Professional Documents
Culture Documents
Лекція Особливості Методів Для Прогнозування Нестаціонарних Показників
Лекція Особливості Методів Для Прогнозування Нестаціонарних Показників
Лекція Особливості Методів Для Прогнозування Нестаціонарних Показників
Метод Холта
Метод, запропонований Холтом, оснований на оцінці
параметру – мірі степеня лінійного росту (або падіння)
показника у часі.
Основні рівняння для методу Холта виглядають
наступним чином:
U t = Ad t +(1− A )(U t−1 +bt−1 ) (7.2)
і
bt =B(U t −U t−1 )+(1−B)bt−1 (7.3)
де параметри А і В знаходяться в межах від 0 до 1.
Фактор росту λ оцінюється по коефіцієнту bt. Характерна
особливість даного методу полягає в тому, що обчислення
поточного значення експоненціально зваженого середнього Ut
включає в себе обчислення минулого показника росту bt-1,
адаптуючись таким чином до попереднього значення
лінійного тренду.
Після оцінки в моделі Холта показника росту (або
падіння) bt прогноз f на τ моментів часу обчислюється
наступним чином:
f t+τ =U t +b t τ (7.4)
Значення параметрів А і В рекомендується брати рівними
0,1 і 0,01 відповідно.
Лінійно-мультиплікативна модель
Метод Муїра
Іноді можна рахувати, що зміна середнього значення
показника залежить не лінійно, а пропорційно самому
значенню середнього. Тоді лінійно-мультиплікативну модель
можна записати, як:
d t =(d t−1 −ε t−1 ) ρ+ε t (7.16)
де ρ – мультиплікативний коефіцієнт тренду.
Тепер можна застосувати ту ж згладжувальну функцію
Ut. Позначивши її через Vt, отримаємо:
V t =d t +(1−α )r t V t−1 (7.17)
де r – незміщена оцінка ρ, яка обчислюється з
формулою:
αd t
rt = +(1−α)r t−1
V t−1 (7.18)
Відповідно прогноз на момент часу t+ τ знайдемо з
τ
f t+τ =V t r t (7.19)
Значна частина економічних явищ, таких як попит на товари та послуги, пасажиропотоки, виробництво
в цукровій та консервній промисловості носить сезонний характер.
Для аналізу та прогнозування таких сезонних явищ використовують ряд Фур’є, який представляє
сезонне явище у вигляді гармоніки.
У загальному вигляді ряд Фур’є можна записати так:
, (3.18)
де , , – параметри моделі,
t – фактор часу,
k – порядковий номер гармоніки,
m – кількість гармонік.
В економетричних дослідженнях кількість гармонік ряду Фур’є приймають не більшою 4, а потім
визначають, яка із гармонік найбільш адекватно описує сезонні коливання економічних явищ.
Параметри ряду Фур’є , , визначаються методом найменших квадратів. Формули для
розрахунку цих параметрів мають вигляд:
, , , (3.19)
де n – кількість періодів часу, за які розглядається явище (місяців, днів, кварталів, років).
Для побудови економетричної моделі необхідно зробити перехід для фактора часу від натурального
масштабу до радіанного або градусного. Цей перехід можна здійснити за формулою:
, (3.20)
де n – кількість спостережень (або кількість інтервалів часу, за який аналізується сезонне явище), ti –
фактор часу у радіанному (градусному) вираженні, n`i– натуральний ряд чисел від 0 до n-1 (0,1,2,…,n-1).
Запишемо місяці у радіанній формі (таблиця 3.9).
Таблиця 3.9 – Радіанна форма місяців
січень 0 липень
лютий серпень
березень вересень
квітень жовтень
травень листопад
червень грудень
Для визначення параметрів моделі та необхідно скласти таблицю значень тригонометричних
функцій (табл. 3.10).
Таблиця 3.10 – Значення тригонометричних функцій
,
рад.
1 0 1 1 0 0
2 0,866 0,5 0,5 0,866
3 0,5 -0,5 0,866 0,866
4 0 -1 1 0
5 -0,5 -0,5 0,866 -0,866
-
6 0,5 0,5 -0,866
0,866
7 -1 1 0 0
-
8 0,5 -0,5 0,866
0,866
-
9 -0,5 -0,5 0,866
0,866
1
0 -1 -1 0
0
1 -
0,5 -0,5 -0,866
1 0,866
1
0,866 0,5 -0,5 -0,866
2
.
Запишемо ряд Фур’є для першої гармоніки:
.
Знаходимо теоретичні значення . Замість значень та у ряд Фур’є підставимо їх значення
із таблиці 3.14.
Розраховуємо тісноту зв’язку (кореляційне відношення) для першої гармоніки. Для цього потрібно
.
Розрахуємо параметри ряду Фур’є по другій гармоніці; для цього необхідно сформувати два стовпчики:
та .
Таким чином, маємо дані для розрахунку параметрів та :
.
Ряд Фур’є для другої гармоніки матиме вигляд:
.
Визначаємо тісноту зв’язку для другої гармоніки
.
Оскільки , то ряд Фур’є по другій гармоніці більш адекватно описує сезонні коливання явища.