- •Прогнозирование на основе стационарного временного ряда
- •1.1 Построение и визуальный анализ графика по исходным и сглаженным данным
- •1.2 Проверка наличия или отсутствие тенденции с помощью коэффициента Кендэла.
- •1.3 Точечные и интервальные прогнозные оценки
- •2. Прогнозирование на основе тренда временного ряда
- •2.1 Построение графика по исходным данным и его визуальный анализ
- •2.2 Оценка наличия тенденции среднего уровня ряда (тренда) и дисперсии в исходном временном ряде с помощью метода Фостера-Стюарта.
- •2.3 Оценка наличия во временном ряде тенденции среднего уровня ряда с помощью метода коэффициента Кендэла
- •Расчет линейного параметра методом усреднения по левой и правой половине
- •2.5 Расчет параметров линейного тренда с помощью метода наименьших квадратов (мнк)
- •2.6 Выбор нелинейного тренда
- •2.7 Выбор тренда, наилучшим образом аппроксимирующего исходный временной ряд
- •2.8 Расчет величины еt и адекватности выбранной модели тренда на основе условий
- •2.9 Расчет точечной и интервальной прогнозной оценки с периодом упреждения, равным 1
- •3 Прогнозирование на основе сезонного цикла временного ряда
- •4 Прогнозирование с помощью метода экспоненциального сглаживания
- •4.1 Построение графика курса акций фирмы ао «Московская швея» в соответствии с рисунком 9.
- •4.2 Расчет прогнозной оценки с помощью метода экспоненциального сглаживания
- •4.3 Определение уровня сглаживания , дающего наименьшую ошибку, с помощью критерия наименьшей суммы квадрата отклонений
- •Список использованных источников
2.7 Выбор тренда, наилучшим образом аппроксимирующего исходный временной ряд
Аппроксимация (приближение) − это замена исходных данных наиболее близкими к ним другими данными, представленными в виде тренда.
Для выбора трендовой модели, которая наилучшим образом аппроксимировала бы исходные данные, используются различные критерии, например, критерий наименьшей суммы квадратов отклонений.
Поскольку сравниваются трендовые модели, у которых одинаковое число параметров ( , ), то критерий наименьшей суммы квадратов отклонений будет иметь следующий вид:
.
Для проведения промежуточных расчетов построим таблицу:
Таблица 8
t |
yt |
||||
1 |
7,9 |
8,04 |
8,1605 |
0,0196 |
0,0679 |
2 |
8,6 |
7,73 |
7,7525 |
0,7569 |
0,7183 |
3 |
7,3 |
7,42 |
7,3651 |
0,0144 |
0,0042 |
4 |
6,8 |
7,11 |
6,9966 |
0,0961 |
0,0387 |
5 |
5,9 |
6,8 |
6,6469 |
0,8100 |
0,5579 |
6 |
6,2 |
6,49 |
6,3145 |
0,0841 |
0,0131 |
7 |
6,7 |
6,18 |
5,9984 |
0,2704 |
0,4922 |
8 |
5,8 |
5,87 |
5,6986 |
0,0049 |
0,0103 |
9 |
6,0 |
5,56 |
5,4134 |
0,1936 |
0,3441 |
10 |
5,2 |
5,25 |
5,1428 |
0,0025 |
0,0033 |
11 |
5,0 |
4,94 |
4,8860 |
0,0036 |
0,0130 |
12 |
4,4 |
3,72 |
4,6420 |
0,4624 |
0,0586 |
- |
75,80 |
75,11 |
75,073 |
2,7185 |
2,3214 |
Рисунок 6
Сравним значения критерия наименьшей суммы квадратов отклонений для линейного, степенного и показательного трендов:
Для линейного тренда критерий равен 2,7158, для показательного 2,3214. Коэффициент для показательного тренда меньше, чем для линейного , поэтому показательный тренд лучше аппроксимирует исходные данные.
Следовательно, для прогнозирования необходимо взять показательный тренд .
2.8 Расчет величины еt и адекватности выбранной модели тренда на основе условий
После того как была выбрана трендовая модель, имеющая наилучшую степень аппроксимации к исходным данным, необходимо оценить адекватность выбранного тренда тенденции исходных данных. ()
Чтобы оценить адекватность выбранной трендовой модели теоретическому тренду временного ряда, найдем разность еt между исходными данными уt и нашей трендовой моделью :
.
Таблица 9
t |
Y(t) |
et |
|
1 |
7,9 |
8,1605 |
-0,2605 |
2 |
8,6 |
7,7525 |
0,8475 |
3 |
7,3 |
7,3651 |
-0,0651 |
4 |
6,8 |
6,9966 |
-0,1966 |
5 |
5,9 |
6,6469 |
-0,7469 |
6 |
6,2 |
6,3145 |
-0,1145 |
7 |
6,7 |
5,9984 |
0,7016 |
8 |
5,8 |
5,6986 |
0,1014 |
9 |
6,0 |
5,4134 |
0,5866 |
10 |
5,2 |
5,1428 |
0,0572 |
11 |
5,0 |
4,8860 |
0,114 |
12 |
4,4 |
4,6420 |
-0,242 |
- |
- |
- |
0,7827 |
Рисунок 7
Условие 1. Колебание величины еt должно носить случайный характер. Это условие означает, что колебание (изменение) величины еt не содержит элементов тенденции. Проверим данное условие с помощью критерия поворотных точек.
Величина еt считается поворотной, если она соответствует одному из двух условий: еt-1< еt >еt+1 или еt-1> еt <еt+1 .
Для расчетов построим таблицу:
t |
Y(t) |
et |
Pt |
et² |
ē |
(et-ē)² |
(et-et-1)² |
|
1 |
7,9 |
8,1605 |
-0,2605 |
- |
0,0679 |
0,0652 |
0,10608 |
- |
2 |
8,6 |
7,7525 |
0,8475 |
1 |
0,7183 |
0,0652 |
0,61199 |
1,2277 |
3 |
7,3 |
7,3651 |
-0,0651 |
0 |
0,0042 |
0,0652 |
0,01698 |
0,8328 |
4 |
6,8 |
6,9966 |
-0,1966 |
1 |
0,0387 |
0,0652 |
0,06854 |
0,0173 |
5 |
5,9 |
6,6469 |
-0,7469 |
1 |
0,5579 |
0,0652 |
0,65951 |
0,3028 |
6 |
6,2 |
6,3145 |
-0,1145 |
0 |
0,0131 |
0,0652 |
0,03229 |
0,3999 |
7 |
6,7 |
5,9984 |
0,7016 |
1 |
0,4922 |
0,0652 |
0,40500 |
0,6660 |
8 |
5,8 |
5,6986 |
0,1014 |
1 |
0,0103 |
0,0652 |
0,00131 |
0,3602 |
9 |
6,0 |
5,4134 |
0,5866 |
1 |
0,3441 |
0,0652 |
0,27186 |
0,2354 |
10 |
5,2 |
5,1428 |
0,0572 |
1 |
0,0033 |
0,0652 |
0,00006 |
0,2803 |
11 |
5,0 |
4,8860 |
0,1140 |
1 |
0,0130 |
0,0652 |
0,00238 |
0,0032 |
12 |
4,4 |
4,6420 |
-0,242 |
- |
0,0586 |
0,0652 |
0,09437 |
0,1267 |
- |
- |
- |
0,7827 |
8 |
2,3214 |
- |
2,2704 |
4,4525 |
Таблица 10
По данным таблицы 10 построим график в соответствии с рисунком 7 и с помощью формул:
еt-1< еt >еt+1 или еt-1> еt <еt+1 .
определим поворотные точки.
Для проверки выполнения условия 1 выдвинем нулевую гипотезу Н0: колебание величины еt носит случайный характер.
Чтобы проверить нулевую гипотезу, вначале определим математическое ожидание числа поворотных точек
,
и его дисперсию
.
Кроме того, для проверки нулевой гипотезы используем вероятность, равную 95%, которой соответствует коэффициент доверия t=1,96. С помощью формулы
проверим нулевую гипотезу, подставив в нее значения М(Р), D(P), t :
или 4,029<8<9,304.
