- •Метод декомпозиции временного ряда. Предпосылки к его применению для прогнозирования.
- •Формы тренд-сезонной модели временного ряда. Выбор формы модели.
- •Методы выбора кривой роста. Метод характеристик показателей динамики (метод приростов).
- •Полиномиальные модели тренда и их свойства. Выбор степени полинома. Методы оценки параметров.
- •Экспоненциальные модели тренда и их свойства. Выбор простой или модифицированной экспоненты. Методы оценки параметров.
- •Применение метода наименьших квадратов для оценки параметров кривой роста.
- •Что такое линеаризация модели? Для каких моделей тренда она применяется? Преимущества и недостатки этого метода.
- •Метод оценки параметров моделей линейного и экспоненциального тренда по двум точкам.
- •Анализ значимости параметров многофакторной линейной модели по критерию Стьюдента. Для каких моделей временных рядов он может применяться?
- •Показатели, используемые для оценки точности прогнозных моделей. Преимущества и недостатки различных показателей.
- •Какие требования предъявляются к остаточной компоненте временного ряда? к каким последствиям в прогнозировании может привести невыполнение этих условий?
- •Методы оценки прогнозных свойств модели. Верификация модели. Ретропрогноз (постпрогноз).
- •Сезонная неравномерность и её характеристики. Формы представления сезонной компоненты. Особенности их использовании в планировании на основе прогнозной модели.
- •Метод оценки сезонной компоненты усреднением по числу периодов сезонности.
- •Оценка сезонной компоненты методом фиктивных переменных.
- •Выбор длины периода упреждения. Точечный и интервальный прогноз на основании трендовых моделей (кривых роста).
- •Механическое выравнивание временного ряда. Приемы выравнивания. Использование результатов механического выравнивания в моделировании и прогнозировании.
- •Методы простой прогнозной экстраполяции. Условия применения. Использование простой и взвешенной скользящей средней для получения прогноза.
- •Модели авторегрессии. Предпосылки к применению моделей авторегрессии. Преобразование исходных данных для применения модели авторегрессии.
- •Модели авторегрессии. Выбор порядка модели. Оценка значимости коэффициентов.
- •Модели авторегрессии. Применение модели для прогнозирования.
- •Адаптивные модели Брауна. Алгоритм построения линейной модели Брауна.
- •Модель Хольта-Винтерса. Предпосылки к ее применению. Использование для прогнозирования.
- •Автокорреляционная функция. Определение и применение для анализа тенденций во временном ряду.
Полиномиальные модели тренда и их свойства. Выбор степени полинома. Методы оценки параметров.
Общий вид многочлена :
yt= a0 + a1t + a2t2 + ... + ak tk , (3.1)
где a0, a1, a2, ... – параметры многочленов, t – независимая переменная, к – показатель степени многочлена. Параметры полиномов невысоких степеней могут быть интерпретированы в зависимости от содержания ряда динамики. Их можно характеризовать как : параметр а0 – уровень ряда при t= 0, параметр a1 – скорость роста, параметр а2 – ускорение роста, параметр а3 – изменение ускорения. Действительно, полином первой степени на графике представляет прямую, т.е. предполагается постоянство приростов ординат.
yt = a0 +а1t, (3.2)
yt (0)= a0,
Линейная зависимость может иметь место в процессах экстенсивного развития, однако это не может происходить в течение длительного периода. Со временем скорость изменяется и либо происходит ускорение, либо спад. Полином второй степени характеризует динамику с равномерными приростами, положительными для одной ветви параболы и отрицательными для другой. Легко показать, что приросты (первые конечные разности ординат параболы) могут быть охарактеризованы уравнением прямой:
.Соответственно приросты второго порядка (вторые разности) постоянны: .
Парабола второй степени применима для описания процессов, характеризующихся равноускоренным ростом или равноускоренным снижением. Если параметр a2>0, то ветви направлены вверх, функция имеет минимум. Если a2< 0, то ветви направлены вниз и парабола имеет максимум. Параметры a0 и a1 не влияют на форму кривой, а только определяют ее положение в пространстве. У параболы третьей степени знак прироста ординат может меняться один или два раза. Первые разности ординат при нанесении на график представляю собой ординаты параболы второго порядка, т.е.
