- •Введение
- •1. Принципы и подходы исследования динамики экономических процессов
- •1.1. Необходимость и объективность процессов анализа динамических рядов (тенденция, сезонность, цикличность)
- •1.2. Основные показатели динамики экономических явлений
- •1.3 . Виды временных рядов. Требования, предъявляемые к исходной информации
- •1.4. Компонентный состав временного ряда
- •1.5. Виды моделей динамического ряда и их характеристики
- •2. Моделирование экономических процессов на базе временных рядов
- •2.1. Методы оценки гипотезы о существовании тенденции. Метод восходящих и нисходящих серий.
- •2.2. Метод медианы выборки
- •2.3. Метод фостера-стюарта
- •3. Методы выделения тренда в динамических рядах
- •3.1. Методы сглаживания и согласование временных рядов
- •3.2. Метод механического сглаживания. Скользящая средняя
- •3.3. Адаптивные методы. Метод экспоненциального сглаживания
- •3.4. Анализ временных рядов с помощью кривых роста
- •4. Модель динамического ряда с аддитивными компонентами
- •4.1. Оценка сезонной компоненты в аддитивных моделях
- •4.2. Десезонализация данных при расчете тренда
- •4.3. Расчет ошибок аддитивной модели ряда
- •5. Модель динамического ряда с мультипликативными компонентами
- •5.1. Расчет значений сезонной компоненты
- •5.2. Десезонализация данных и расчет уравнения тренда
- •5.3. Расчет ошибки модели ряда
- •5.4. Прогнозирование по модели с мультипликативной компонентой
- •6. Методы и модели аналитического выравнивания
- •6.1.Аппроксимация временных рядов аналитическими функциями
- •6.2. Определение парметров линейной функции матричным способом
- •6.3. Решение уравнения связи методом центрирования времени
- •7. Исследование временного ряда аналитическими методами (примеры решения задач по выделению тренда и сезонной компоненты)
- •7.1. Способы выделения тренда временного ряда
- •7.1.1. Решение уравнения методом Крамера
- •7.1.2. Решение уравнения методом Жордана-Гаусса
- •7.1.3. Решение уравнения в системе Excel
- •7.141. Определение коэффициентов нелинейного уравнения.
- •7.2. Выделение сезонных колебаний во внутригодовой динамике методом центрирования времени
- •8. Определение уравнения тренда с помощью инструментов системы excel
- •8.1. Оценка уравнения тренда с помощью пакета «анализ данных»
- •8.2. Применение стандартных статистических функций
- •9. Выделение сезонной компоненты временного ряда аналитическими методами
- •9.1 .Анализ сезонности рыночного спроса
- •9.2. Выделение сезонной компоненты с помощью гармонического анализа
- •Самостоятельные упражнения
- •Значения валового объема продаж компании z2
- •Библиографический список
4.3. Расчет ошибок аддитивной модели ряда
На следующем шаге вычислений необходимо провести расчет ошибок или остатка для модели вида:
A = T + S + E.
Ранее были найдены и рассчитаны значения S (табл.4.4) и Т (табл.4.6). Теперь для нахождения ошибки Е необходимо использовать следующее выражение
А – S – T = E. (4.6)
В табл. 4.7 проведен расчет ошибки Е по приведенной выше формуле, и сделаны вычисления по расчету средней абсолютной ошибки отклонении, которая вычисляется по формуле
.
Таблица 4.7. Расчет ошибок для модели с аддитивной компонентой
Год |
Номер периода |
Объем продаж, тыс. шт |
Сезонная компонента |
Значение по уравнению тренда |
Ошибка, тыс. шт. |
Модуль ошибки |
|
|
А |
S |
Т |
А – S – T = E |
] E [ |
2005 |
1 |
239 |
42,6 |
197,29 |
-0,89 |
0,89 |
|
2 |
201 |
-20,7 |
218,27 |
3,43 |
3,43 |
|
3 |
182 |
-62 |
239,25 |
4,75 |
4,75 |
|
4 |
297 |
40,1 |
260,23 |
-3,33 |
3,33 |
2006 |
5 |
324 |
42,6 |
281,21 |
0,19 |
0,19 |
|
6 |
278 |
-20,7 |
302,19 |
-3,49 |
3,49 |
|
7 |
257 |
-62 |
323,17 |
-4,17 |
4,17 |
|
8 |
384 |
40,1 |
344,15 |
-0,25 |
0,25 |
2007 |
9 |
401 |
42,6 |
365,13 |
-6,73 |
6,73 |
|
10 |
360 |
-20,7 |
386,11 |
-5,41 |
5,41 |
|
11 |
335 |
-62 |
407,09 |
-10,09 |
10,09 |
|
12 |
462 |
40,1 |
428,07 |
-6,17 |
6,17 |
2006 |
13 |
481 |
42,6 |
449,05 |
-10,65 |
10,65 |
|
|
|
|
Сумма = |
59,55 |
|
|
|
|
|
Средняя = |
4,580769 |
|
|
|
|
Среднее абсолютное отклонение = |
1,418% |
||
В нашем случае ошибка достаточно мала и составляет 1,418%. Таким образом, тенденция, выявленная по фактическим данным, достаточно устойчива и позволяет получить хорошие краткосрочные прогнозы.
4.4. ПРОГНОЗИРОВАНИЕ ПО МОДЕЛИ ТРЕНДА С УЧЕТОМ СЕЗОННОЙ КОМПОНЕНТЫ (МОДЕЛЬ F = Т + S)
Прогнозные значения по модели с аддитивной компонентой рассчитываются по модели вида
F = Т + S (4.7)
где Т - трендовое значение, вычисляемое по уравнению тренда (4.4) на прогнозируемый период, а сезонная компонента S выбирается из табл. 4.4, в зависимости от номера квартала и составляет +42,6 за 1 квартал, - 20,7 за 2 квартал, - 62,0 за 3 квартал, 40,1 за 4 квартал..
Сделаем прогноз на 14 период (2 квартал 2008 г.), t = 14.
На основании формулы (4.7), с учетом найденного прогноза тренда на t=14, который определен по уравнению (4.5) и равен 470,03, и сезонного колебания на 2 квартал, равный – 20,7. Таким образом, для исходных данных
Т = 470,03, S = -20,7, получим по формуле (4.7)
F = 470,03 + (-20,7) = 449,6
Таким образом прогнозное значение по совокупности тренда и сезонной компоненты составляет 449,6 тыс. шт.
При прогнозировании следует учитывать, что чем более отдаленным является период упреждения, тем меньшей оказывается обоснованность прогноза. Для прогноза мы предполагаем, что существующая тенденция распространяется и на будущий период. Для сравнительно небольших периодов упреждения такая предпосылка может действительно иметь место, однако ее выполнение становится менее вероятным по мере составления прогнозов на более отдаленную перспективу.
