1.2 Прогнозирование с использованием углублённых методов анализа данных
Поиск параметров модели для экспоненциального сглаживания осуществляется автоматически с помощью вкладки «Выполнить поиск по сетке». Задав вид модели и параметры, найденные по сетке, выполняем непосредственно экспоненциальное сглаживание.
Результаты представлены на следующем рисунке.
Рисунок
4 – Прогноз методом экспоненциального
сглаживания
По рисунку видно, что график сглаженного ряда превосходно ложится на исходный ряд, а значения прогнозной линии в достаточной степени близки по структуре к динамике исходного временного ряда.
Итоговые ошибки модели представлены ниже.
Метод экспоненциального сглаживания достаточно прост в построении прогнозов и часто даёт быстрые и эффективные результаты как в рассматриваемом случае.
Теперь рассмотрим прогнозирование с использованием моделей авторегрессии и проинтегрированного скользящего среднего (АРПСС). Для построения модели необходимо определить параметры авторегрессии: d – порядок разности модели, p – порядок авторегрессии и q – порядок скользящего среднего.
Необходимым условием построения модели авторегрессии, а впоследствии и прогноза, является стационарность исследуемого ряда. Одним из признаков стационарности можно считать тенденцию к быстрому затуханию автокорреляционной функции ряда.
Рисунок
5
– Частная автокорреляционная функция
исходного временного ряда
Поиск параметров на сетке (наименьшие абс.ошибки выделяются) (Таблица данных1) Модель: Без тр., нет сезон. ; S0=31,25 КУРС |
|||||||
|
Альфа |
Средняя |
Ср. абс. |
Сумма |
Средние |
Средн. % |
Ср. абс. |
9 |
0,900000 |
-0,002862 |
0,122822 |
8,48628 |
0,025408 |
-0,010704 |
0,391843 |
8 |
0,800000 |
-0,003142 |
0,125969 |
8,87922 |
0,026584 |
-0,011808 |
0,401923 |
7 |
0,700000 |
-0,003467 |
0,129922 |
9,46753 |
0,028346 |
-0,013110 |
0,414590 |
6 |
0,600000 |
-0,003853 |
0,135426 |
10,29913 |
0,030836 |
-0,014673 |
0,432191 |
5 |
0,500000 |
-0,004322 |
0,143434 |
11,46821 |
0,034336 |
-0,016606 |
0,457810 |
4 |
0,400000 |
-0,004914 |
0,154578 |
13,15788 |
0,039395 |
-0,019095 |
0,493531 |
3 |
0,300000 |
-0,005704 |
0,168944 |
15,75584 |
0,047173 |
-0,022501 |
0,539568 |
2 |
0,200000 |
-0,006843 |
0,189626 |
20,33023 |
0,060869 |
-0,027642 |
0,605874 |
1 |
0,100000 |
-0,008251 |
0,245800 |
32,43598 |
0,097114 |
-0,035968 |
0,786375 |
