- •Анализ временных рядов и прогнозирование
- •Введение
- •1. Основы применения экономико-статистического моделирования
- •1.1. Моделирование динамики
- •1.2. Моделирование тенденции
- •Решение
- •Решение
- •Решение
- •1.3. Основные показатели динамики экономических явлений
- •Решение
- •Задания
- •Контрольные вопросы и задания к разделу I
- •2. Сглаживание временных рядов
- •2.1. Сглаживание временных рядов с помощью простой скользящей средней
- •Решение
- •2.2. Сглаживание по взвешенной скользящей средней
- •Решение
- •2.3. Сглаживание полинома с помощью весовых коэффициентов
- •Решение
- •Задания
- •Контрольные вопросы и задания к разделу II
- •3. Адаптивное прогнозирование на основе скользящей средней
- •3.1. Экспоненциальное сглаживание
- •3.2. Вычисление прогноза по методу экспоненциальных средних
- •Если 3, то получаем формулу расчёта экспоненциальной средней третьего порядка:
- •3.3. Адаптивное прогнозирование по полиномиальным моделям
- •Решение
- •Решение
- •Задания
- •Контрольные вопросы и задания к разделу III
- •4. Прогнозирование развития явления с помощью моделей кривых роста
- •4.1. Методы выявления типа тенденции динамики
- •4.2. Методика измерения параметров тренда
- •Решение
- •Решение
- •4.3. Выбор наилучшей математической модели для осуществления прогноза и доверительные интервалы прогноза
- •Решение
- •4.4. Методы измерения показателей колеблемости и устойчивости в ряду динамики
- •Решение
- •Решение
- •4.5. Оценка точности и надёжности прогнозов
- •Задания
- •Контрольные вопросы и задания к разделу IV
- •5. Изучение сезонных колебаний в динамическом ряду
- •5.1. Расчёт индексов сезонности
- •Решение
- •Решение
- •Решение
- •5.2. Модели периодических колебаний
- •Решение
- •5.3. Модели автокорреляции и авторегрессии
- •5.4. Построение многофакторных моделей по динамическим рядам
- •Задания
- •Контрольные вопросы и задания к разделу V
- •Библиографический список
- •Библиографический список………………………………………………85
- •Анализ временных рядов и прогнозирование Практикум
Решение
Вспомогательные вычисления по методу Фостера − Стюарта представлены в таблице 3.
Таблица 3 − Вспомогательные вычисления по методу Фостера − Стюарта
|
|
|
|
|
|
|
|
|
|
1 |
11 979 |
- |
- |
- |
7 |
15 410 |
0 |
0 |
0 |
2 |
12 400 |
1 |
0 |
1 |
8 |
15 558 |
0 |
0 |
0 |
3 |
13 615 |
1 |
0 |
1 |
9 |
16 303 |
1 |
0 |
1 |
4 |
14 453 |
1 |
0 |
1 |
10 |
17 067 |
1 |
0 |
1 |
5 |
15 392 |
1 |
0 |
1 |
11 |
17 573 |
1 |
0 |
1 |
6 |
16 049 |
1 |
0 |
1 |
12 |
17 407 |
0 |
0 |
0 |
1. Если уровень больше всех предшествующих уровней, то в графе ставим 1, если меньше всех предшествующих уровней, то ставим 1 в графе .
2. Определяем для .
3.
.
4. Значение
для
берём из таблицы 1.
.
Значение
берём из таблицы
-
распределения Стьюдента:
.
,
то гипотеза об отсутствии тренда
отвергается. С вероятностью 0,95 тренд
во временном ряду имеет место быть.
Критерий серий, основанный на медиане выборки, реализуется по следующему алгоритму:
1. Из исходного
ряда
длиной
образуется ранжированный (вариационный)
ряд
:
,
где
−
наименьшее значение ряда
.
2. Определяется
медиана этого вариационного ряда
.
В случае нечётного значения
,
в противном случае
.
3. Образуется
последовательность
из плюсов и минусов по следующему
правилу:
Если значение равно медиане, то это значение пропускается.
4. Подсчитывается
− число серий в совокупности
,
где под серией понимается последовательность
подряд идущих плюсов или минусов. Один
плюс или один минус тоже будет считаться
серией. Определяется
−
протяжённость самой длинной серии.
5. Проверка гипотезы основывается на том, что при условии случайности ряда должны выполняться следующие неравенства (для 5% уровня значимости)
Если хотя бы одно из неравенств нарушается, то гипотеза об отсутствии тренда отвергается.
Квадратные скобки в правой части неравенства означают целую часть числа. Целая часть числа A − [A] − это целое число, ближайшее к А и не превосходящее его.
Например: П
Таблица 4 − Вспомогательные вычисления для критерия серии
|
|
|
|
|
|
|
|
1 |
11 979 |
11 979 |
- |
7 |
15 410 |
15 558 |
- |
2 |
12 400 |
12 400 |
- |
8 |
15 558 |
16 049 |
+ |
3 |
13 615 |
13 615 |
- |
9 |
16 303 |
16 303 |
+ |
4 |
14 453 |
14 453 |
- |
10 |
17 067 |
17 067 |
+ |
5 |
15 392 |
15 392 |
- |
11 |
17 573 |
17 573 |
+ |
6 |
16 049 |
15 410 |
+ |
12 |
17 407 |
17 407 |
+ |
1. От исходного
ряда
переходим к ранжированному
,
расположив значения исходного ряда в
порядке возрастания;
2. Так как (чётное), следовательно, медиана
3. Значение каждого
уровня исходного ряда
сравнивается со значением медианы.
Если
,
то
принимает значение «+», если меньше,
то «−». Если значение
равно медиане, то это значение пропускается
4.
− число серий;
−
протяжённость
самой большой серии. Делаем проверку:
Оба неравенства выполняются, следовательно, с вероятностью 0,95 имеется тренд во временном ряду, что согласуется с выводом, сделанным с помощью метода Фостера − Стюарта.
Кумулятивный
Т-критерий
позволяет определить наличие не только
самой тенденции, но и её математического
выражения — тренда. Выдвигается основная
гипотеза (
)
об отсутствии тенденции в исходном
временном ряду.
Расчётное
значение критерия определяется как
отношение накопленной суммы квадратов
отклонений эмпирических значений
уровней временного ряда от их среднего
значения (
)
и самих отклонений по формуле
,
где
− накопленный итог отклонений
эмпирических значений от среднего
уровня исходного временного ряда;
− общая
сумма квадратов отклонений, определяемая
по формуле:
.
Если анализируется достаточно длинный временной ряд, то для расчёта значений критерия можно использовать нормированное отклонение:
.
Расчётные
значения кумулятивного Т-критерия и
сравниваются с табличным
.
Если
,
то гипотеза об отсутствии тренда
отвергается.
Следовательно, в исходном временном
ряду существует тенденция, описываемая
трендом. В противном случае, если
,
признается отсутствие тенденции в ряду
динамики.
Например: Проверим гипотезу об отсутствии тенденции в изменении числа действующих строительных организаций в Хабаровском крае (таблица 5) кумулятивного T-критерия.
