk a jelenl´et m´er˝osz´amaihoz. Az´ert, mert ezekn´el a vizsg´alatokn´ al t´ ul sok, t¨ obbs´eg´eben intuit´ıv felt´etelez´est haszn´altunk, hiszen az, hogy a naiv, illetve egyszer˝ u ´ert´ekek nagy sz´ama t´amasztja al´a a
Mint fentebb eml´ıtett¨ uk, befejz´esk´eppen az A2-es modell α-´ert´ekeinek o¨sszef¨ ugg´eseit vizsg´aljuk. Ehhez o¨tdimenzi´ os α-vektorokat k´epz¨ unk, m´eghozz´a az id˝ orendi sorrendnek megfelel˝ oen – teh´ at gyakorlatilag az egym´ ast k¨ovet˝ o¨ otdimenzi´os vektorok tartalmazz´ak az egym´ ast k¨ovet˝ o hetek α-´ert´ekeit (a t˝ ozsd´en h´etv´egenk´ent nincs keresked´es). Ezeket a vektorokat clusterezt¨ uk, m´eghozz´a minden egyes k¨ ot´esi hat´arid˝ o eset´en h´ arom clusterez´est v´egezt¨ unk: 5, 6, illetve 7 oszt´alyba soroltuk a vektorokat. Ezut´ an megvizsg´ altuk, hogy az 5 csoport elemei hogyan v´ alnak sz´et 6 csoportt´ a, illetve ugyanez hogyan zajlik 6-r´ ol 7-re – ezzel pr´ ob´ alva meg´allap´ıtani, hogy mennyire stabilak az egyes clusterek. Ezut´ an lev´ agtuk a vektorok utols´ o koordin´ at´ ait, ´es ugyanezeket a clusterez´eseket megcsin´altuk az ´ıgy kapott csonka, n´egydimenzi´os vektorokra is. Majd megvizsg´ altuk, hogy ezek a clusterek hogyan mennek a´t az ¨otdimenzi´os csoportokba. Ide´ alis esetben ugyanis a n´egy- ´es ¨otdimenzi´ os clusterek uen megfeleltethet˝ok lenn´enek egym´asnak, ´ıgy a t˝ ozsd´en a h´et els˝ o egy´ertelm˝ n´egy keresked´esi napj´ ahoz tartoz´ o α-´ert´ek ismeret´eben el˝ orejelezhet˝o lenne az ¨ot¨ odik, ezen kereszt¨ ul pedig az a´r. Term´eszetesen ezt nem v´arhatjuk, megel´egsz¨ unk azzal, ha erre utal´ o jeleket felfedez¨ unk, illetve n´eh´any cluster eset´eben ezt tudjuk a´ll´ıtani. Az al´ abbiakban alapvet˝ oen az 5 clusterre bont´ as csoportjait vizsg´ aljuk, a 6, illetve 7 clusteres felbont´ ast csak a stabilit´ as vizsg´ alat´ ahoz haszn´ aljuk fel. Els˝ o tapasztalatunk, hogy mindig van egy-k´et olyan cluster (egyel˝ ore most az ¨otdimenzi´ os vektorokr´ ol besz´el¨ unk), melyekn´el a k¨oz´eppont koordin´ at´ ai k¨ oz¨ott szerepel 0 ´es 1, illetve ezekhez nagyon k¨ozeli ´ert´ek. Az ilyen clusterek tagsz´ama meglehet˝osen kicsi (´altal´ aban 10 alatti, ami ezt meghaladja, az sem sokkal) – stabilit´asuk k¨ot´esi hat´ arid˝ ot˝ ol f¨ ugg˝ oen meglehet˝osen v´altozatos. o (A konkr´et ´ert´ekekre p´elda a F¨ uggel´ekben tal´ alhat´ o: a 97-10 k¨ot´esi hat´ arid˝ eset´eben az 1-es, 2-es ´es 3-as cluster, m´ıg a 99-03 hat´ arid˝ on´el a 1-es, 3-as ´es 4-es.) Az, hogy mely koordin´ at´ ak ´ert´ekei sz´els˝ o´ert´ekek, illetve ahhoz k¨ozeliek, k¨ ot´esi hatrid˝ot˝ ol f¨ ugg˝ oen meglehet˝osen v´altoz´ o. Tov´ abb´ a igaz az is, hogy a k¨ ul¨ onb¨ oz˝o hat´ arid˝ ok ezen clusterei nem feleltethet˝ ok meg egym´asnak, amint ez a F¨ uggel´ekben bemutatott k´et hat´arid˝ o eset´en is l´atszik. Felmer¨ ul a gondolat, hogy ne az o¨sszes hat´arid˝ o k¨ oz¨ott pr´ ob´ aljunk megfeleltetni, hanem csak
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
-2 -3 -4 -5 -6
15. ´ abra. Az A1 modell α-´ert´ekei az 1999. novemberi k¨ot´esi hat´arid˝ ore. A2 alfák növekvĘ sorrendben, 99-11 1.2 1 0.8 0.6 0.4 0.2 0
16. ´ abra. Az A2 modell α-´ert´ekei az 1999. novemberi k¨ot´esi hat´arid˝ ore.
