- •Конспект лекций по учебной дисциплине
- •1.4. Классификация предвидений (прогнозов)
- •1.5. Принципы организации прогнозирования
- •1.6. Порядок прогнозирования
- •Доп. Вопросы (для экзамена на 5)
- •Раздел 1. Прогнозирование методами математической статистики Тема 2. Корреляционные методы
- •2.1. Графическое представление вариационных рядов
- •2.2. Зависимость применимости метода прогнозирования от шкалы
- •2.2.1. Номинальная шкала
- •2.2.2. Ранговая шкала
- •2.2.3. Метрические шкалы
- •Тема 3. Трендовая модель прогнозирования
- •3.1. Понятие временного ряда
- •3.2. Задачи анализа временного ряда
- •3.3. Первоначальная подготовка данных
- •3.4. Задача построения аналитического тренда
- •3.5. Определение базы построения тренда
- •3.6. Наиболее употребимые виды трендов
- •3.7. Графический способ определения вида уравнения (типа) тренда
- •3.8. Определение тренда на основе сглаживания ряда
- •3.8.1. Механическое сглаживание
- •3.8.2. Аналитическое сглаживание
- •3.9. Тестовый способ определения вида уравнения (типа) тренда
- •3.10. Прогнозирование по тренду
- •3.11. Оценка качества прогнозов
- •5.1. Определение периода цикличности на основе функции автокорреляции
- •5.2. Сглаживание по нечётной базе
- •5.3. Сглаживание по четной базе
- •5.4. Взвешенное сглаживание
- •5.5. Достоинства и недостатки метода
- •5.6. Прогнозирование на основе сглаживания
- •Тема 6. Метод экспоненциального сглаживания и его использование в прогнозировании
- •6.1. Выбор параметра сглаживания
- •7.2. Метод наименьших квадратов
- •7.5. Тренды на основе сплайн-функций ???
- •Вопросы на 5
- •Тема 8. Анализ цикличности (сезонности)
- •8.1. Задача выявления сезонных колебаний
- •8.2. Определение сезонной составляющей при аддитивной сезонности
- •8.3. Определение сезонной составляющей при мультипликативной сезонности.
- •8.4. Выявление сезонности с использованием тригонометрических функций
- •9.2.1. Поворотные точки
- •9.2.2. Длина фазы
- •9.2.3. Критерий, основанный на знаках разностей
- •9.2.4. Критерии, основанные на ранговой корреляции
- •9.2.5. Сравнительный анализ критериев
- •9.3. Практические способы анализа ошибки ??? Тема 10. Прогнозирование на основе регрессионных моделей
- •10.1. Понятие регрессии
- •10.2. Отбор факторов для регрессии
- •10.3. Вид функции регрессии
- •10.4. Расчет параметров регрессии
- •10.5. Прогнозирования на основе регрессионных моделей
- •10.6. Авторегрессия
- •Тема 11. Производственные функции
- •11.1. Общая характеристика производственной функции
- •11.2. Функция Кобба-Дугласа. Общая характеристика
- •11.3. Функция Кобба-Дугласа. Расчет параметров
- •12.1.2. Задачи о «смесях»
- •12.1.3. Задачи о «раскрое»
- •12.1.4. Общая планово-производственная задача. Выбор интенсивностей использования различных технологических способов производства
- •12.1.5. Распределение ресурсов во времени. Оптимальное регулирование запасов
- •12.2. Графическое решение задачи
- •15.1. Прогнозирование на основе групповой экспертной оценки
- •15.2. Применение метода "Дельфи" для прогнозирования
- •Тема 16. Самореализующиеся прогнозы
- •Тема 17. Имитационное моделирование
7.5. Тренды на основе сплайн-функций ???
Если в результате анализа ряда не удаётся подобрать простой тип тренда для всего ряда, можно попытаться разбить ряд на части, ???
* 10(65)гладкость тренда - трудно при смене тенденции (стр. 22)
* сплайн - непрерывная [линейно] кусочная функция.
* точки перелома x`
* задание линейного сплайна по 1. Точкам перелома 2. Через алгоритм. Функцию
(последовательный учёт влияния) Wj=X-X`j-1, при X> X`j-1 (иначе - 0)
S=b0+Summ BjWj, где В - угловой коэфф. (изменение его в точке перегиба)
* использование для анализа структуры динамики.
* 10(75)пример
Деление ряда на (3) части
Расчёт функций тренда - ... - они не состыкованы.
Стыкуем как среднее арифметическое ..
Задание тренда точками перелома - коррекция функций тренда (где b - средние)
Через алгоритм - коррекция B по новым а.
* Скользящий тренд по базе m Y=SUM 1 n-m (Vj j+m)
* .
Вопросы на 5
1. Составить систему нормальных уравнений для квадратичной функции.
2. Можно ли отнести заполнение пропущенных наблюдений в ряду к прогнозу.
3. Приведите другие примеры критериев меры близости рядов.
Тема 8. Анализ цикличности (сезонности)
8.1. Задача выявления сезонных колебаний
Цикличность – закономерное периодическое отклонение от основной тенденции (тренда)
Сезонность - вид цикличности, обусловленный временем года. В общем - в рамках года. (электроснабжение, транспорт, с-х и т.д.)
Фаза цикла – номер наблюдения внутри периода цикла. Если период цикла – N, говорят о наличии N фаз.
Задачи:
- определение наличия циклов, их периодов; силы и характера в различных фазах
- выявление факторов, вызвавших их
- оценка последствий для выявления тренда и уточнения трендового прогноза
- математическое моделирование
Методы расчета сезонной составляющей (наиболее применимые):
- коэффициенты и индексы сезонности
- аналитическая функция
- изменяющееся по фазам цикла семейство трендов
8.2. Определение сезонной составляющей при аддитивной сезонности
Если ряд отклоняется от значений тренда в каждой фазе цикла на одну и ту же величину, говорят об аддитивной сезонности.
Аддитивная сезонность моделируется расчётом коэффициентов сезонности. Число коэффициентов равно числу фаз. Коэффициент [фазы] показывает [величину] отклонение ряда от тренда [в данной фазе].
Коэффициент рассчитывается как среднеарифметическое отклонение ряда от тренда в данной фазе.
Пусть N-период сезонности, M-длина ряда. Тогда N/M - количество циклов. Kn – коэффициент фазы n.

При
аддитивной сезонности уравнение
разложения динамического ряда на
компоненты имеет вид:
.
Пример: Прогноз моделирования налоговых поступлений (тыс. руб) по месяцам.
Рисунок
STYLEREF 1 \s 1‑ SEQ Рисунок \* ARABIC \s 1 16
Аддитивная сезонность
Периодичность явно равна 3-м (квартальная). Следовательно, нужно рассчитать 3 коэффициента сезонности. Проиллюстрирован расчет коэффициента для третьего месяца квартала (К3).
