Question 1

The below graph plots the daily prices of Gold over time.

a)   Examine the plot and describe the issues that may arise when trying to forecast future Gold prices given this time series data. Offer solutions to these issues. (2 marks).

b)   Offer a suitable forecasting method for this data. (2 marks).

Question 2

For each of the below 4 ACF plots which are obtained for a time series data of 4 different variables of interest:

a)   Explain the ACF plot. (2 marks).

b)   Describe what the raw data is likely to look like over time . (2 marks).

c)   What kind of variable is this plot likely to characterise (e .g ., stock prices,

exchange rates, temperature, etc.)? (2 marks).

1)

2)

3)

4)

Question 3

The following ACF plots were produced for raw data of monthly sales of two different variables, A and B.

a)   Explain which variable (A or B) is likely to be easier to forecast. (3 marks).

b)   Explain how your answer to part a) would change if these were residuals of an ARIMA model instead of “raw data of monthly sales” . (3 marks).

Variable A:

Variable B:

Question 4

For each of the following time series plots, explain what type of transformation, if any, would make the variance more stable. (3 marks).

1)

2)

Question 5

The following monthly sales of chocolate boxes (in thousands of AUS dollars) have been  recorded for January, February, March, and April, respectively: 9.5, 8, 9, 9. Examining the forecasting accuracy for the month of April only, explain which of the following forecasting method would you recommend: the Naïve method, the Average method, or the Simple     exponential smoothing method (assuming alpha=0.8 and initial state of 8.5)? (3 marks).

Question 6

The variable yearly income is examined in a regression setting where the predictor variable is lag (1) of income and the following output is produced.

a)  Write down the regression equation. (2 marks).

b)   Interpret the meaning of the slope . (2 marks).

c)   Explain whether this model is appropriate to use for forecasting based on this output.

(2 marks).

d)  A dummy variable for gender (male=1, female=0) was added to the model. Interpret its coefficient of 0.1. (3 marks).