Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Стат. обр. 4195-96. 2014 / Конспект лекции 8.doc
Скачиваний:
126
Добавлен:
12.03.2015
Размер:
13.57 Mб
Скачать

Результаты прогнозирования методом скользящего среднего с минимальными значениями ошибок прогнозирования

Код переменной

Квартал

Фактическое значение

Прогнозируемое значение

Отношение стандартной ошибки к среднему значению

m

y1

1/2005

83098

237165,6667

0,425619863

3

2/2005

106481

222477,3333

3/2005

238814

142797,6667

y2

1/2005

63636

150601,8889

0,582976972

9

2/2005

85730

154314,6667

3/2005

186906

163593,2222

y3

1/2005

3958

5858

0,235388066

9

2/2005

6161

6353,333333

3/2005

8593

6913,777778

y4

1/2005

12950

24837,4

0,496375532

5

2/2005

14928

26756,4

3/2005

37149

29021

y5

1/2005

2554

2880,666667

0,424243204

3

2/2005

2216

3061,333333

3/2005

6166

3645,333333

y6

1/2005

1428

2431,8

0,265790571

5

2/2005

2487

2886,8

3/2005

3911

3386,8

y7

1/2005

283

887,8888889

0,529258772

9

2/2005

716

930,3333333

3/2005

1118

1036,555556

y8

1/2005

673

468,2857143

0,260025866

7

2/2005

400

521,2857143

3/2005

765

625,2857143

y9

1/2005

47586

30194,4

0,472606146

5

2/2005

10864

31269

3/2005

52109

38280,8

y10

1/2005

48991

30427

0,499967477

5

2/2005

9633

31182,8

3/2005

54554

38482,8

y11

1/2005

67

24527,66667

68,36838773

3

2/2005

199

13876

3/2005

444

236,6666667

y12

1/2005

465

21483,33333

20,50273748

3

2/2005

459

11217,66667

3/2005

1071

665

y13

1/2005

139,6605042

321,453728

0,588150888

5

2/2005

177,7646077

333,7849497

3/2005

396,0431177

359,9255947

y14

1/2005

4,292436975

4,93971937

0,424349043

3

2/2005

3,699499165

5,200760323

3/2005

10,22553897

6,072491704

Результаты сглаживания и прогнозирования для интервала усреднения m = 3, при котором получены лучшие результаты для y1 и y2 и для m = 5, при котором получены лучшие результаты для y13, представлены на рис. 5.2.1-5.2.3.

Рис. 5.2.1. Прогнозируемое значение выручки (нетто) от продажи товаров, продукции, работ, услуг

Рис. 5.2.2. Прогнозируемое значение прибыли от продаж

Рис. 5.2.3. Прогнозируемое значение дохода на одного работника

5.3. Экспоненциальное сглаживание и прогнозирование

В основу экспоненциального сглаживания и прогнозирования положен принцип введения различных удельных весов для усредняемых значений ВДР, так называемый принцип «взвешивания». Чем дальше отстоит элемент ВДР от точки сглаживания или прогнозирования, тем меньшее влияние на вычисляемый элемент он должен иметь. Таким образом, влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Поставленная задача может быть решена с помощью применения специальной системы весов, а именно информации приписывается вес, соответствующий степени ее новизны.

Один из простейших приемов сглаживания ряда с учетом «устаревания» данных заключается в расчете специальных показателей, получивших название экспоненциальных средних.

Экспоненциальная средняя

, (5.3.1)

где - экспоненциальная средняя (сглаженное значение уровня ряда) на моментj;

yj – фактическое значение на момент времени j;

- коэффициент сглаживания, характеризующий вес текущего наблюдения при расчете экспоненциальной средней, .

Средняя формируется под влиянием всех предыдущих значений, но вес каждого из них с каждым шагом уменьшается в (1 - ) раз, т.е. для расчетного значения это; ближайшая переменная(1 -); затем(1-)2 и т.д..., для i-го элемента (1 -)i

; (5.3.2)

;

;

.

Очевидно, результат сглаживания зависит от коэффициента сглаживания - . Еслиравно1, то предыдущие наблюдения полностью игнорируются. Если равно0, то игнорируются текущие наблюдения. Значения между0 и 1 дают промежуточные результаты.

