Аналитическое сглаживание динамических рядов

Доказано - для экономистов работа с числами очень важный навык. Игоровой тренажер "Продолжи ряд" создан специально для работы с числами в уме. В начале обучения только 2 из 10 проходят тест без ошибок.

Пройти тест

Кривые роста, описывающие закономерности развития явлений: во времени, получают путем аналитического выравнивания динамических рядов. Выравнивание ряда с помощью тех или иных функций (т. е. их подгонка к данным) в большинстве случаев оказывается удобным средством описания эмпирических данных, характеризующих развитие во времени исследуемого явления. Это средство при соблюдении ряда условий можно применить и для прогнозирования. Процесс выравнивания состоит из следующих основных этапов:

-     выбора типа кривой, форма которой соответствует характеру изменения динамического ряда;

-       определения численных значений (оценивание) параметров кривой;

-        апостериорного контроля качества выбора тренда.

Найденная функция позволяет получить выравненные, или, как их иногда не вполне правомерно называют, теоретические значения уровней динамического ряда, т. е. те уровни, которые наблюдались бы, если бы динамика явления полностью совпадала с кривой. Эта же функция с некоторой корректировкой или без нее, применяется и для экстраполяции.

 Вопрос о выборе типа кривой является основным при выравнивании ряда. При всех прочих равных условиях ошибка в решении этого вопроса оказывается более значимой по своим последствиям (особенно для прогнозирования), чем ошибка, связанная со статистическим оцениванием параметров.

Поскольку форма тренда объективно существует, то при выявлении ее следует исходить из материальной природы изучаемого явления, исследуя внутренние причины его развития, а также внешние условия и факторы на него влияющие. Только после глубокого содержательного анализа можно переходить к использованию специальных приемов, разработанных статистикой.

Весьма распространенным приемом выявления формы тренда является графическое изображение временного ряда. Но при этом весьма велико влияние субъективного фактора, даже при отображении выровненных уровней.

Наиболее надежные методы выбора уравнения тренда основаны на свойствах различных кривых, применяемых при аналитическом выравнивании. Такой подход позволяет увязать тип тренда с теми или иными качественными свойствами развития явления.

Рассмотрим основные типы уравнений тренда:

1.     Линейная форма тренда:

                         ,                                       

где - уровень ряда, полученный в результате выравнивания по прямой;

       - начальный уровень тренда;

       - средний абсолютный прирост; константа тренда.

Для линейной формы тренда характерно равенство так называемых первых разностей (абсолютных приростов) и нулевые вторые разности, т. е. ускорения.

2.     Параболическая форма тренда:

                          ,                                 

Для данного типа кривой постоянными являются вторые разности (ускорение), а нулевыми – третьи разности.

Параболическая форма тренда соответствует ускоренному или замедленному изменению уровней ряда с постоянным ускорением. Если < 0 и  > 0, то квадратическая парабола имеет максимум, если > 0 и  < 0 – минимум. Для отыскания экстремума первую производную параболы по t приравнивают 0 и решают уравнение относительно t.

3.     Экспоненциальная форма тренда:

,

где  - константа тренда; темп изменения уровня ряда.

При > 1 данный тренд может отражать тенденцию ускоренного и все более ускоряющегося возрастания уровней ряда. При < 1 – тенденцию постоянно, все более замедляющегося снижения уровней временного ряда.

4.     Гиперболическая форма тренда:

                                                                            

Данная форма тренда может отображать тенденцию процессов, ограниченных предельным значением уровня.

5.     Логарифмическая форма тренда:

                          ,                                          

где - константа тренда.

Логарифмическим трендом может быть описана тенденция, проявляющаяся в замедлении роста уровней ряда динамики при отсутствии предельно возможного значения. При достаточно большом t логарифмическая кривая становится малоотличимой от прямой линии.

6.     Логистическая форма тренда:

                              ,                                        

где  е - основание натурального логарифма.

При    , при    .

Таким образом, 0 и k – предельные значения функции. Кривая пересекает ось ординат в точке.

        

Скорость возрастания функции в каждый момент времени пропорциональна достигнутому уровню (у) и разности между предельной величиной изучаемого показателя и достигнутым уровнем, т. е. k-у.

Логистическая кривая на практике используется в некоторых демографических прогнозах, а также для изучения динамики степени удовлетворения спроса на определенные потребительские товары, для оценки тенденции развития производства продуктов потребления.

Разумеется, список кривых, применяемых при выравнивании динамических рядов, можно было бы значительно расширить. Но так как другие кривые встречаются на практике не так часто, как упомянутые выше, мы приведем только небольшую сводную таблицу, в которой отобразим только название кривой и ее уравнение.  Данные трендовые модели необходимо рассмотреть в рамках курсового проекта.  

Однако, при практическом использовании линеаризации с помощью преобразования исследуемых переменных следует иметь ввиду, что оценки параметров, полученных  линеаризацией с помощью М.Н.К., минимизируют сумму квадратов отклонений для преобразованных, а не исходных переменных. Поэтому полученные с помощью линеаризации зависимостей оценки нуждаются в уточнении.

Модель тренда

Уравнение тренда

Необходимость в линеаризующих преобразованиях

1

линейная

yt = a + bt

 

 

2

полином 2-ой степени

yt = a + bt + ct2

 

 

3

полином 3-ой степени

yt = a + bt + ct2 + dt3

 

 

4

логарифмическая

yt = a + bln(t)

 

t' = ln(t)

5

степенная

yt = atb

y' = ln(y)

t' = ln(t)

6

экспоненциальная

yt = aebt

y' = ln(y)

 

Следует заметить, что в результате линеаризации степенной и экспоненциальной модели тренда “Excel” возвращает значение линеаризованной функции равное y' = ln(y), поэтому для дальнейшего использования ее надо преобразовать с помощью следующей  элементарной транзакции yt = ey', с последующим пересчетом статистических показателей – характеристик тренда.

Определение численных значений параметров кривой.

После того, как выявлен тип тренда, необходимо определить количественное значение параметров уравнения кривой.

Оценка параметров может быть осуществлена различными способами, среди которых:

-       метод наименьших квадратов (МНК);

-       метод наименьших расстояний;

-       метод избранных точек.

Чаще всего на практике используют МНК. Метод позволяет рассчитать значение параметров, при которых обеспечивается наименьшая сумма квадратов отклонений фактических уровней от  сглаженных, т. е. полученных в результате аналитического выравнивания.

                                              

Математический аппарат метода наименьших квадратов описан в большинстве работ по математической статистике, поэтому нет необходимости подробно на нем останавливаться. Отметим только, что для нахождения параметров прямой (2.10) необходимо решить систему уравнений:

                                                            

В общем виде систему уравнений для нахождения параметров полинома  можно записать как

                  

При сглаживании временного ряда по экспоненте (которая часто используется в экономических исследованиях)  для определения параметров следует применить метод наименьших квадратов к логарифмам исходных данных.

Далее решается система нормальных уравнений:

                                      

Если наблюдаются более сложные изменения уровней временного ряда  и выравнивание осуществляется по показательной функции вида, то параметры определяются в результате решения системы уравнений:


                              

В связи с этим необходимо задать следующие исходные данные