33. Сглаживанеи рядов динамики. Уравнение тренда

Тренд (фактор времени) рассматривается как совокупный результат действия

множества различных причин, которые условно объединяются в одну причину.

Считается, что линия тренда может быть выпуклой, вогнутой или прямой. Но она

не должна иметь волнообразную форму, которую принято считать результатом

циклического изменения социальных и экономических показателей.

Кроме того, тренд не должен менять направление на протяжении примерно 10 лет.

Существуют различные способы выделения тренда, выбор которых определяется

целью исследования и спецификой изучаемого явления:

• Способы укрупнения интервала;

• Скользящей средней;

• Аналитического выравнивания.

Сущность любого из способов это сглаживание случайных единовременных

колебаний для выявления общей тенденции развития.

Метод укрупнения интервалов – это суммирование уровней ряда за более

короткие промежутки времени с целью замены их более крупными.

Способ скользящей средней предусматривает последовательное усреднение

некоторого постоянного числа уровней (членов динамического ряда) по формуле

простой средней арифметической. Число членов скользящей средней обычно прямо

пропорционально численности и интенсивности колебаний уровней динамического

ряда.

Аналитическое выравнивание – это набор уравнения прямой или кривой линии,

адекватно выражающей общую тенденцию развития динамического ряда и расчет

параметров этого уравнения чаще всего по методу наименьших квадратов. При

выборе уравнения функции руководствуются спецификой изучаемого явления, а так

же рядом формальных признаков. Например, если для развития явления характерно

достаточно стабильные абсолютные, цепные приросты (то есть

), то выбирается уравнение линейного тренда:

.

Если абсолютные цепные приросты с течением времени постепенно сокращаются, то

для характеристики тренда применяется полулогарифмическая кривая:

.

Если явление развивается с достаточно стабильными цепными темпами роста, то для

характеристики тренда применяется показательная функция:

.

Если примерно постоянны цепные темпы прироста (

), то используется парабола второго порядка:

.

Из множества разнообразных функций тренда с формально математической точки

зрения наилучшей считается та, которая наименее удалена от эмпирических уровней

ряда: .

34. Элементы статистического прогнозировнаия

Общее положение и постановки задач. Прогнозирование экономических показателей делается для макро и микро уровня. Даже на уровне фирмы обязательны прогнозы продаж, финансовых результатов и финансового состояния. Прогнозирует также объемы производства, объемы товаров и услуг, затраты себестоимости. Прогнозы различают: долгосрочные и краткосрочные. Исходные данные прогноза называются базой прогноза. Прогнозы будут надежными если база прогноза достаточно велика, а горизонт краткий. Прогнозы несут в себе свойства инерционности прогнозируемой системы. Надежный прогноз можно строить на 1-2 периода вперед или длина базы не менее 10-15 периодов. Точность долгосрочного прогноза меньше чем точность коротких оперативных прогнозов. Прогнозирование надо рассматривать как непрерывный процесс. Прогноз надо менять (пересчитывать по мере приближения к горизонту). Методы прогнозирования. Простейшие прогнозы строятся для одномерного ряда динамики. Методы для таких простых прогнозов состоят в том, что уравнение тренда продлеваются. Таким образом простейший прогноз можно строить по ур-нию тренда, поставляя в это ур-ие будущие значения переменной t.

Интервальный прогноз содержит точечный прогноз с ошибкой. Ошибку прогноза можно установить по известной ошибке тренда в сторону некоторого преувеличения. В отличие от прогноза по тренду более качественным будет факторный прогноз. Напр: сначала строим прогноз цены на электроэнергию, затем прогноз роста з/пл у персонала метрополитена-»прогноз измерения ремонтных и инвестиц затрат в метро-» объединяем эти 3 прогноза и строим прогноз итогового показателя тарифов на метро. Существуют также адаптивные методы прогноза. Они основаны на исходном ряде динамики и на зависимости последующих прогнозов от предыдущих. Наиб часто исп 2 адаптивных метода: 1. метод экспоненциального сглаживания. Для прогноза здесь используют Ур-е тренда в лин форме. Связи между последующим и предыдущим прогнозами выглядит так- S(t)= α*Yt+(1- α)*S(t-1), α-параметр сглаживания,α<1,α=2/n+1.Yt-тренд. Начальные условия,т.е величины So,S1 рассчитывают по коэф α и коэф-там из ур-я тренда. Сами значения прогноза учитывают что влияния прошлых наблюдений на прогноз ослабляется пом ере удаления от даты прогноза. 2. метод гармонических весов. В этом методе исходные уровни ряда динамики взвешиваются, т.е входят в прогноз с коэф-тами причем более поздними наблюдсооств большие коэф-ты для самой ранней инфо гармоничкоэф определяется как m1=1/n-1,n-кол-во прогнозов.m2= m1+1/n-2. В этом методе не надо делать предположений относительно вида тренда(лин или нелин.). В основу берут не Ур-е тренда, скользящие средние. Метод учитывает пост ошибки прогноза по мере увеличения горизонта. Возможен прогноз основанный на автокорреляции уровней ряда. Автокорреляция означает что каждый последующий уровень ряда зависит от предыдущего.y(t)>y{y(t-1)}Ав-я-предположение,проверка делается таким же образом каким выводится ур-е лин регрессии..