Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна)

Реакция на ошибку прогноза и дисконтирование уровней временного ряда в модели Брауна определяется с помощью параметров сглаживания (адаптации), значения которых могут изменяться от 0 до 1.

Высокое значение этих параметров (свыше 0,5) означает придание большего веса последним уровням ряда, а низкое (менее 0,5) – предшествующим наблюдениям. Первый случай соответствует быстроизменяющимся динамичным процессам, второй – более стабильным.

Рассмотрим этапы построения линейной адаптивной модели Брауна:

Этап 1. По первым пяти точкам временного ряда оцениваются начальные значения Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruпараметров модели с помощью метода наименьших квадратов для линейной аппроксимации

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru , Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Прогноз можно получить, используя вспомогательную таблицу 1.1.

Таблица 1.1.

Оценка параметров модели Брауна

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru
  3302,1 19,7 - -
    3321,8 11,2
       
       
       
       
.        
.        
. .        
. .        
. .        
Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru          
Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru          

Этап 2. С использованием параметров Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruпо модели Брауна находим прогноз на один шаг Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru:

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Таблица 1.2.

Оценка начальных значений параметров модели

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru
         
         
         
         
         
         

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

где Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru - среднее значение фактора «время» Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru =3;

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru - среднее значение исследуемого показателя

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Этап 3. Расчетное значение Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruэкономического показателя сравнивают с фактическим Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи вычисляется величина их расхождения (ошибки).

При Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruимеем:

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Этап 4. В соответствии с этой величиной корректируются параметры модели. В модели Брауна модификация осуществляется следующим образом:

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

где Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru- коэффициент дисконтирования данных, (0-1) характеризующий обесценение данных за единицу времени и отражающий степень доверия более поздним наблюдениям.

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

где N - длина временного ряда;

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru- ошибка прогнозирования уровня Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru, вычисленная в момент времени Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruна один шаг вперед.

Этап 5. По модели со скорректированными параметрами Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruнаходят прогноз на следующий момент времени.

Возврат на пункт 3, если t<N, если t=N, то построенную модель можно использовать для прогнозирования на будущее.

Прогноз на основании трендовых моделей (кривых роста) содержит два элемента: точечный и интервальный прогнозы.

Точечный прогноз – это прогноз, которым называется единственное значение прогнозируемого показателя.

Оно определяется подстановкой в уравнение выбранной кривой роста величины времени t, соответствующей периоду упреждения:Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи т.д.

Точное совпадение фактических данных в будущем и прогностических точечных оценок маловероятно. Поэтому точечный прогноз должен сопровождаться двусторонними границами, т.е. указанием интервала значений, в котором с достаточной вероятностью можно ожидать появления прогнозируемой величины, т.е. интервальные прогнозы строятся на основе точечных прогнозов.

Доверительным интервалом называется такой интервал, относительно которого с заранее выбранной вероятностью утверждать, что он содержит значение прогнозируемого показателя. Ширина интервала зависит от качества модели, т.е. степени ее близости к фактическим данным, числа наблюдений, горизонта прогнозирования и выбранного пользователем уровня вероятности.

Вопросы и задания

1. Поясните суть методов механического сглаживания временных рядов.

Дайте сравнительную характеристику этих методов.

2. Дайте определение временного экономического ряда и характеристику его структурно образующих элементов.

3. В чем суть прогнозирования экономических процессов на основе метода экстраполяции?

4. Перечислите основные этапы прогнозирования экономической динамики на основе одномерных временных рядов с использованием трендовых моделей?

5. Поясните суть адаптивных методов прогнозирования.

6. Укажите этапы построения и использования адаптивной модели Брауна. Как влияет параметр сглаживания на скорость адаптации моделей этого типа к изменениям в прогнозируемом процессе?

Задание

1. Сгладить временной ряд, приведенный в табл.1.3 и 1.4 методом простой скользящей средней, взвешенной скользящей средней. Результаты показать на графике.

2. Для временного ряда из табл. 1.3 и 1.4 построить адаптивную модель Брауна с параметром сглаживания Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ruи выбрать наилучшую модель Брауна

Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru

где Экспоненциальное сглаживание (адаптивная модель прогнозирования Брауна) - student2.ru - период упреждения (количество шагов вперед).

Таблица 1.3

Наши рекомендации