Экстраполяционное прогнозирование экономических процессов, представленных одномерными временными рядами, сводится к выполнению следующих основных этапов:
1) предварительный анализ данных;
2) построение моделей: формирование набора аппроксимирующих функций (кривых роста) и численное оценивание параметров моделей;
3) проверка адекватности моделей и оценка их точности;
4) выбор лучшей модели;
5) расчет точечного и интервального прогнозов.
На первомэтапе производится:
· выявление аномальных наблюдений;
· проверка наличия тренда;
· сглаживание временных рядов;
· расчет показателей развития динамики экономических процессов.
Так как наличие аномальных наблюдений приводит к искажению результатов моделирования, то необходимо убедиться в отсутствии аномалий данных. В качестве примера аномалии может служить скачок курса доллара, зафиксированный в «черный вторник».
Следующая процедура этапа предварительного анализа данных – выявление наличия тенденций в развитии исследуемого показателя. Отметим, что тенденция прослеживается не только в увеличении или уменьшении среднего текущего значения временного ряда, но она присуща и другим его характеристикам: дисперсии, автокорреляции, корреляции с другими показателями и т.д. Тенденцию среднего визуально можно определить из графика исходных данных, а более точно – с помощью метода Фостера–Стьюарта, метода проверки существенности разности средних, подробное описание которых дано в работе.
|
|
Наличие тенденции среднего уровня на графике становится более заметным, когда на нем отражены сглаженные значения исходных данных.
Процедура сглаживания необходима при построении некоторых математических моделей и для устранения аномальных наблюдений. Чаще всего для сглаживания применяются методы простой скользящей средней, взвешенной скользящей средней и экспоненциального сглаживания.
Традиционными показателями, характеризующими развитие экономических процессов, были и остаются показатели роста и прироста. Для характеристики динамики изменения экономических показателей все чаще используется понятие автокорреляции, которая характеризует не только взаимозависимость уровней одного и того же ряда, относящихся к разным моментам наблюдений, но и степень устойчивости развития процесса во времени, величину оптимального периода прогнозирования и т.п.
Второй, третий, четвертый и пятый этапы построения модели и прогноза по временным рядам рассмотрим на примере (задача 8).