
- •Модуль 8. Анализ временных рядов
- •8.1. Временные ряды
- •Примеры временных рядов
- •Пример 8.1
- •Пример 8.2
- •8.1.1. Основные задачи анализа временных рядов
- •8.2. Автоковариационная и автокорреляционная функции
- •8.2.1. Автоковариационная функция
- •8.2.2. Автокорреляционная функция
- •8.3. Методы сглаживания временного ряда
- •8.3.1. Метод скользящего среднего
- •8.3.2. Метод экспоненциального взвешенного скользящего среднего (метод Брауна)
- •8.3.3.Случай «бесконечно» удаленного прошлого
- •8.4. Модели стационарных временных рядов и их идентификация
- •8.4.1. Модель авторегрессии 1-го порядка (ар(1))
- •8.4.2. Модель авторегрессии второго порядка - ар(2)
- •8.4.3. Модель авторегрессии ар(s)
- •8.4.4. Модель авторегрессии – скользящего среднего арсс(1,1)
- •8.5. Модели нестационарных временных рядов и их идентификация
- •8.5.1. Метод последовательных разностей
- •Пример 8.3
- •Конец примера
- •8.5.2. Преобразование Бокса-Дженкинса
- •Лабораторная работа №8.5
- •Выполнение
- •8. Вопросы
Модуль 8. Анализ временных рядов
8.1. Временные ряды
Ряд наблюдений x(t1), x(t2), …x(tN) анализируемой случайной величины X(t), произведенных в последовательные моменты времени t1 ,t2 …tN называется временным рядом.
Временные ряды с равноотстоящими моментами наблюдений представлять в форме x(1), x(2), …x(N).
Принципиальные отличия временного ряда от введенной в 2.2. последовательности наблюдений x1, x2, … xn, образующих случайную выборку состоят в следующем:
(а) в отличие от элементов случайной выборки члены временного ряда не являются статистически независимыми.
(б) члены временного ряда не являются одинаково распределенными, т.е. Prob{ x(t1) < х} Prob{ x(t2) < х} при t1 t2.
Взаимозависимость
членов временного ряда создает свою
специфическую базу для построения
прогнозных значений анализируемого
показателя (т. е. для построения оценок
для неизвестных значений x(N + k)) по
наблюденным значениямx(1),
x(2),
…x(N).
Значения элементов временного ряда формируются под воздействием 4 типов факторов:
Долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого признака x(t). Обычно эта тенденция описывается с помощью той или иной неслучайной функции f(t), как правило, монотонной. Эту функцию называют функцией тренда или просто — трендом.
Сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Условимся обозначать результат действия сезонных факторов с помощью неслучайной функции (t). Поскольку эта функция должна быть периодической (с периодами, кратными «сезонам»), в ее аналитическом выражении участвуют гармоники (тригонометрические функции), периодичность которых, как правило, обусловлена содержательной сущностью задачи.
Циклические (конъюнктурные), формирующие изменения анализируемого признака, обусловленные действием долговременных циклов экономической, демографической или астрофизической природы (волны Кондратьева, демографические «ямы», циклы солнечной активности и т.п.). Результат действия циклических факторов будем обозначать с помощью неслучайной функции (t).
Случайные (нерегулярные), не поддающиеся учету и регистрации. Их воздействие на формирование значений временного ряда как раз и обусловливает стохастическую природу элементов x(t), a следовательно, и необходимость интерпретации x(1), x(2), ... x(N) как наблюдений, произведенных над случайными величинами. Будем обозначать результат воздействия случайных факторов с помощью случайных величин («остатков», «ошибок») (t) .
Конечно, вовсе не обязательно, чтобы в процессе формирования значений всякого временного ряда участвовали одновременно факторы всех четырех типов. Однако во всех случаях предполагается непременное участие случайных (эволюционных) факторов. Кроме того, мы примем (в качестве гипотезы) для определенности аддитивную структурную схему влияния перечисленных факторов на формирование значений x(t).
,
где
Выводы о том, участвуют или нет факторы данного типа в формировании значений x(t), могут базироваться как на анализе содержательной сущности задачи, так и на специальном статистическом анализе исследуемого временного ряда.