|
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. Эти четыре базовые компоненты временного ряда (тренд, сезонность, циклическая и случайная компоненты) можно оценивать различными способами. Ниже приведено краткое изложение метода, который базируется на скользящей средней. В основе этого метода [111] лежит деление элементов ряда на значения ординат скользящей средней следующим образом. 1. Скользящая средняя используется 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 дает нам «отношение к скользящей средней», которое представляет нам как сезонные, гак и нерегулярные значения. Выполняя группирование по сезонным периодам, например, по времени года, а затем усреднение в полученных группах, находим сезонный индекс для каждого времени года. Выполняя деление каждого значения ряда на соответствующий сезонный индекс для соответствующего времени года, находим значения с сезонной поправкой. 40 |
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 значения. Выполняя группирование по сезонным периодам, например, по времени года, а затем усреднение в полученных группах, находим сезонный индекс для каждого времени года. Выполняя деление каждого значения ряда на соответствующий сезонный индекс для соответствующего времени года, находим значения с сезонной поправкой. 3. Регрессия ряда [77,114] с сезонной поправкой (У) по времени (лг) служащая для оценивания долгосрочного тренда [74] в виде прямой линии как функции от времени, т.е. эта переменная времени X может состоять из чисел 1,2,3,... . Этот тренд (тенденция) не отражает сезонных колебаний и дает возможность получить прогноз с сезонной поправкой. 4. Прогнозирование, выполняемое с учетом сезонности тренда. Получая из уравнения регрессии прогнозируемые значения (тренд) для будущих периодов времени и затем, умножая их на соответствующий сезонный индекс, можно получать прогнозы, которые отражают как долгосрочную тенденцию, так и сезонное поведение. Анализ публикаций, посвященных методам и моделям прогнозирования, позволяет утверждать о существовании большого количества классификационных схем методов прогнозирования [41,60,92,95,118]. Однако большинство из них или неприемлемы, или обладают недостаточной познавательной ценностью. Основной погрешностью существующих классификационных схем является нарушение принципов классификации. К числу основных таких принципов, относятся: достаточная полнота охвата прогностических методов, единство классификационного признака на каждом уровне членения при многоуровневой классификации, непересекаемость разделов классификации, открытость классификационной схемы, т.е. возможность дополнения новыми методами. Предлагаемая в работе [118] многоуровневая классификация методов прогнозирования вполне сохраняет свою адекватность в настоящее время. Каждый уровень определяется своим классификационным признаком: степенью формализации, общим принципом действия, способом получения про |