Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
EMM.doc
Скачиваний:
0
Добавлен:
01.04.2025
Размер:
4.26 Mб
Скачать

4.1.3. Аналітичні методи згладжування динамічних рядів

Аналітичні методи згладжування часових рядів ґрунтуються на припущенні, що відомий загальний вигляд невипадкової складової часового ряду, і реалізуються за допомогою регресивних та адаптивних моделей. Найбільш простим із методів прогнозування являється метод екстраполяції тренду динамічного ряду, обчисленого за попередній період. Розглянемо метод екстраполяції на основі кривих зростання. Для макроекономічних процесів використовуються певні види кривих зростання. Для того, щоб найкращим способом підібрати криву для моделювання і прогнозування економічного явища, необхідно знати особливості кожного виду кривих. Важливе значення має знаходження довірчого інтервалу прог­нозу, тобто розрахунок інтервалу, до якого з певною імовірністю належить прогнозна величина.

Розглянемо деякі моделі тренду і дамо їм характеристику в змістовних термінах показників розвитку динаміки часового ряду.

Криві, які найчастіше використовуються в макроекономічних дослідженнях, їх рівняння та формули перетворення функцій до лінійного виду зведемо до таблиці.

Таблиця 4.9

Основні види кривих

Форми кривої

Перетворення функції до лінійного виду

1

2

3

Лінійна (поліном першого ступеня)

Не потрібні

Квадратична (поліном другого ступеня)

Поліном третього ступеня

Експоненційна (проста)

Логарифмічна крива

,

S-подібна крива

1

2

3

Обернено-лога­риф­мічна крива

, ,

Степенева

Гіперболічна крива І типу

,

Гіперболічна крива ІІ типу

,

Гіперболічна крива ІІІ типу

, , , ,

Модифікована експонента

;

;

Крива Гомперця

Логістична крива

,

Завдання полягає в тому, щоб з’ясувати, який саме із трендів вибрати в залежності від показників динаміки часового ряду: абсолютного ланцюгового приросту, ланцюгового темпу приросту та прискорення.

1. Лінійна функція . В цій моделі – теоретичний рівень базисного року, – абсолютний ланцюговий приріст . Тобто, якщо для динамічного ряду абсолютний ланцюговий приріст є майже сталою величиною, то такий ряд можливо вирівняти по прямій лінії. Зауважимо, що в цьому випадку, ланцюговий темп приросту монотонно спадає та прямує до 0 при .

2. Показникова функція або .

Якщо для динамічного ряду абсолютний приріст збільшується, а ланцюговий темп приросту сталий, то динамічний ряд можливо вирівняти по експоненті . Дійсно, якщо , то , або .

Зауважимо, що в першій із приведених функцій – теоретичний початковий (базисний) рівень, а – дискретний темп приросту.

Маємо

,

або .

Для експоненти , – неперервний темп приросту .

3. Квадратний тричлен , .

Тоді динамічний ряд можна вирівняти по параболі в тому випадку, коли абсолютний ланцюговий приріст збільшується, абсолютний ланцюговий темп приросту зменшується, а прискорення є сталою величиною. Цей висновок випливає із формул:

; ; .

4. Гіперболічна крива , . За допомогою цієї кривої можна вирівняти ряди динаміки зі спадаючим ланцюговим приростом .

Зауважимо, що при , тобто крива обмежена зверху прямою .

Особливості застосування інших кривих зростання для згладжування часових рядів були розглянуті в розділі 4.4.

Розглянемо приклад.

В таблиці приведено згладжений за допомогою методу ковзної середньої динамічний ряд кількості реалізованих нафтопродуктів протягом 13 років.

Таблиця 4.10

Рік

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

Кількість нафтопрод. (т.тон)

127

132

150

172

174

175

180

183

193

209

235

236

254

Показники динамічного ряду зведемо до таблиці.