Соответственно этому выражению средний уровень ряда на момент времени j равен линейной комбинации двух величин: фактического уровня для этого же момента и среднего уровня, рассчитанного для предыдущего периода. Таким образом, средняя здесь формируется под влиянием всех предшествующих уровней ряда от его начала и до момента времени j включительно.

Следовательно, средняя для момента времени j представляет собой линейную комбинацию значений всех наблюдений от y1 до yj.

При расчете прогнозируемых значений ВДР методом экспоненциального сглаживания используется следующая формула:

(5.3.3)

В дополнении к простому экспоненциальному сглаживанию, были предложены более сложные модели, включающие сезонную компоненту и тренд. Общая идея таких моделей состоит в том, что прогнозы вычисляются не только по предыдущим значениям (как в простом экспоненциальном сглаживании), но и с некоторыми задержками, что позволяет независимо оценить тренд и сезонную составляющую.

Экспоненциальное сглаживание и прогнозирование проведено с помощью ППП Statistica6.0 [6].

Сводные результаты сглаживания и прогнозирования методом экспоненциального сглаживания при изменении параметра приведены в таблице 5.3.1.

Таблица 5.3.1

Сводная таблица ошибок прогноза при изменении параметра alpha (delta=0,100; lag=4)

Код

Ошибка прогноза

Среднее значение

Отношение стандартной ошибки к среднему значению

alpha=0,2

alpha=0,4

alpha=0,6

alpha=0,8

alpha=0,2

alpha=0,4

alpha=0,6

alpha=0,8

y1

38341,0552

42085,5413

48242,96

54720,48

142797,6667

0,268499171

0,294721491

0,337841355

0,383202922

y2

29079,5659

34037,9663

41381,09

48127,33

112090,6667

0,259428967

0,303664589

0,369175164

0,429360727

y3

811,639186

1388,67414

2077,875

2631,703

6237,33

0,130125992

0,222639077

0,333135182

0,421927592

y4

6685,6415

7109,65678

7469,075

7888,403

21675,66667

0,308439948

0,328001758

0,344583404

0,363928978

y5

2303,93178

1663,40198

1545,68

3237,102

3645,33

0,632022252

0,45630998

0,424015193

0,888012577

y6

1332,1064

1479,26759

1458,08

1421,655

2608,666667

0,510646461

0,567058879

0,558936934

0,544973636

y7

227,224502

229,372177

381,5196

551,6347

705,6666667

0,321999767

0,325043236

0,540651326

0,78172141

y8

156,904051

281,977886

311,2799

271,1022

612,6666667

0,256100193

0,460246822

0,508073904

0,442495466

y9

420304,804

36112,8909

44832,28

84275,83

36853

11,40490065

0,979917262

1,216516356

2,286810484

y10

30115,7989

31271,5872

33697,3

36463,81

37726

0,798277021

0,828913407

0,893211691

0,966543289

y11

19356,6999

14607,9703

8682,66

4619,337

236,6666667

81,78887273

61,72381808

36,68729565

19,51832489

y12

23410,9955

19330,226

17347,26

19096,68

665

35,20450448

29,06800896

26,08609931

28,7168064

y13

74,4604795

77,5113267

85,90946

93,10522

237,8227432

0,313092341

0,325920581

0,361233168

0,391489971

y14

4,46463244

2,52296944

2,993029

2,922797

6,072491704

0,735222485

0,415475156

0,492883187

0,481317589

По результатам таблицы 5.3.1, были сделаны следующие выводы:

  1. Изменение коэффициента сглаживания от 0,2 до 0,8 с шагом 0,2 при прогнозировании методом экспоненциального сглаживания показало, что наиболее близкие к фактическим прогнозируемые значения достигаются в большинстве случаев при значении =0,2.

  2. Наименьшая ошибка прогнозирования методом экспоненциального сглаживания составила 0,130125992, а наибольшая – 81,78887273.

  3. Наиболее достоверные результаты, полученные при прогнозировании методом экспоненциального сглаживания по результативным показателям yj, , представлены в таблице 5.3.2.

Таблица 5.3.2