Вторые разности изменяются линейно:
Разности третьего порядка являются постоянными:
Экспоненциальные модели тренда и их свойства. Выбор простой или модифицированной экспоненты. Методы оценки параметров.
Простая экспоненциальная кривая является показательной функцией и имеет следующий вид:
Кривая характеризуется постоянными темпами роста и прироста. Темп роста будет равен
, темп прироста равен . Если b >1, то функция является возрастающей с ростом t и убывающей при b<1. Логарифмирование обеих частей функции приводит к линейной зависимости от t:
.
После обозначения α=loga и β=logb получаем:
Экспоненциальный характер наблюдается после достижения определенного уровня присуще многим процессам при достижении определенного уровня. Более сложной является зависимость, называемая логарифмической параболой:
Логарифмирование обеих частей выражения приводит к виду:
,
называемому логарифмической параболой. Темп прироста этой кривой равен отношению первой производной к ординате. Поэтому темп прироста примет вид:
, т.е. темп линейно зависит от времени.
Многочлены не имеют асимптот, а экспоненциальная и логарифмическая параболы имеют асимптоты. У экспоненциальной кривой y t →0 при t → −∞, если b >1, и y t →0 при t → ∞ , если b<1.
Достаточно часто динамика социально-экономических процессов такова, что наблюдается тенденция замедления темпов роста и имеет место насыщение.
Например, расходы домохозяйств на продукты питания по мере роста доходов характеризуются насыщением. В таких случаях кривая должна иметь асимптоту, отличную от нуля. Такому условию удовлетворяет модифицированная экспонента. имеющая вид:
Кривая отличается от обычной экспоненты сдвигом по оси ординат на величину k, поэтому имеет горизонтальную асимптоту y = k , ее линия стремится к асимптоте либо при t → ∞ , либо при t → −∞ . Параметр а равен разности между ординатой кривой (при t = 0) и асимптотой. Если параметр а отрицателен, то асимптота находится выше
кривой, если а положителен, то асимптота проходит ниже ее. Параметр b равен отношению последовательных приростов. Чаще всего встречается кривая с параметрами
а <0 и b<1. Особенность модифицированной экспоненты заключается в том, что отношения последовательных приростов при равномерном распределении ординат по оси
времени постоянны:
А логарифмы приростов ординат кривой линейно зависят от переменной t. Действительно,
Откуда
S-образные кривые роста. Выбор логистической кривой или кривой Гомперца. Методы оценки параметров.
В демографических расчетах и некоторых расчетах в области страхового бизнеса используется S – образная кривая, или кривая Гомперца:
Наибольшее применение находит кривая, у которой log a <0 и b <1. Траектория кривой имеет четыре различных этапа. На первом этапе прирост медленно увеличивается с ростом t , затем скорость возрастает, затем после прохождения точки перегиба приросты начинают уменьшаться и, наконец, вблизи от асимптоты приросты снова замедляются. Кривая Гомперца имеет особенность: отношение последовательных приростов ординат в логарифмах постоянно.
Логарифмирование выражения приводит к известной модифицированной экспоненте:
Для нахождения линейного преобразования характеристик приростов и уровней относительно t можно определить темп прироста с помощью производной:
Логарифмирование полученного результата дает
линейное выражение:
Если в модифицированной экспоненте y t заменить обратной величиной 1/ y t, то преобразованное выражение дает логистическую кривую:
Логистическая кривая, или кривая Перла-Рида записывается в виде:
где e- основание натуральных логарифмов, f (t) – функция от t, например, f (t) = −at .
Если b=1, а вместо основания натуральных логарифмов взять основание десятичных логарифмов и положить f (t) = a + bt , то получится логистическая кривая, центрально симметричная относительно точки перегиба:
При t → −∞ ордината стремится к нулю, а при t → +∞ ордината стремится к асимптоте. Если взять вторую производную от y t по времени для функции и приравнять ее нулю, то местоположение точки перегиба кривой , в этой точке .
Преобразование приростов и ординат кривой, линейное относительно t, находится вычислением производной функции :
Полученное выражение легко приводится к линейному относительно t делением на
yt2 и логарифмированием полученного результата:
Рассмотренные кривые могут описывать процессы технологического развития, расширения товарных рынков, реализации инвестиционных проектов.