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 23
az azonos h´ onapok k¨ oz¨ott, azonban ez sem vezet jobb eredm´enyre. Megjegyezz¨ uk, hogy ez a legels˝ o l´ep´esben nem ´ıgy t˝ unik, hiszen a 98-10-es hat´ arid˝ o ezen h´arom clustere eg´esz j´o egyez´est mutat a F¨ uggel´ekbeli, 97-10-es clusterekkel. Ha m´eg kieg´esz´ıtj¨ uk e kett˝ot a 99-10-es hat´arid˝ ovel, akkor azt tapasztaljuk, hogy kis j´ oindulattal b´ armely kett˝o k¨ ozt tudunk megfeleltetni, de egyszerre a h´ aromra ez m´ar bajosabb. Megvizsg´ alva a t¨ obbi h´ onapot is, azt tapasztaljuk, hogy ha nagyon akarjuk, megfeleltethet¨ unk egym´ asnak clustereket, de ezek az´ert kisebb-nagyobb m´ert´ekben elt´ernek az egyes koordin´ at´ akban. Az el˝orejelz´es szempontj´ab´ ol ezek a clusterek meglehet˝ osen hektikusan viselkednek. Vannak k¨ ot´esi hat´arid˝ ok, ahol a h´ arom n´egydimenzi´os cluster szinte teljes eg´esz´eben egy-egy megfelel˝o ¨ otdimenzi´ osba megy a´t (pl. a 97-10-es), de el˝ofordulnak olyanok is, ahol rendszertelen¨ ul sz´etesnek (pl. a 99-03-as, a megfelel˝o a´br´ ak a F¨ uggel´ekben l´ athat´ ok). Emiatt az el˝orejelz´esn´el m´as hat´ arid˝ ok adataival nem ´erdemes sz´amolni. Az el˝ orejelz´es u ´ gy t¨ ort´enhet, hogy az adott ore, amire ´eppen u ¨ zletet akarunk k¨ otni, elk´esz´ıtj¨ uk a kor´ abbi k¨ ot´esi hat´arid˝ arvektorok clustereit, ´es abba pr´ ´ ob´ aljuk besorolni az aktu´ alis n´egydimenzi´os vektort (err˝ol most feltessz¨ uk, hogy a fentebb ismertetett clusterek egyik´ebe esik, azaz nem sorolhat´o be a k´et lentebb bemutatott csoportba – l´ atni fogjuk, hogy azok egy´ertelm˝ uen kisz˝ urhet˝ok). Ez persze csak a k¨ot´esi hat´arid˝ o k¨ ozeledt´evel lesz informat´ıv, hiszen csak akkorra gy˝ ulik o¨ssze megfelel˝o mennyis´eg˝ u adat. N´ezz¨ uk meg, hogy mi a helyzet a marad´ek k´et clusterrel: az egyik ezek k¨ oz¨ ul azokat a vektorokat reprezent´alja, ahol a koordin´ at´ ak mind 1-hez k¨ ozeliek. Ilyen cluster mindig van, b´ ar kisebb elt´er´esek el˝ofordulnak a hat´ arid˝ ok ´ k¨ ozt. Altal´ aban jellemz˝ o, hogy az ilyen clusterek k¨ oz´eppontjainak koordin´ at´ ai k¨ ozt kett˝o, h´ arom vagy n´egy olyan van, ami nemcsak k¨ ozel van 1-hez, hanem ´eppen annyi. A marad´ek koordin´ at´ ak n´eha eg´eszen k¨ozeliek, 0,9 k¨ or¨ uliek, n´eha csak 0,6-0,7 k¨ oztiek, viszont az 0,5-et egy-k´et kiv´etellel mindig el´erik. Ez a cluster kev´es kiv´etellel stabilnak mondhat´o – p´eld´aul a 97-10-es k¨ot´esi hat´ arid˝ o eset´en ez a csoport teljes eg´esz´eben v´ altozatlan marad, amikor 5 helyett 6, illetve 6 helyett 7 clustert k´epz¨ unk (l´ asd F¨ uggel´ek). Nem meglep˝o tov´ abb´ a, hogy ez a csoport az el˝orejelz´est tekintve is stabil: azon 4-dimenzi´os vektorok, melyek els˝o n´egy koordin´ at´ aja 1-hez