Тема 4. Модели стационарных временных рядов
Задание. Прогнозирование на базе моделей авторегресси р-порядка, модели скользящего среднего порядка q и авторегрессионных моделей со скользящими средними в остатках. Исполнение: выполнение индивидуального задания с использованием ППП Statistica 6.0 и Statgraphics. Интерпретация результатов решения. Оценка. Практическая реализация теоретических методов прогнозирования. Время выполнения заданий: 8 часов.
Методические указания Исходные данные для прогноза представлены в таблице 8. Таблица 8 – исходные данные по выработке на одного работающего для прогнозирования по методу Бокса-Дженкинса (в т)
В формулах для удобства записи использован оператор сдвига В, вычисляемый как ВYt=Yt-1. Модель (1) имеет порядок (p, d, q). P- определяет порядок авторегрессии, q – скользящего среднего; d – порядок конечных разностей. Ее практическое использование и методика построения связаны с Г. Боксом и Г. Дженкинсом. В пакете STATGRAPHICS реализована эта процедура. Покажем возможности ее использования для прогнозирования, используя данные из таблицы 2. Проблема применения модели Бокса-Дженкинса является определение эффективных оценок ее параметров p, d, q. Для ее построения вычисляют первоначально разности ряда до тех пор, пока они не окажутся стационарными относительно математического ожидания и дисперсии. Далее задача сводится к оцениванию коэффициентов в модели авторегрессии и скользящего среднего. Для построения ARIMA-модели порядка (1, 1, 1), т.е. порядок авторегресси, скользящего среднего и конечных разностей равен единице, в панели спецификации моделей установим переключатель процедуры Бокса-Дженкинса – ARIMA Model и изменим поля Differencing Noseasonal Order (порядок несезонной разности) и МА (несезонное скользящее среднее). Установим их равными единице. Прогноз осуществим на 6 лет. Результаты построения отражены на рисунке 16. Используя данные листинга (рис. 16), запишем: (1 – 0,724В)(1 – В)Уt = 9,151 + (1 – 0,353В)et. Раскрыв скобки и применяя операторы сдвига BYt-1=Yt-1 и Вet-1=et-1, имеем Yt-1 = 9,151 + 1,725 Yt-1 – 0,725 Yt-2 + et – 0,353et-1. Отличительной чертой использования процедуры Бокса-Дженкинса является прогнозирование не только математического ожидания временного ряда, но и доверительных интервалов, в которых находится искомый показатель с заданной вероятностью.
Рис. 16 – Результаты построения модели Бокса-Дженкинса
На рис. 17 представлен исходный ряд за 35 периодов с прогнозными значениями выработки на 6 лет. Пунктирными линиями отмечены доверительные 95%-е границы прогноза.
Рис. 17 – Прогноз выработки по модели Бокса-Дженкинса
Для вывода основных формул, используемых для прогнозирования значений показателя Уt на будущий период t+l (где l – период упреждения), вводят два способа представления ряда динамики. Предсказываемый уровень исследуемого показателя выражается в виде , где - прогноз выработки в l-м году; а1, а2, …, ар – коэффициент авторегрессии; b1, b2, …, bq – коэффициенты скользящего среднего. Другая форма записи ARIMA-модели связывает будущие значения показателя выработки с бесконечной линейной комбинацией случайных компонент et: (1) где - рассчитанные специальным образом веса. Используя формулу (1), можно показать, что предсказанные значения выработки на момент времени t+l отличается от ее прогноза в момент t на ошибку предсказания на первом шаге еt+1, умноженную на коэффициент . На рис. 17 представлен листинг с результатами прогнозирования по модели Бокса-Дженкинса. Из них видно, что за 6 предстоящих лет производительность труда вырастет на 13% (1570,45:1397*100-100). При этом значение выработки в конце периода упреждения может изменяться от 1376,78 до 1764,12 на человека.
Популярное: Личность ребенка как объект и субъект в образовательной технологии: В настоящее время в России идет становление новой системы образования, ориентированного на вхождение... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (153)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |