Методи прогнозування часових рядів: прогнозування тенденцій часового ряду за аналітичними методами.
Аналітичні методи згладжування часових рядів ґрунтуються на припущенні, що відомий загальний вигляд невипадкової складової часового ряду. Вони реалізуються за допомогою регресійних та адаптивних методів.
Адаптивні методи прогнозування
Адаптивні методи прогнозування застосовуються в ситуації зміни зовнішніх умов, коли найбільш важливими стають останні реалізації досліджуваного процесу. Загальна схема побудови адаптивних методів може бути подана так:
1) за кількома першими рівнями ряду будується модель і оцінюються її параметри;
2) на основі побудованої моделі розраховується прогноз на один крок вперед, причому його відхилення від фактичного рівня ряду розцінюється як помилка прогнозування, яка враховується відповідно до прийнятої схеми коригування моделі;
3) за моделлю з відкоригованими параметрами розраховується прогнозна оцінка на наступний момент часу тощо.
Білет № 19
1. Сутність моделювання як методу наукового пізнання.
Сутність методології математичного моделювання полягає в заміні досліджуваного об’єкта його «образом» — математичноюмоделлю — і подальшим вивченням (дослідженням) моделі на підставі аналітичних методів та обчислювально-логічних алгоритмів, які реалізуються за допомогою комп’ютерних програм. Робота не із самим об’єктом (явищем, процесом), а з його моделлю дає можливість відносно швидко і безболісно досліджувати його основні (суттєві) властивості та поведінку за будь-яких імовірних ситуацій (це переваги теорії). Водночас обчислювальні (комп’ютерні, симулятивні, імітаційні) експерименти з моделями об’єктів дозволяють ретельно та досить глибоко вивчати об’єкт, що недоступно суто теоретичним підходам (це перевага експерименту).
Вже сама постановка питання щодо математичного моделювання будь-якого об’єкта породжує чіткий план дій, який умовно можна поділити на три етапи: модель — алгоритм — програма.
На першому етапі обирається (чи будується) «еквівалент» об’єкта, що відображає в математичній формі найважливіші (ключові) його властивості — закони, яким він підпорядковується, зв’язки, що притаманні складовим його частинам, тощо. Другий етап — вибір (чи розроблення) алгоритму для реалізації моделі на комп’ютері. Модель подається у формі, зручній для застосування числових методів, визначається послідовність обчислювальних і логічних операцій, котрі необхідно здійснити, щоб отримати шукані величини із заданою точністю.
На третьому етапі створюються програми, що «переносять» модель і алгоритм на доступну комп’ютерну мову. Їх можна назвати «електронним» еквівалентом досліджуваного об’єкта.
Створивши тріаду: «модель — алгоритм — програма», дослідник (системний аналітик) отримує універсальний, гнучкий і відносно дешевий інструмент, який тестується в «пробних» обчислювальних експериментах.
2.Гомоскедастичні та гетероскедастичні моделі.
Передумови, які висуваються при оцінці параметрів моделі за методом 1МНК на практиці часто можуть порушуватись. Однією з таких передумов є незмінність дисперсії залишків для всіх спостережень вихідної сукупності. Це явище називається гомоскедастичністю. В практичних дослідженнях воно часто порушується. Наприклад, в економетричній моделі, що характеризує залежність витрат на споживання від доходу, дисперcія залишків може змінюватись для спостережень, які відносяться до різних груп населення за розміром доходів.
Якщо дисперсія залишків в економетричному моделюванні змінюється для кожного спостереження або для груп спостережень, то це явище називається гетероскедастичністю.
Наявність гетероскедастичності спричиняє порушення властивостей оцінок параметрів моделі при розрахунку їх за методом 1МНК. Тому завжди виникає необхідність вивчати це явище, і, якщо воно існує, для оцінки параметрів моделі використовувати узагальнений метод найменших квадратів (метод Ейткена).
Для визначення гетероскедастичності застосовуються чотири критерії:
1) критерій ;
2) параметричний тест Гольдфельда—Квандта;
3) непараметричний тест Гольдфельда—Квандта;
4) тест Глейсера.
3. Розрахунок прогнозного значення регресанду та побудова для нього із заданим рівнем значущості довірчих інтервалів.
Розрахунок прогнозного значення та побудова для нього із заданим рівнем значущості довірчих інтервалів
Задамо вектор прогнозних значень незалежних змінних
Розрахуємо точкове прогнозне значення: .
Довірчі інтервали прогнозу визначаються як:
де – стандартна похибка прогнозу,
визначимо за формулою
БІЛЕТ № 20