k¨ozeli, ´altal´ aban ugyanilyen 5. koordin´ at´ at eredm´enyeznek. Az el˝orejelz´es itt teh´ at meglehet˝osen egyszer˝ u: ha az els˝o n´egy alfa 1-hez k¨ozeli, akkor az ¨ot¨ odik is ilyen lesz, legegyszer˝ ubb konkr´etan 1-nek venni. Fontos megjegyezn¨ unk, hogy b´ ar ez a cluster mindig jelen van, a k¨ ot´esi hat´arid˝ o n¨ ovel´es´evel tagsz´ama egyre cs¨ okken, teh´ at a naiv ´ert´ekek id˝ oben egyre ink´ abb elk¨ ul¨ on¨ ulnek egym´ast´ol.
24
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
ordin´ at´ ak kisebbek, az utols´ ok nagyobbak. Ez a cluster szinte mindig a legt¨obb vektort tartalmazza, tagjainak sz´ ama nem ritk´ an megk¨ ozel´ıti, s˝ ot el´eri a 20-at. A k¨ ul¨ onb¨ oz˝o k¨ ot´esi hat´ arid˝ okre a konkr´et ´ert´ekek, illetve a nagys´ag szerinti megoszt´as meglehet˝osen v´altozatos, azonban az el˝ orejelz´es szempontj´ab´ ol l´enyeges utols´o koordin´ ata a´ltal´ aban a legnagyobb. A t¨ obbihez k´epest legt¨obbsz¨ or stabilnak mondhat´ o, ´es az el˝ orejelz´es szempontj´ab´ ol is ”j´ ol” viselkedik: azon n´egydimenzi´os vektorok, melyek els˝o n´egy koordin´ at´ aja megfelel ennek a clusternek, kieg´esz¨ ulve nagy val´ osz´ın˝ us´eggel ebbe esnek bele. A konkr´et ´ert´ekek k¨ot´esi hat´ arid˝ ot˝ ol val´ o f¨ ugg´ese miatt azonban itt is hasonl´o el˝orejelz´esi m´odszert kell alkalmazni, mint az els˝ ok´ent t´ argyalt h´ arom cluster eset´eben: az adott hat´arid˝ ore vonatkoz´o, m´ar megl´ev˝o adatok clusterez´ese odik koordin´ ata. ut´ an egy adott n´egydimenzi´os vektor eset´en becs¨ ulhet˝o az ¨ot¨ Azonban az, hogy egy adott n´egydimenzi´os vektor ebbe a speci´ alis clusterbe esik, a kor´ abbi adatok ismerete n´elk¨ ul is nagy biztons´ aggal eld¨onthet˝ o, ´es tekintve, hogy az o¨t¨ odik mindig a legnagyobb ´ert´ek, becsl´esk´ent megfelel˝o az addigi legnagyobb n¨ ovel´ese kb. 0,15-tel (´ atlagban ugyanis kb. ennyivel nagyobb az o¨t¨ odik ´ert´ek a m´asodik legnagyobbn´ al). (Megjegyzend˝ o, hogy ebben a tekintetben vannak kiv´etelek, ez´ert ´erdemes elk´esz´ıteni a kor´ abbi adatok alapj´ an a clustereket.) ¨ Osszefoglalva teh´ at azt mondhatjuk, hogy ha cs¨ ut¨ ort¨ ok¨ on becs¨ ulni szeretn´enk a p´enteki α-´ert´eket, seg´ıtve ezzel az a´r el˝ orejelz´es´et, akkor az adott k¨ ot´esi hat´arid˝ o a´raib´ ol, illetve az azokb´ol alkotott o¨t- ´es n´egydimenzi´os vektorokb´ ol k´epzett clusterek seg´ıts´eg´evel meg´ allap´ıthatjuk, hogy az adott heti vektor ´eppen melyik clusterbe esik, ´es a megfelel˝o k¨ oz´eppont utols´ o koordin´ at´ aj´ aval becs¨ ulhetj¨ uk a p´enteki α-t. Az 1-eseket tartalmaz´o cluster eset´eben gyorsabb megold´ as az, ha a becsl´est 1-nek vessz¨ uk, a fenti o¨t¨ odik cluster eset´en pedig a heti legnagyobb ´ert´eket 0,15-tel n¨ovelve kapjuk a becsl´est.
