АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Тренд часового ряду та його виявлення

Читайте также:
  1. Виражальні засоби міжтекстовості та способи їх виявлення
  2. Виявлення дихальних ензимів у рослинних об’єктах
  3. Виявлення і формулювання проблеми
  4. Виявлення не цілком відомого сигналу
  5. Виявлення ознак поточної, критичної та надкритичної неплатоспроможності підприємства
  6. Виявлення радіаційної обстановки за даними радіаційної розвідки
  7. Додавання і редагування лінії тренда
  8. Екстраполяція трендів як один із методів прогнозування рівнів соціально-економічних явищ
  9. Идеальные трендовые паттерны уважают средние
  10. Идеальные тренды показывают как торговать
  11. Колеблемость уравнений тренда.
  12. Линия тренда

Для моделювання тренду передусім необхідно провести попе­редній аналіз.

Попередній аналіз часових рядів економічних показників по­лягає насамперед у перевірці однорідності ряду, тобто у виявлен­ні й усуненні аномальних значень рівнів ряду, а також визначен­ні повноти даних, можливості їх зіставлення і стійкості.

Під аномальним рівнем розуміють окремі значення рівнів часового ряду, які суттєво впливають на основні часові характе­ристики ряду динаміки: середній рівень, середній приріст, серед­ній темп зростання, середній темп приросту тощо, а також на відповідну трендову модель. Причинами аномальних спостере­жень можуть бути помилки технічного характеру, або помилки першого роду, що виникають при агрегуванні або дезагрегуванні показників чи при передаванні інформації та ін. Помилки пер­шого роду мають бути виявлені й усунуті.

Крім того, аномальні рівні в часових рядах можуть виникати через впливи факторів, що мають об'єктивний характер, але мо­жуть діяти рідко, епізодично. Такі помилки мають назву помилки другого роду і не можуть бути усунутими.

Для виявлення аномальних явищ використовується ряд стати­стичних методів. Наведемо один з них: метод Ірвіна.

Метод Ірвіна припускає використання такої формули:

де - середнє квадратне відхилення часового ряду, .

Розраховані значення порівнюються з критичним значенням критерію Ірвіна , і, якщо вони будуть більші за таб-

личні, відповідне значення ряду yt вважається аномальним. Рі­вень значущості α, як правило, береться

Після виявлення аномальних явищ необхідно з'ясувати причи­ни їх виникнення. Якщо усунути ці причини немає можливості, то їхній рівень, як правило, замінюється середнім значенням ряду або арифметичною середньою двох сусідніх з ними рівнів тощо.

Злами в тенденції ряду говорять про зміну закономірності розвитку процесу або про зміну методики обчислення значень показників. Якщо значення в кінці ряду «випадає» із загальної тенденції, то без додаткової інформації про причини «викиду» на кінці ряду не можна визначити, що це — аномальне спостере­ження або свідчення зміни тенденції. У такому разі важливо про­вести якісний аналіз цих змін або дочекатись надходження ново­го спостереження. Якщо злам тенденції зумовлюється зміною методики розрахунку показника, то рівні ряду, які наводились попереду зламу, можуть бути використані в оцінках характерис­тик динаміки і для побудови моделі тільки після їх перерахунку за новою методикою. Якщо ж злам тенденції відображає зміну за­кономірностей розвитку процесу, то за інформаційну базу для статистичного аналізу потрібно взяти рівень останнього зламу тенденції.

Продовжуючи попередній аналіз часового ряду в напрямі вияв­лення тренду, необхідно провести статистичну перевірку наявнос­ті його в динамічному ряду. Для цього розроблено цілу низку ме­тодів. Наведемо кілька з них, що найчастіше застосовується.

1. Метод перевірки різниць середніх рівнів. Реа­лізація цього методу складається з чотирьох етапів.

1-й етап. Початковий часовий ряд розбивається на дві частини приблизно однієї довжини: і

2-й етап. Для кожної частини ряду розраховується середнє значення і дисперсії:

; ;

 

; .

 

3-й етап. Перевіряється однорідність дисперсій обох частин за допомогою критерію Фішера Fa:

якщо ;

, якщо

Рівень значущості а беруть таким, що дорівнює 0,1; 0,01 або 0,05. Якщо розраховане значення менше за табличне , то гіпотеза про рівність дисперсій приймається і переходимо до чет­вертого етапу. Якщо більше або дорівнює — гіпотеза про рівність дисперсій відхиляється і робиться висновок, що да­ний метод про визначення наявності тренду відповіді не дає.

4-й етап. Перевіряється гіпотеза про відсутність тренду з ви­користанням /-критерію Стьюдента. Для цього визначається роз­рахункове значення критерію Стьюдента за формулою:

, (1)

де σ— середньоквадратичне відхилення різниці середніх, що ви­значається так:

(2).

Якщо розрахункове значення tp менше або дорівнює табличному значенню (із рівнем значущості α), то гіпотеза про відсутність трен­ду приймається у протилежному випадку, тобто коли , то з імовірністю 1-α приймається гіпотеза про існування тренду.

2. Метод Фостера — Стюарта. Основні показники методу Фостера—Стьюарта такі:

і ,

де , , причому параметри і мають наведені далі значення:

(3).

