2.3 Анализ временных рядов

Цель анализа - выявить закономерности распределения данных, построение тренда и осуществление прогноза на его основе. Проводится в среде MS Excel с помощью инструментов «Скользящее среднее» и «Экспоненциальное сглаживание» Пакета анализа.

где b -- константа, е - случайная ошибка. Константа b относительно стабильна на каждом временном интервале, но может также медленно изменяться со временем. Один из интуитивно ясных способов выделения значения b из данных состоит в том, чтобы использовать сглаживание скользящим средним, в котором последним наблюдениям приписываются большие веса, чем предпоследним, предпоследним большие веса, чем пред- предпоследним, и т.д.

Точная формула простого экспоненциального сглаживания имеет вид:

St = б yt + (1 - б) St-1

Когда эта формула применяется рекурсивно, каждое новое сглаженное значение (которое является также прогнозом) вычисляется как взвешенное среднее текущего наблюдения и сглаженного ряда. Очевидно, результат сглаживания зависит от параметра б. Если б равен 1, то предыдущие наблюдения полностью игнорируются. Если б равен 0, то игнорируются текущие наблюдения. Значения б между 0 и 1 дают промежуточные результаты. Эмпирические исследования показали, что простое экспоненциальное сглаживание весьма часто дает достаточно точный прогноз.

Основным содержанием метода аналитического выравнивания временных рядов является расчет общей тенденции развития (тренда) как функции времени:

где - теоретические значения временного ряда, вычисленные по соответствующему аналитическому уравнению на момент времени t.

С помощью Microsoft Excel строить трендовые модели достаточно просто. Сначала эмпирический временной ряд следует представить в виде диаграммы одного из следующих типов: гистограмма, линейчатая диаграмма, график, точечная диаграмма, диаграмма с областями, а затем щелкнуть на диаграмме правой кнопкой мыши на одном из маркеров данных. В результате на диаграмме будет выделен сам временной ряд, а на экране раскроется контекстное меню. В этом меню следует выбрать команду (Добавить линию тренда). На экран будет выведено диалоговое окно. На вкладке Туре (Тип) этого диалогового окна выбирается требуемый тип тренда:

1. линейный (Linear);

2. логарифмический (Logarithmic);

3. полиномиальный, от 2-й до 6-й степени включительно (Polinomial);

4. степенной (Power);

5. экспоненциальный (Exponential);

6. скользящее среднее, с указанием периода сглаживания от 2 до 15 (Moving Average).

Проведем данный анализ для наиболее значимого показателя каждой группы.

В группе «Экономика» таким показателем является показатель - валовой национальный продукт.

Рис. 1. График скользящего среднего для показателя валовой национальный продукт

Рис. 2. График экспоненциального сглаживания для показателя валовой национальный продукт

Для того, чтобы выявить наилучшее уравнение тренда для показателя - валовой внутренний продукт построим график фактических значений данного показателя и добавим на него линии линейного, степенного и экспоненциального трендов с указанием уравнения и величины достоверности аппроксимации R2.

Как видно, из рисунка 3, наиболее лучшей модель тренда является экспоненциальная модель с уравнением , так как имеет самую наибольшую величину достоверности аппроксимации R2=0,83.

По полученному уравнению рассчитаем прогнозные значения валового внутреннего продукта для 2011 и 2012 годов, которым имеют значения t=21 и t=20 соответственно.

2011 г.: млрд. долл.

2012 г.: млрд. долл.

Рис. 3. Линии трендов для показателя валовой национальный продукт

В группе «Население» таким показателем является показатель - численность населения, тыс. чел.

Рис. 4. График скользящего среднего для показателя численность населения

Рис. 5. График экспоненциального сглаживания для показателя численность населения

Для того, чтобы выявить наилучшее уравнение тренда для показателя - численность населения, построим график фактических значений данного показателя. Добавим на него линии линейного, степенного и экспоненциального трендов с указанием уравнения и величины достоверности аппроксимации R2.

Рис. 6. Линии трендов для показателя численность населения.

Как видно, из рисунка 6, наиболее лучшей моделью тренда является экспоненциальная модель с уравнением , так как имеет самую наибольшую величину достоверности аппроксимации R2=0,9846.

По полученному уравнению рассчитаем прогнозные значения валового внутреннего продукта для 2011 и 2012 годов, которым имеют значения t=21 и t=22 соответственно.

2011 г.: тыс. чел.

2012 г.: тыс. чел.