13.
¨ Osszefoglal´ as
Az ¨ot¨ odik cluster igen hasonl´ o minden k¨ ot´esi hat´ arid˝ on´el: a k¨ oz´eppont koordin´ at´ ai 0,1 ´es 0,5 k¨oz¨ott mozognak, olyan eloszt´asban, hogy az els˝o ko-
´ ozsde gabona szekci´oj´ Jelen cikkben megvizsg´ altuk, hogy a Budapesti Arut˝ aban a kukorica keresked´es´eben milyen a´rv´arakoz´ asi modellek ´erv´enyes¨ ulnek: egy´ertelm˝ uen az adapt´ıv, maximumon alapul´ o modell van jelen legink´ abb, de kisebb hat´ast az ´ar alakul´ as´ara m´ as modellek is gyakorolnak, melyek legink´ abb extr´em esetekben, kiugr´ o ´ arv´arakoz´ asi param´eter mellett befoly´asolj´ ak azt. Legjobb modell¨ unk a´rv´arakoz´ asi param´etereit tov´abb vizsg´ alva pedig egy lehets´eges el˝orejelz´esi m´odszert v´azoltunk fel. A vizsg´ alatok tov´ abbfejleszt´es´enek t¨ obb ir´ anya is lehet: egyr´eszt vizsg´ alhat´ ok m´as modellek, amikor a v´ art ´arat nem a´tlagol´ assal vagy maximumk´epz´essel ´allap´ıtjuk meg, illetve ezzel ¨osszef¨ ugg´esben ¨ot helyett lehet t¨ obb vagy kevesebb kor´ abbi ´ert´ek alapj´ an
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 25
26
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
becs¨ ulni. Az A2-es modellre adott el˝orejelz´esi m´odszer pedig u ´jabb adatok ismeret´eben esetleg tov´abbfejleszthet˝o, illetve programozhat´o.
14.
K¨ osz¨ onetnyilv´ an´ıt´ as
A szerz˝ok megk¨ osz¨onik Lakner Zolt´ an adatszolg´ altat´ asban, B´ alint Andr´ as ´es Pr¨ ohle Tam´as elemz´esek elv´egz´es´eben, valamint Csizmadia Zsolt szerkeszt´esben ny´ ujtott seg´ıts´eg´et.
Alfa 5-dim. 1. koor Alfa 5-dim. 2. koor Alfa 5-dim. 3. koor Alfa 5-dim. 4. koor Alfa 5-dim. 5. koor
1 .982 .000 .097 .091 .091
2 .090 .090 .106 .279 .301
Cluster 3 .025 .065 .429 .857 1.000
Cluster 4 .910 1.000 .125 .125 .000
5 .755 1.000 1.000 1.000 .688
1 2 3 4 5
Valid Missing
11.000 21.000 7.000 8.000 16.000 63.000 1.000
1.b F¨ uggel´ ek: A 99-03 k¨ot´esi hat´arid˝ o o¨tdimenzi´ os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 5 cluster eset´en.
Hivatkoz´ asok [1] Mell´ ar Tam´as, Rappai G´ abor: A fogyaszt´ as alakul´ asa a magyar gazdas´ agban, Szigma, XXIV, 35-61. [2] Bacsi Zsuzsanna, Kov´acs Ern˝ o, Lakner Zolt´an, Vizv´ ari B´ela: Empirical Analysis of Producers’ Price Expectations, Central European Journal of Operations Research, 7(2000), 327-366. ´ gabona [3] Lakner Zolt´ an, Vizv´ ari B´ela: Ism´etl˝ od˝ o mozg´ asform´ ak a BAT szekci´oj´ aban, Hitelint´ezeti Szemle, 2(2003), 3. sz., 69-77. ´ Titk´ars´ag, szem´elyes adatszolg´altat´ [4] BAT as.