Таблиця 4.11

Рік

Рів­ні

Базовий приріст

Ланцю-говий приріст

Базисний темп росту

Ланцю-говий темп росту

Базисний темп приросту

Ланцю-говий темп приросту

При­ско­рення

1988

127

1989

132

5

5

1,04

1,04

0,04

0,04

1990

150

23

18

1,18

1,14

0,18

0,17

13

1991

172

45

22

1,35

1,15

0,35

0,3

4

1992

174

47

2

1,37

1,01

0,37

0,27

-20

1993

175

48

1

1,38

1,01

0,38

0,28

-1

1994

180

53

5

1,42

1,03

0,42

0,3

4

1995

183

56

3

1,44

1,02

0,44

0,3

-2

1996

193

66

10

1,52

1,07

0,52

0,36

7

1997

209

82

16

1,65

1,08

0,65

0,42

6

1998

235

108

24

1,85

1,12

0,85

0,52

8

1999

236

109

1

1,86

1,004

0,86

0,46

-23

2000

254

127

18

2,00

1,08

1,00

0,54

17

Вивчаючи показники, одержані в попередній таблиці, впевнюємося в тому, що ланцюговий темп приросту майже однаковий для всіх років (включаючи 1989 рік), а абсолютний ланцюговий приріст в основному зростає. Таким чином, в якості тренду можна вибрати експоненту , яка лінеаризується шляхом логарифмування. Маємо

;

якщо позначити , , , то отримаємо лінійне рівняння регресії: .

Для знаходження оцінок параметрів лінійного рівняння регресії і для з’ясування питання адекватності моделі, розв’язування проблеми тісноти зв’язку та прогнозування побудуємо таблицю.

Таблиця 4.12

1

2

3

4

5

6

7

8

1

4,8442

1

4,8442

4,8863

0,1308

0,1021

0,0018

2

4,8828

4

4,9396

4,9396

0,1044

0,0709

0,0032

3

5,0106

9

5,0318

4,9929

0,0381

0,0454

0,0003

4

5,1475

16

20,59

5,0462

0,0034

0,0255

0,0103

5

5,1591

25

25,7955

5,0995

0,0022

0,0113

0,0036

6

6,1648

36

30,9888

5,1528

0,0017

0,0028

0,0001

7

5,1930

49

36,351

5,2061

0,0002

0,0000

0,0002

8

5,2095

64

41,676

5,2594

0,0000

0,0029

0,525

9

5,2627

81

47,3643

5,3127

0,0032

0,0114

0,0025

10

5,3423

100

53,423

5,3660

0,0186

0,0256

0,0006

11

5,4596

121

60,0556

5,4193

0,0644

0,0455

0,0016

12

5,4638

144

65,5656

5,4726

0,0655

0,0697

0,0001

13

5,5373

169

71,9849

5,5259

0,1098

0,01024

0,0001

å

67,6772

819

483,4363

0,5433

0,5128

0,0269

Складемо нормальну систему рівнянь для визначення оцінок параметрів і , яка має вигляд:

.

Розв’язок системи отримаємо за правилом Крамера:

,

,

.

Тобто , .

Таким чином, побудована лінійна модель для емпіричних даних, приведених в таблиці: , а експонента має вид: .

Для перевірки адекватності лінійної моделі нам необхідні знання сум, які знаходяться в стовпцях (5, 6, 7, 8) таблиці.

Зробимо необхідні обчислення :

; ;

; ;

; ;

; ;

; ;

; ;

.

Користуючись формулою , отримаємо значення .

Адекватність моделі перевіримо, використовуючи критерій Фішера.

, тобто ,

.

Оскільки , то побудована модель адекватна згладженому динамічному ряду.

Коефіцієнт кореляції лінійної моделі обчислимо за формулою

, тобто .

Оскільки значення близьке до одиниці, то це свідчить про дуже тісну залежність кількості реалізованих нафтопродуктів від часу.

Приклад

Для знаходження точкового прогнозу реалізації нафтопродуктів на 2001 та 2002 роки в лінійне рівняння регресії або експоненту підставляємо замість значення та , отримаємо , звідки .

Майже таке ж значення маємо, якщо підставити в рівняння експоненти: .

Аналогічно,

, .

Для знаходження інтервального прогнозу скористаємося подвійною нерівністю , де обчислюється за формулою:

.

В даному випадку:

, ; ; .

Знайдемо та для і відповідно одержимо:

,

.

Визначимо тепер прогнозні інтервали для лінійної та експоненційної моделей.

Одержимо для лінійної моделі:

, або .

Для експоненційної моделі .

Аналогічні розрахунки отримаємо при для лінійної та експоненційної моделей відповідно:

, або ; .

Таким чином, з імовірністю 0,95 можна стверджувати, що прогнозні значення та належать відповідно інтервалам та .

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]