Прогнозуючи числові ряди, треба враховувати дисконтування вихідних даних. Очевидно, кінцевим точкам ряду потрібно надати більше значення, а спостереженням, які належать до минулого, — менше. Це можна частково врахувати за допомогою процедури ковзних середніх із кінцевою довжиною відрізка усереднення, де значення ваг, які приписують останній групі (2m+1), не залежать від попередніх значень.
Метод експоненціального згладжування є одним із головних. Він поєднує метод екстраполяції та кованої середньої і дає змогу побудувати такий опис прогнозованого процесу, в якому пізнішим спостереженням надають більшого значення порівняно з попередніми, причому значення спостережень спадають за експонентою.
Вихідний динамічний ряд можна записати у вигляді полінома:
Для розрахунків за методом експоненціального згладжування вводять експоненціальну середню &-го порядку в],*',, яку визначають за формулою
Важливу роль у методі експоненціонального згладжування відіграє вибір оптимального параметра згладжування а. Залежно від параметра а прогнозні оцінки по-різному враховують вплив зміни значення вихідного ряду спостереження: чим більше значення а, тим більший внесок останніх спостережень у формування тренда, а вплив початкових умов швидко послаблюється.
Адаптивне згладжування. Головною сферою застосування адаптивних методів прогнозування є отримання прогнозних результатів для показників, динаміку яких характеризує регулярна зміна. Вихідна інформація для використання адаптивних методів: динамічні ряди з кількістю спостережень не менше 10—15 точок. Результати отримують у вигляді числових значень динаміки ряду на перспективу, використовуючи лінійну адаптацію моделі:
Метод найменших квадратів застосовують для відшукування наближених залежностей між двома або кількома прогнозованими величинами за їх емпіричним значенням. Суть його полягає у мінімізації суми квадратичних відхилень між спостережуваними величинами і відповідними оцінками (розрахунковими величинами), обчисленими за підібраним рівнянням.
У випадку апроксимування справжнього розвитку явища за допомогою поліноміального тренда залежну величину у можна записати як функцію часу у вигляді многочлена:
Оцінки параметрів а0, а1, ay,можна отримати за допомогою методів найменших квадратів. Розгорнутий запис системи нормальних рівнянь, в якій змінні Х0, Х1, Хm замінені характеристиками часу t, t2,... t, має такий вигляд:
де n — кількість членів у динамічному ряду.
Використовуючи матричні позначення, цю систему можна записати у вигляді:
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Економіка праці та соціально-трудові відносини» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Метод ковзної середньої“ на сторінці 1. Приємного читання.