15.
Number of Cases in each Cluster
Final Cluster Centers
Number of Cases in each Cluster
Final Cluster Centers
Alfa 5-dim. 1. ko Alfa 5-dim. 2. ko Alfa 5-dim. 3. ko Alfa 5-dim. 4. ko Alfa 5-dim. 5. ko
1 1.000 .700 .000 .000 .000
2 .492 .914 1.000 .000 .000
Cluster 3 4 .656 .038 1.000 .144 1.000 .076 1.000 .237 1.000 .356
Cluster
5 .000 .200 .651 1.000 1.000
6 .304 .524 1.000 1.000 .000
1 2 3 4 5 6
Valid Missing
10.000 5.000 10.000 14.000 4.000 3.000 46.000 .000
2.a F¨ uggel´ ek: A 97-10 k¨ot´esi hat´arid˝ o ¨otdimenzi´ os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 6 cluster eset´en.
F¨ uggel´ ek Final Cluster Centers Number of Cases in each Cluster
Final Cluster Centers
1 Alfa 5-dim. 1. koor 1.000 Alfa 5-dim. 2. koor .700 Alfa 5-dim. 3. koor .000 Alfa 5-dim. 4. koor .000 Alfa 5-dim. 5. koor .000
2 .472 .853 .929 .193 .000
Cluster 3 .061 .229 .767 1.000 .667
Cluster 4 .018 .125 .043 .228 .383
5 .656 1.000 1.000 1.000 1.000
Valid Missing
1 2 3 4 5
10.000 7.000 6.000 13.000 10.000 46.000 .000
1.a F¨ uggel´ ek: A 97-10 k¨ot´esi hat´arid˝ o ¨ otdimenzi´ os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 5 cluster eset´en.
Operations Research Reports No. 2005-02
Alfa 5-dim. 1. ko Alfa 5-dim. 2. ko Alfa 5-dim. 3. ko Alfa 5-dim. 4. ko Alfa 5-dim. 5. ko
1 .980 .000 .107 .100 .000
2 .074 .057 .139 .346 .067
Cluster 3 4 .025 .255 .065 .148 .429 .018 .857 .097 1.000 .903
Number of Cases in each Cluster Cluster
5 .910 1.000 .125 .125 .000
6 .755 1.000 1.000 1.000 .688
Valid Missing
1 2 3 4 5 6
10.000 15.000 7.000 7.000 8.000 16.000 63.000 1.000
2.b F¨ uggel´ ek: A 99-03 k¨ot´esi hat´arid˝ o o¨tdimenzi´ os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 6 cluster eset´en.
Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 27
28
14
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
Final Cluster Centers
12
10
8 6 6
1 Alfa 5-dim. 1. koord 1.000 Alfa 5-dim. 2. koord .750 Alfa 5-dim. 3. koord .167 Alfa 5-dim. 4. koord .000
2 .092 .914 1.000 .400
Cluster 3 .061 .229 .767 1.000
Number of Cases in each Cluster Cluster
4 .038 .144 .076 .237
5 .790 1.000 1.000 1.000
1 2 3 4 5
Valid Missing
12.000 5.000 6.000 14.000 9.000 46.000 .000
5 4
4
3 2
4.a F¨ uggel´ ek: A 97-10 k¨ot´esi hat´arid˝ o csonkolt, n´egydimenzi´os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 5 cluster eset´en.
2 1
0 1
2
3
4
3.a F¨ uggel´ ek: 97-10 k¨ot´esi hat´ arid˝ o, o¨tdimenzi´ os vektorok, az 5 cluster sz´etes´ese 6-ra (az egyes oszlopok jelentik az o¨t clustert, az oszlop magass´aga az elemsz´ amot, a 6 clustert a k¨ ul¨ onb¨ oz˝o mint´ aj´ u t´eglalapok teszik ki).