З наведених співвідношень випливає, що .

Якщо всі рівні ряду однакові, тобто то W= 0.

Якщо , то .

Аналогічно знаходять:

Показники D і W застосовуються для визначення тенденції зміни в часі відповідного середнього значення і дисперсії .

Після визначення для ряду значень D і W за критерієм Стью­дента перевіряються гіпотези про відсутність тенденції в серед­ньому значенні D і W:

; , (4),

де і - середні квадратичні відхилення для W і D,

- середнє значення параметра W.

Значення , і знаходяться за табл. 11. 1.

11. 1 Визначення основних показників методу Фостера–Стюарта

n n
  3,86 1,29 1,96   7,36 2,20 2,71
  3,64 1,52 2,15   7,52 2,37 2,74
  5,19 1,68 2,28   7,67 2,67 2,77
  5,65 1,79 2,37   7,80 2,30 2,79
  5,99 1,88 2,45   7,93 2,32 2,82
  6,29 1,96 2,51   8,05 2,35 2,84
  6,56 2,02 2,56   8,16 2,37 2,86
  6,79 2,07 2,61   8,27 2,40 2,88
  7,00 2,12 2,64   8,37 2,42 2,89
  7,19 2,16 2,68

Теоретичне значення t-критерію визначається з табл. 11.1 за 5 %-го рівня значущості. Якщо tp(1) > tтеор і tp(2) > tтеор, то гіпотеза про відсутність тренду з імовірністю 0,95 відхиляється. Якщо ж tp(1) і tp(2) < tтеор, то приймається гіпотеза про відсутність тренду.

 

Методи визначення тренду.. Метод простої ковзної середньої. Рівні економічних часових рядів коливаються, тому тенденція розвитку економічних явищ у часі явно не може бути визначена через випадкові відхилення рівнів у той чи в інший бік. Щоб якнайчіткіше визначити основну тенденцію ряду (тренд) для подальшого прогнозування процесу, використовуючи ту чи іншу трендову модель, розроблені методи згладжування (вирівнювання) часових рядів, які називають ме­ханічним методом визначення тренду.

Отже, статистичні методи згладжування часових рядів поді­ляють на дві групи: методи механічного методу згладжування ряду та аналітичне вирівнювання, базоване на кривих зростання.

Суть методів механічного згладжування полягає в такому. Береться кілька перших рівнів часового ряду (три, чотири, п'ять чи сім), кількість яких утворює інтервал згладжування. Для них добирається поліном, степінь якого має бути меншим за кількість рівнів, що входять в інтервал згладжування; за допомогою полі­нома розраховуються нові, вирівняні значення рівнів до середини інтервалу. Далі інтервал згладжування зрушується на один рівень праворуч (або вниз), обчислюється наступне згладжуване зна­чення тощо.

Найпростішим методом механічного згладжування є метод простої ковзної середньої. Спочатку для часового ряду визначається інтервал згладжування т(т < п). Якщо потріб­но згладити дрібні безпорадні коливання, то інтервал згладжу­вання беруть за можливістю більшим; інтервал згладжування зменшу­ють, якщо потрібно зберегти дрібніші коливання. За інших однакових умов інтервал згладжування рекомендується брати непарним. Для перших т рівнів часового ряду обчислюється їхнє середнє арифметичне; це буде згладжуване значення рівня ряду, яке відповідає середині інтервалу згладжування. Далі інтервал згладжування зсувається на один рівень право­руч (або вниз), повторюється обчислення середньої арифметич­ної і т. д. Для обчислення згладжених рівнів ряду yt застосовує­мо формулу:

 

, t > p, (5)

де i – порядковий номер рівня ряду;

– (для непарних m; для парних m формула ускладнюється).

Отже, послідовно проводячи такі обчислення, одержимо n-m+1згладжених значень рівнів ряду; згідно з цим перші й останні p рівнів ряду не губляться – це є першим недоліком цього методу.

Другим недоліком є те, що він застосовується лише для рядів, що мають лінійну тенденцію.

Метод експоненціального згладжування. Його особливість полягає в тому, що у процедурі відшукання загла­джуваного рівня застосовуються значення тільки попередніх рів­нів ряду, які беруться з певною вагою. Вага рівня ряду зменшу­ється залежно від того, на скільки віддалений рівень від моменту часу, для якого визначається згладжуване значення. Вага рівнів знижується експоненціально, що залежить від зазначеної величи­ни параметра згладжування а, значення якого міститься в інтер­валі 0 < α < 1.

Якщо для вихідного часового ряду відповідні згладжені значення рівнів ряду позначити через ,t=1,2…n,то експоненціальне згладжування розраховується за формулою:

(6)

де α — параметр для згладжування; 1-α має назву коефіцієнта дисконтування.

Використовуючи наведені щойно рекурентні співвідношення для всіх рівнів ряду, починаючи з першого, можна одержати таке співвідношення:

тобто згладжене значення є зваженою середньою всіх попере­дніх рівнів.

У загальному вигляді маємо:

(7)

У практичних задачах обробки економічних часових рядів ре­комендують вибирати параметри згладжування в інтервалі від 0,1 до 0,3. Більш обґрунтованих рекомендацій для α поки що немає.

Зміст


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.007 сек.)