Модель Хольта-Уинтерса и ее применение для прогнозирования экономических показателей.

Многие финансовые экономические показатели на ряду с устойчивой тенденцией к росту или снижению подвержены сезонным колебаниям. Такие процессы моделируются временными рядами вкл в себя как тренд так и сезонную компоненту. Для краткосрочного прогноза таких процессов можно использовать адаптивные модели временных рядов с сезонной компонентой, напр модель Хонта-Уинтерса.

Мультипликативная модель Хольта-Уинтарса с линейным ростом имеет следующий вид:

Yp(t+k)= [a(t)+k*b(t)]*F(t+k-L)

Где k-период упреждения;

Yp(t)- расчетное значение экономического показателя для t-го периода;

a(t),b(t), F(t) – коэффициенты модели; они адаптируются, уточняются по мере перехода от члена ряда с номером, t-1 к t.

F(t+k-L)- значение коэффициента сезонности того периода, для которого рассчитывается экономический показатель;

L-период сезонности.

Формулы:

a(t)=α1*Y(t)/F(t-L)+(1-α1)*[a(t-1)+b(t-1)]

b(t)=α3*[a(t) – a(t-1)]+(1- α3)*b(t-1)

F(t)= α2*Y(t)/a(t)+(1- α2)*F(t-L)

Параметры сглаживания α1, α2, α3 подбирают путем перебора с таким расчетом, чтобы расчетные данные наилучшим образом соответствовали фактическим.

Линейная модель имеет вид:

Yp(t)=a(0)+b(0)*t

Метод наименьших квадратов дает возможность определить коэффициенты линейного уравнения а(0) и b(0) по формулам:

b(0) = ∑ (Y(t)-Ycp)*(t-tcp)

t=1 ;

∑ (t-tcp)^2

t=1

a(0) = Ycp-b(0)*tcp;

Ycp = 1* ∑ Y(t);

Tcp= 1* ∑ N.

N 1

Оценка качества модели прогнозирования.

Для того, что бы модель была качественной уровни, остаточного ряда E(t) (разности Y(t)-Yp(t) между фактическими и расчетными значениями экономического показателя) должны удовлетворять определенным условиям ( точности и адекватности).

1) Точность модели:

Условия точности выполнено, если относительная погрешность ( абсолютное значение отклонения abs{E(t)}, поделенное на фактическое значение Y(t) и выраженное в процентах 100%* abs{E(t)}/ Y(t) в среднем не превышает 5%.

2)Проверка адекватности модели:

Для того, чтобы модель была адекватна исследуемому процессу, ряд остатков E(t) должен обладать свойствами случайности, независимости последовательных уровней, нормальности распределения.

А)Проверка случайности уровней:

Проверку случайности уровней остаточной компоненты проводим на основе критерия поворотных точек. Для этого каждый уровень ряда E(t) сравниваем с двумя соседними. Если оно больше ( либо меньше) обоих соседних уровней, то точка считается поворотной и ставится 1, в противном случае 0.

q= int[2(N-2)/3-2√(16N-29)/90]

Если количество поворотных точек p больше q, то условие случайности уровней выполнено.

Б) Проверка независимости уровней ряда остатков ( отсутствие автокорреляции):

1) по d-критерию:

d = ∑ [E(t) – E(t-1)]^2

2 .

∑ E(t)^2

В случае если полученное значение больше 2, значение имеет место отрицательная автокорреляция, в таком случае величину d уточняют, вычитая полученное значение из 4.

Если 0<d<d1, то уровни автокоррелированы, то есть зависимы, модель адекватна.

Если d1<d<d2, то критерий Дарбина-Уотсона не дает ответа на вопрос о независимости уровней ряда остатков.

Если d2<d<d2, то уровни ряда остатков являются независимыми.

r(1)= ∑ [E(t)*E(t-1)]

2 .

∑ E(t)^2

Если модуль рассчитанного значения первого коэффициента автокорреляции меньше критического значения /r(1)/<rтаб, то уровни ряда остатков независимы.

В) Проверка соответствия ряда остатков нормальному распределению определяем по RS- критерию

RS=(Emax-Emin)/S

Emax-максимальное значение уровней ряда остатков Е(t)

Emin – минимальное значение уровней ряда остатков E(t)

S - среднее квадратическое отклонение.