Number of Cases in each Cluster
Final Cluster Centers
5
Alfa 5-dim. 1. koord Alfa 5-dim. 2. koord Alfa 5-dim. 3. koord Alfa 5-dim. 4. koord
1 .918 .398 .008 .000
2 .159 .072 .245 .971
Cluster 3 .042 .070 .145 .129
Cluster
4 1.000 .500 1.000 .000
5 .769 1.000 .941 1.000
Valid Missing
1 2 3 4 5
16.000 11.000 17.000 2.000 17.000 63.000 1.000
30
4.b F¨ uggel´ ek: A 99-03 k¨ot´esi hat´arid˝ o csonkolt, n´egydimenzi´os vektorainak clusterk¨ oz´eppontjai ´es a clusterek elemsz´ama 5 cluster eset´en. 20 6 5 4 10
3 2 1 Missing
0 Missing
1
2
3
4
5
3.b F¨ uggel´ ek: 99-03 k¨ot´esi hat´arid˝ o, o¨tdimenzi´ os vektorok, az 5 cluster sz´etes´ese 6-ra (az egyes oszlopok jelentik az o¨t clustert, az oszlop magass´aga az elemsz´ amot, a 6 clustert a k¨ ul¨ onb¨ oz˝o mint´ aj´ u t´eglalapok teszik ki).
Operations Research Reports No. 2005-02
Operations Research Reports No. 2005-02
Az a ´rut˝ ozsde gabona szekci´ oj´ anak ´ arv´ arakoz´ asai a kukorica keres. t¨ ukr´eben 29
30
Faluk¨ ozy Tam´ as ´es Vizv´ ari B´ela
16
14
12
10
8 5 6 4 4
3
2
2 1
0 1
2
3
4
5
5.a F¨ uggel´ ek: A 97-10 k¨ot´esi hat´arid˝ o csonkolt, n´egydimenzi´os vektorainak ´tmenete az ¨otdimenzi´ a os clusterekbe 5 cluster eset´en (az egyes oszlopok jelentik a n´egydimenzi´os clustereket, a magass´ag ism´et az elemsz´ amot reprezent´alja, az o¨tdimenzi´ os clustereket a k¨ ul¨ onb¨ oz˝o mint´ aj´ u t´eglalapok jelentik). 20
5
10
4 3 2 1 0
Missing Missing
1
2
3
4
5
5.b F¨ uggel´ ek: A 99-03 k¨ot´esi hat´arid˝ o csonkolt, n´egydimenzi´os vektorainak atmenete az ¨otdimenzi´ ´ os clusterekbe 5 cluster eset´en (az egyes oszlopok jelentik a n´egydimenzi´os clustereket, a magass´ag ism´et az elemsz´ amot reprezent´alja, az o¨tdimenzi´ os clustereket a k¨ ul¨ onb¨ oz˝o mint´ aj´ u t´eglalapok jelentik).
Operations Research Reports No. 2005-02
Faluk¨ ozy Tam´ as, Vizv´ari B´ela Department of Operational Research E¨ otv¨ os Lor´ and University of Sciences 1117 Budapest, P´ azm´any P´eter s´et´any 1/C e-mail:
[email protected],
[email protected] Operations Research Reports No. 2005-02
Earlier Research Reports
Recent Operations Research Reports
´s, J. Mayer and T. Terlaky: A new approach to the 1991-01 T. Ille colour matching problem 1991-02 E. Klaszky, J. Mayer and T. Terlaky: A geometric programming approach to the chanel capacity problem
´s: New criss-cross type algo2003-01 Zsolt Csizmadia and Tibor Ille rithms for linear complementarity problems with sufficient matrices
1992-01 Edvi T.: Karmarkar projekt´ıv sk´al´ az´asi algoritmusa
´ a ´s and Ad ´m B. Nagy: A sufficient optimality criteria 2003-02 Tibor Ille for linearly constrained, separable concave minimization problems
1992-02 Kassay G.: Minimax t´etelek ´es alkalmaz´asaik ´s, I. Joo ´ and G. Kassay: On a nonconvex Farkas theorem 1992-03 T. Ille and its applications in optimization theory 1992-04 Interior point methods. Proceedings of the IPM 93. Workshop jan. 5. 1993
2004-01 Tibor Ill´ es and Marianna Nagy: The Mizuno–Todd–Ye predictor– corrector algorithm for sufficient matrix linear complementarity problem ´ s Ujva ´ri: On a closedness theorem 2005-01 Miklo ¨ zy Tama ´s, Vizva ´ri B´ 2005-02 Faluko ela : Az ´arut˝ ozsde gabona szekci´oj´ anak ´arv´arakoz´ asai a kukorica keresked´es´enek t¨ ukr´eben