Расчет показывает, общее число поворотных точек – 8 находится в требуемом интервале. Это позволяет сделать следующий вывод: с вероятностью 95% колебание величины еt носит случайный характер и, следовательно, отвечает данному условию.
Условие 2. Распределение величины еt соответствует нормальному распределению. Данное условие проверяется с помощью RS-критерия.
Вначале определим среднее квадратическое отклонение:
а затем расчетное значение критерия RSр, найдя предварительно в графе 4 таблицы 10 максимальное emax=0,8475 и минимальное emin=−0,7469 значения:
Следующим шагом проверки условия 2 является нахождение табличного значения RS-критерия – RST по приложению 3.
В таблице приводятся нижнее и верхнее значения RS-критерия для n=10 и n=20; а у нас n=12. Для нахождения нижнего и верхнего значений RS-критерия для n=12 используем принцип интерполяции.
В результате расчета нижнее значение RS12Н = 2,772, а верхнее − RS12B = 3,978.
Выдвинем нулевую гипотезу Н0: величина еt соответствует нормальному распределению.
Сопоставим по формуле:
RSnн< RSр< RSnв
расчетное значение критерия RSр с табличным –RSТ..
Сопоставление показывает, что RSр можно сказать попадает попадает в интервал, определяемый нижним и верхним табличными значениями RS-критерия, т.е. 2,772<3,3093<3,978. Это позволяет нам сделать следующий вывод: с вероятностью 95% нулевая гипотезе принимается, т.е. величина еt соответствует нормальному распределению и, следовательно, отвечает условию 2.
Условие 3. Математическое ожидание величины еt равно нулю. Для проверки данного условия выдвинем нулевую гипотезу Н0: Меt=0, т.е. математическое ожидание еt =0.
Вначале определим среднюю арифметическую величину еt, использовав итог графы 4 таблицы 10;
.
Далее определим среднее квадратическое отклонение, использовав итог графы 8 таблицы 10:
.
Теперь найдем расчетное значение величины tp:
.
Чтобы найти табличное значение величины tT, зададимся уровнем значимости а=0,05, относительно которого определим доверительную вероятность γ=1−0,05=0,95, а также число степеней свободы k=12–1=11. Теперь, зная γ и k, определим tT по Стьюденту (см. приложение 2); tТ = =2,201. Сопоставим расчетное tp=0,1389 и табличное tT=2,201 значения:
tp < tT или 0,4971 < 2,201.
Сопоставление показывает, расчетное значение меньше табличного.
Это позволяет нам сделать следующий вывод: с вероятность 0,95 (95%) нулевая гипотеза принимается и мы можем утверждать: математическое ожидание еt =0.
Условие 4. Независимость членов ряда друг от друга. Это условие означает отсутствие автокорреляции во временном ряде еt.
По итоговым значениям граф 6 и 9 определим расчетное значение критерия Дарбина–Уотсона dp:
Найдем табличное значение критерия Дарбина–Уотсона dT при n=12, и числе факторов в используемой трендовой модели V=1.
При n=12 и V=1 в приложении 4 находим табличное значение критерия Дарбина–Уотсона dT.
Однако у нас n=12, а в таблице наименьшее значение n=15, поэтому возьмем табличное значение критерия Дарбина–Уотсона для n = 15. Его нижнее значение равно d1=1,08, а верхнее d2=1,36. Сопоставим расчетное (1,9180) и табличное (1,08; 1,36) значения критерия Дарбина–Уотсона.
Мы видим, что расчетное значение больше верхнего табличного, т.е. возникает вторая ситуация, когда dp>d2 или 1,9180>1,36. С учетом этого мы можем сделать вывод: с вероятностью 0,95(95%) в ряде еt отсутствует автокорреляция.
Проведя расчеты, можно сделать окончательный вывод, что выбранный степенной тренд адекватен той тенденции, которая имеет место во временном ряде, а уравнение тождественно уравнению εt= уt – trt .