gdzie lub f a s a z modelu liniowegomodel liniowy holta gdzie dla t = 2, 3,…, n. parametry...
TRANSCRIPT
Modele szeregów czasowych z tendencją rozwojową zmiennej prognozowanej
Model liniowy Holta
gdzie
dla t = 2, 3,…, n.Parametry wygładzania a i b dobiera się eksperymentalnie na podstawie wybranego kryterium, które powinny spełniać prognozy wygasłe. Ponadto a i b należą do przedziału [0;1].Model wymaga wartości początkowych F1 oraz S1 .Można przyjąć:
1t1t
*
tSFy
)S(Fα)(1yαF1t1ttt
1t1tttSβ)(1)F(FβS
liniowegomodelu z,lub
,lub
0,
1101
12111
111
aSaF
yySyF
SyF
MODELE ADAPTACYJNE
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH
MODEL WINTER(‘SA)
Wersja addytywna
)()1()( 22111 ttrttt SFCYF aa
2211 )1()( tttt SFFS bb
rtttt CFYC 1111 )1()(
rtnnt CSntFY )(*
Wartości początkowe
11 rr YF
r
i
r
r
ri
rr Yr
Yr
S1
2
1
1 )1
()1
(
addytywny
r
i
rjj Yr
YC1
)1
(
MODELE ADAPTACYJNE
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH
MODEL WINTER(‘SA)
Wersja multiplikatywna
)()1( 221 1
1
ttC
Y
t SFFrt
t aa
2211 )1()( tttt SFFS bb
rtF
Y
t CCt
t
11 )1(1
1
rtnnt CSntFY ])([*
Wartości początkowe
11 rr YF
r
i
r
r
ri
rr Yr
Yr
S1
2
1
1 )1
()1
(
multiplikatywny rjdla
Yr
YC
r
i
r
j
j ,...,11
1
MODELE ADAPTACYJNE
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH
METODA TRENDU PEŁZAJĄCEGO I WAG HARMONICZNYCH
Metodę trendu pełzającego wprowadził Z. Helwig.
W metodzie trendu pełzającego realizowana jest zasada, charakterystyczna dla metod
adaptacyjnych, większego wpływu na wartość prognozy danych nowszych niż danych
starszych.
Trend pełzający należy do klasy modeli adaptacyjnych, nie zakłada więc postaci
analitycznej funkcji trendu. Metodę tę wykorzystuje się do opisu kształtowania się zjawiska
ekonomicznego charakteryzującego się nieregularnymi zmianami.
Procedura wyznaczania trendu pełzającego polega na wygładzeniu szeregu czasowego o
długości n wyrazów, przy czym przyjmuje się, że szereg jest dostatecznie długi (n > 10).
Dla szeregu czasowego y1,y2,....yn oraz arbitralnie dobranej stałej wygładzania k<n, tak aby
eliminacji podlegały wahania przypadkowe, wyznacza się równania trendów liniowych za
pomocą klasycznej metody najmniejszych kwadratów na podstawie k kolejnych obserwacji:
MODELE ADAPTACYJNE
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH
Y Y Y
Y Y Y
Y Y Y
k
k
n k n k n
1 2
2 3 1
1 2
, , ........................
, , ........................
.......................................
, ........,
Parametry równań regresji dla poszczególnych odcinków, opisują funkcje:
yit ait bi
gdzie i=1,2,....n-k+1; t=1......k,2...k+1,...,n-k+1....n.
Dla przykładu: Y a t b
a t b
a b
t
n k n k
1 1 1
2 2
1 1
t = (1, ......... k),
Y t = (2, ..... k +1),
..............................................
y t = (n - k +1,..... n)
2t
n-k+1t
Poszczególnym wyrazom szeregu yt przyporządkowuje się wygładzone wartości
wyznaczone według wyprowadzonych funkcji regresji yit dla których:
d t i g t gdzie:
d tt k
g tt
t-k
1
1
1
,
,
dla t =1,...k,
dla t = k + 1,.....n;
dla t =1,......n - k,
dla t = n - k + 1,.....n.
METODA TRENDU PEŁZAJĄCEGO I WAG HARMONICZNYCH
MODELE ADAPTACYJNE
PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH
Ostatecznym wygładzeniem dla okresu t jest średnia wartość wszystkich takich
wygładzeń, czyli:
ytg t d t
yit
i d t
g t
1
1
Miarą jakości dopasowania trendu pełzającego do danych empirycznych może być
współczynnik korelacji liniowej między empirycznym szeregiem czasowym a szeregiem
wygładzonym, czyli:
r Yt Yt
Yt Yt
SYtSYt
,cov ,
Łącząc punkty o współrzędnych odcinkami liniowymi, otrzymuje się wykres tendencji
rozwojowej szeregu czasowego w postaci funkcji segmentowej, zwanej
TRENDEM PEŁZAJĄCYM.
t yt,
METODA TRENDU PEŁZAJĄCEGO I WAG HARMONICZNYCH
W celu ekstrapolacji modelu w przyszłość należy zastosować postępowanie zwane
metodą
WAG HARMONICZNYCH.
Modele szeregów czasowych z wahaniami okresowymi zmiennej prognozowanej
Analiza harmoniczna• gdy występują wahania sezonowe wraz z tendencją rozwojową lub stałym przeciętnym poziomem• model buduje się w postaci sumy tzw. harmonik – funkcji sinusoidalnych lub cosinusoidalnych o danym okresie• pierwsza harmonika ma okres równy n, druga n/2, trzecia n/3, itd..• liczba wszystkich harmonik wynosi n/2• prognozę stawia się na podstawie modelu:
2/
1
0* 2
cos2
sinn
iiiT
tin
tin
y
b
aa
Modele szeregów czasowych z wahaniami okresowymi zmiennej prognozowanej (9)
1. Jeśli występuje trend, to oblicza się następujące wartości (eliminacja trendu):2. Szacuje się parametry a0, ai, bi modelu:
korzystając z zależności:
ttt yy'y
,n
,...,i,tin
cos'yn
b
,n
,...,i,tin
sin'yn
a
,'yn
a
n
t
ti
n
t
ti
n
t
t
12
1 dla 22
12
1 dla 22
1
1
1
1
0
2
1
0
22/n
i
ii
*
T tin
costin
sin'y
b
aa
Modele szeregów czasowych z wahaniami okresowymi zmiennej prognozowanej (9)
Dla i = n/2 parametry ai, bi modelu szacuje się korzystając z zależności:
.cos1
,0
1
tyn
b
a
n
tti
i
Modele szeregów czasowych z wahaniami okresowymi zmiennej prognozowanej (10)
3. Z modelu można wyeliminować harmoniki, których udział w wyjaśnianiu wariancji rozpatrywanej zmiennej jest najmniejszy. Udział w wariancji zmiennej prognozowanej dla wszystkich oprócz ostatniej harmoniki wynosi:
natomiast dla ostatniej:
gdzie:
s2 jest szacunkiem wariancji zmiennej prognozowanej
2
2
2s
cii
2
2
s
cii
222
iii bac