- •Теоретическая часть. Временные ряды.
- •Классифицируются временные ряды по следующим признакам:
- •Основные элементы любого временного ряда:
- •Структурный временной ряд и его элементы.
- •Анализ временных рядов. Предворительный анализ и сглаживание.
- •Определение наличия тренда.
- •Сглаживание (выравнивание) временного ряда.
- •Трендовые модели (аналитическое сглаживание).
- •Проверить модель на адекватность.
- •I. Критерий серий
- •Критерий Стьюдента.
- •Критерий Дарбина – Уотсона.
- •Прогнозирование на основе выбранной модели.
Критерий Стьюдента.
Находим значение показателя по формуле:
При заданном уровне значимости и числом степеней свободы находим .
Если , то гипотеза о равенстве математического ожидание случайной компоненты принимается, иначе – отвергается и выбранная модель считается неадекватной.
Свойство №4. Об отсутствии автокорреляции (уровни между собой не зависят).
Корреляционная зависимость между рядом наблюдений и тем же рядом, сдвинутым во времени на несколько шагов, называется автокорреляцией.
Критерий Дарбина – Уотсона.
Определяется расчетный критерий по формуле:
(если то нужно отнять его от 4 и полученное значение считать
При заданном уровне значимости и из таблицы распределения Дарбина - Уотсона находятся значения , учитывая при этом количество оцениваемых параметров выбранной модели.
Найденные значения условно откладываются на оси координат от 0 до 4, а далее нужно определить, куда «попадает» найденное ранее .
Если «попадает»:
в , то между уровнями существует положительная автокорреляция;
в , то между уровнями существует положительная автокорреляция;
в , то автокорреляция отсутствует и свойство №4 верно.
- зоны неопределенности и данный критерий не дает ответа о наличии или отсутствии автокорреляции в ряду.
Вывод: если все свойства выполняются одновременно, то выбранная трендовая модель считается адекватной и можно переходить к этапам проверки точности выбранной модели и прогнозированию данных ее с помощью. Иначе - если хотя бы одно из свойств нарушено – адекватности нет, и следует вернуться на этап выбора модели.
Прогнозирование на основе выбранной модели.
Прогнозирование на основе трендовых моделей основано на идее экстраполяции, т.е. предполагается, что закономерности и связи, относящиеся к прошлому, сохранятся в будущем. По трендовой модели строится упреждающий точечный и интервальный прогноз. Так, если длина временного ряда , то для прогнозирования выбирается или ,т.к. прогнозировать на большее число шагов не рекомендуется из-за увеличивающейся расплывчивости прогноза.