Моделі прогнозування з урахуванням часових рядів

Аналітичні методи засновані на застосуванні методу найменших  квадратів до динамічному ряду і  поданні закономірності розвитку явища  у часі як рівняння тренду, тобто  математичної функції рівнів динамічного  низки (y) від факторного часу (>t):y=f(t).

>Аналитическое  згладжування дозволяє як визначити  загальної тенденції зміни явища  на аналізованому відрізку часу, а й виконувати розрахунки  для таких періодів, проти яких  немає вихідних даних.

>Адаптивние методи  використовують у умовах сильноїколеблемости  рівнів динамічного деяких обласних  і дозволяють щодо тенденції  враховувати ступінь впливу попередніх  рівнів на наступні значення  динамічного низки. До адаптивним  методам ставляться методи що  ковзають іекспоненциальних середніх, метод гармонійних терезів, методиавторегрессионних  перетворень.

Мета адаптивних методів у побудовісамонастраивающихся  моделей, здатних враховувати інформаційну цінність різних членів тимчасового  деяких обласних і давати досить точні  оцінки майбутнім членам даного низки. МС

Прогноз виходить як екстраполяція останньої тенденції. У різних методиках прогнозування  процес настройки (адаптації) моделі здійснюється по-різному, і можна назвати:

1) метод ковзної  середньої (адаптивної фільтрації, методБонса-Дженкинса);

2) метод експоненційного  згладжування (методиХольда, Брауна, експоненційною  середньої).

>Скользящие середні  є середні рівні поза певні  періоди часу шляхом послідовного  пересування початку періоду  на одиницю часу. При простий  ковзної середньої всіх рівнів  тимчасового низки вважаються  рівноцінними, а при обчисленні  виваженої ковзної середньої  кожному рівню не більше інтервалу  згладжування приписується вагу, залежить від відстані даного  рівня незалежності до середини  інтервалу згладжування.

Особливість методу експоненційного згладжування у  цьому, що у процедурі вирівнювання кожного спостереження використовується лише значення попередніх рівнянь, узятих з певним вагою. Сенсекспоненциальних середніх полягає у перебування  таких середніх, у яких вплив минулих  спостережень загасає у міру віддалення від часу, котрій визначається середні.

Укладання

Для часових рядів  головний інтерес представляє опис чи моделювання їх структури. Мета цих  досліджень, зазвичай, ширше моделювання, хоча деяку інформацію можна отримати й безпосередньо з моделі, роблячи  висновки про виконання тих чи інших економічних законів (скажімо, закону паритету купівельної спроможності) і перевіряючи різні гіпотези. Побудована модель можна використовувати  для екстраполяції чи прогнозування  тимчасового низки, і тоді якість прогнозу може бути корисним критерієм  під час виборів серед кількох  моделей. Побудова хороших моделей  низки необхідне й й інших  додатків, як-от коригування сезонних ефектів і згладжування. Нарешті, побудовані моделі можна використовувати  для статистичного моделювання  довгих рядів спостережень для дослідження  великих систем, котрим тимчасової ряд сприймається як вхідні інформація.

Список  літератури 

1. А.О.Криштановский.  Методи аналізу часових рядів  // Моніторинг суспільної думки:  економічні та соціальні зміни. 2000. № 2 (46). З. 44-51. [Стаття]

2. Прогнозування  і планування за умов ринку:Учеб. посібник для Вузів / Під. ред.  Т.Г. Морозової, А.В.Пикулькина. –  М.:ЮНИТИ –ДАНА, 1999.

3.Бокс Дж., Дженкінс  Р. (1974) Аналіз часових рядів. Прогноз  і управління. - М.: Світ, 1974. -Вип. 1, 2.