Проверяемый текст
Беляков, Станислав Сергеевич. Использование агрегирования в методах нелинейной динамики для анализа и прогнозирования временных рядов котировки акций (Диссертация 2005)
[стр. 39]

В настоящей работе нами были применены в реальных расчетах методы третьей группы из перечисленных выше.
Термины «тренд», «сезонная компонента» и «циклическая компонента» не имеют однозначных общепринятых определений.
Чаще всего расхождения относятся к определению тренда и циклической компоненты.
В реальном экономико-математическом моделировании основное внимание уделяется анализу трендов и сезонности.
При этом построение прогнозной модели рассматриваемого временного
ряда реализуется через преобразование его в базовую модель временного ряда.
Точно так же каждый элемент, т.е.
каждое число в
этой базовой модели временного ряда получается путем перемножения четырех компонент: Данные = тренд хсезонность ацикличность хрегулярность Содержательное определение этих четырех компонент в случае экономического прогнозирования состоит в следующем [107,111].
1.
Долгосрочный тренд (тенденция) указывает действительно долгосрочное поведение временного ряда как правило, в виде прямой, или экспоненциальной, реже, степенной кривой.
Это бывает полезно в случае, если требуется увидеть картину в целом.
2.
Точно повторяющаяся сезонная компонента определяет влияние времени года.
Каждый период времени в течение года характеризуется своим сезонным индексом, который свидетельствует о том, насколько выше или ниже соответствующий показатель в данный период времени по сравнению с другими периодами.
3.
Среднесрочная циклическая компонента состоит из последовательных повышений и понижений, которые не повторяются регулярно, например, каждый год и поэтому исключаются из сезонной компоненты.
Поскольку эти повышения и понижения чередуются, их нельзя считать достаточно случайными
и рассматривать как часть независимой случайной ошибки (нерегулярной компоненты).
Циклическую вариацию особенно трудно
39
[стр. 21]

.
3.
Методы, основанные на разложении временного ряда на компоненты: тренд, сезонные колебания, циклическая компонента и случайная составляющая.
4.
Методы, позволяющие учесть неравнозначность исходных данных.
5.
Методы прямой интерполяции, использующие разные трендовые модели.
К настоящему времени из перечисленных выше групп методов прогнозирования наибольшее распространение и применение в реальных расчетах получили методы третьей группы.
Чаще всего в реальном экономикоматематическом моделировании основное внимание уделяется анализу трендов и сезонности.
При этом построение прогнозной модели рассматриваемого ВР
реализуется через преобразование его в базовую модель временного ряда.
Точно так же каждый элемент, т.е.
каждое число в
этом базовой модели временного ряда получается путем перемножения пяти компонент: «Данные тренд х сезонность х цикличность хрегулярностьх событийность».
Содержательное определение этих пяти компонент в случае экономического прогнозирования состоит в следующем [39,124]: 1.
Долгосрочный тренд (тенденция) указывает действительно долгосрочное поведение временного ряда, как правило, в виде прямой, или экспоненциальной, реже, степенной кривой.
Это бывает полезно в случае, если требуется увидеть картину в целом.
2.
Точно повторяющаяся сезонная компонента определяет влияние времени года.
Каждый период времени в течение года характеризуется своим сезонным индексом, который свидетельствует о том, насколько выше или ниже соответствующий показатель в данный период времени по сравнению с другими периодами.
3.
Среднесрочная циклическая компонента состоит из последовательных повышений и понижений, которые не повторяются регулярно, например каждый год и поэтому исключаются из сезонной компоненты.
Поскольку эти повышения и понижения чередуются, их нельзя считать достаточно случай


[стр.,22]

ными и рассматривать как часть независимой случайной ошибки (нерегулярной компоненты).
Циклическую вариацию особенно трудно
прогнозировать за пределами ближайшего будущего.
Тем не менее, она может быть очень важна, поскольку основные явления экономического цикла (такие, как экономический спад) рассматриваются как часть циклической вариации в экономических показателях.
4.
Краткосрочная нерегулярная (случайная) компонента представляет остаточную вариацию, которую невозможно объяснить.
В нем проявляется действие тех однократных событий, которые происходят с течением времени случайно, а не систематически.
Самое большое, что можно сделать с этой нерегулярной компонентой, оценить ее величину, воспользовавшись, например, стандартным отклонением, определить, меняется ли она с течением времени, и признать, что даже в идеальных условиях прогноз не может быть точнее (в среднем), чем типичная величина нерегулярной вариации.
5.
Событийная компонента или кратко «событийная составляющая» (ипизиа1 еуеШз) имеет место в динамике таких временных рядов, на уровни которых каким-либо образом повлияло текущее событие глобального или локального характера.
Эти пять базовых компонент временного ряда (тренд, сезонность, цикличность, случайная и событийная компоненты) можно оценивать различными способами.
Ниже приведен краткий обзор методов, которые базируются на скользящей средней.
В основе этих методов [39,124] происходит деление элементов ряда на значения ординат скользящей средней (ее подробное определение см.
в [122,131]) следующим образом.
1.
Скользящая средняя используемая для устранения сезонных эффектов усреднения по всему году, а также для уменьшения нерегулярной компоненты и получения комбинации тренда и циклической компоненты.
2.
Деление элементов исходного ряда на значения соответствующих ординат сглаженного ряда скользящей средней, дающее «отношение к скользящей средней», которое представляет нам сезонные, так и нерегулярные

[Back]