
- •Временные ряды
- •1. Модели временных рядов
- •1.2 Более компактная (универсальная) запись различных моделей
- •1.3 Отклик зависимой переменной на единичное приращение независимой переменной (устойчивость моделей, содержащих авторегрессионые члены)
- •1. 4. Стационарность
- •1.4.1 Случайное блуждание (random walk)
- •I способ
- •II способ
- •2.Сведение нестационарного ряда к стационарному
- •2.1 Выделение и устранение сезонности
- •3. Инструменты анализа временных рядов
- •Критерии для проверки значимости коэффициентов автокорреляции
1.2 Более компактная (универсальная) запись различных моделей
Для того чтобы сделать модель более компактной используют оператор сдвига (lag operator).
Обозначение
оператора сдвига —
.
Запись
означает сдвиг
на один период назад:
.
— эта
запись означает применение оператора
сдвига к объясняющей переменной
в момент времени
раз, то есть переменная
от момента времени
сдвигается влево (назад) на
лагов.
Пример:
.
Введем обозначение полиномов оператора сдвига:
,
где
означает, что оператор
применен
раз;
— для
DL
моделей;
,
где
— оператор, применяемый к остаткам;
.
— запись
«Moving
Average»
(скользящая средняя).
Упражнение.
Получить
полином оператора сдвига
для следующей спецификации MA(q):
.
Имеет
ли значение знак перед коэффициентом
в спецификации MA(q)
и почему?
В общем виде, с использованием операторов полиномов, любая модель временных рядов может быть записана следующим образом:
,
,
.
Если
в спецификации модели (конкретной
формуле) присутствует только запись
,
то это означает, что модели относятся
к классу AR.
Если
в спецификации модели (конкретной
формуле) присутствует только запись
,
то это означает, что модели относятся
к классу DL.
Если
в спецификации модели (конкретной
формуле) присутствует только запись
,
то это означает, что модели относятся
к классу MA.
Задача:
Используя регрессионный аппарат построить зависимость для прогнозирования объема реализации на основе данных о динамике этого показателя (данные в условных единицах):
17, 16, 21, 24, 23, 26, 28.
Дано уравнение регрессии вида
.
В данном примере построена модель временного ряда с использованием зависимости от времени (t).
Для нахождения коэффициентов регрессии поставим задачу МНК:
,
Необходимые условия экстремума:
,
,
.
Построим таблицу и рассчитаем в ней все необходимые коэффициенты.
|
|
|
|
|
|
|
|
|
1 |
16 |
17 |
17,43662 |
289 |
17 |
272 |
1 |
16 |
2 |
21 |
16 |
2,10387 |
256 |
32 |
336 |
4 |
42 |
3 |
24 |
21 |
-0,36444 |
441 |
63 |
504 |
9 |
72 |
4 |
23 |
24 |
0,00000 |
576 |
96 |
552 |
16 |
92 |
5 |
26 |
23 |
0,00000 |
529 |
115 |
598 |
25 |
130 |
6 |
28 |
26 |
0,00000 |
676 |
156 |
728 |
36 |
168 |
|
138 |
127 |
19,176 |
2767 |
479 |
2990 |
91 |
520 |
Получим систему уравнений:
.
Решим данную систему методом Гаусса и получим значения искомых коэффициентов для уравнения регрессии:
.
Таким образом, уравнение регрессии примет вид:
.
Результат можно проверить, построив модель в пакете Statistica 6.0.
Для проверки качества модели рассчитывается следующий коэффициент:
Если его значение меньше 15%, то уравнение можно использовать в целях прогнозирования.