Прогнозирование с помощью тренд – сезонных моделей
По временным рядам за лет в помесячном или поквартальном разрезе могут наблюдаться сезонные колебания. Сезонные колебания – это разновидность периодических колебаний. Для них характерны внутригодичные, повторяющиеся устойчиво из месяца в месяц (из квартала в квартал) изменения в уровнях, т.е. это регулярно повторяющиеся подъемы и снижение уровней ВР внутри года на протяжении ряда лет. Существует две модели сезонности: аддитивная и мультипликативная. В аддитивной модели сезонность выражается в виде абсолютной величины, которая добавляется или вычитается из среднего значения ряда, чтобы выделить показатель сезонности. В мультипликативной модели сезонность выражена как процент от среднего уровня, который должен быть учтен при прогнозировании путем умножения на него среднего значения ряда. Методика построения аддитивной и мультипликативной модели различается в зависимости от того, есть или нет тенденций в ряду динамики[16]. Если во ВР отсутствует тенденция, то уровень ряда рассматривается как функция сезонности и случайности (рис. 5.1):
где S – сезонная составляющая
Рис. 5.1. Стационарный временной ряд с сезонными колебаниями При аддитивной модели уровень такого ряда можно представить как:
Тогда: где Величина При мультипликативной модели уровень динамического ряда можно представить как произведение его составляющих:
где отношение Чем больше коэффициент сезонности, тем больше амплитуда колебаний уровней ряда относительно его среднего уровня, тем существеннее влияние сезонности. Чем меньше влияние случайной составляющей, тем в большей мере рассматриваемая модель адекватно описывает исходный временной ряд. Прогнозирование динамического ряда с сезонными колебаниями при отсутствии в нем тенденции сводится к прогнозированию среднего уровня
Значительно распространена ситуация, когда динамический ряд имеет тенденцию. В этом случае уровень временного ряда рассматривается как функция тенденции (t), сезонности (S), и случайности
где S – сезонная составляющая;
Общая колеблемость уровней ВР раскладывается на 3 составляющие:
где
Алгоритм построения тренд – сезонной аддитивной модели: 1. Проводят сглаживание временного ряда с помощью простой скользящей средней. Период скольжения должен быть равен 1 году (если период четный, то проводится центрирование скользящей средней); 2. Рассчитывают абсолютные показатели сезонности:
где
3. Рассчитывают средние показатели сезонности для одноименных кварталов (месяцев):
4. Если
5. Проводят десезоналирование временного ряда: из исходных уровней вычитаем скорректированную сезонную компоненту:
6. По десезоналированному временному ряду проводим аналитическое выравнивание. 7. рассчитываем тренд с учетом сезонности:
При мультипликативной модели уровень ВР можно представить в виде сомножителей:
где E – коэффициент влияния случайности Алгоритм построения тренд – сезонной мультипликативной модели: 1. Сглаживание ВР с помощью скользящей средней 2. Рассчитываем коэффициент сезонности
3. Определяем средние показатели сезонности для одноименных кварталов (месяцев):
4. Если при поквартальном наблюдении
5. Исключаем сезонность из уровней ряда:
(5.16) 6. Проводится аналитическое выравнивание десезоналированного ряда; 7. Рассчитываются уровни временного ряда, обусловленные влиянием тенденции и сезонности:
Аддитивная модель целесообразна, если размах сезонных колебаний изменяется слабо.
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|