Основные понятия и определения

В современной науке важную роль в принятии решений играет прогноз. Любое серьезное решение требует прогноза, т.е. предвидения раз­вития ситуации. Для того чтобы предвидеть будущее, надо хорошо знать прошлое и присущие ему закономерности.

Если в течение достаточно продолжительного времени регулярно фиксировать курсы валют, акций, цены на товары и т.д., то такие данные образуют временные ряды. Временными рядами являются также данные о выпуске (приобретении) различного оборудования и услуг по месяцам, кварталам, годам. В производстве временные ряды воз­никают при измерении количества изделий, выпускаемых подразде­лениями предприятия за час, смену, декаду, при оценках количества брака за те же периоды, при наблюдении за изменениями запасов на складах. В производстве данные типы временных рядов появ­ляются очень часто.

Во временном ряде содержится информация об особенностях и закономерностях протекания процесса, а статистический анализ по­зволяет выявить эти закономерности и использовать их для оценки характеристик процесса в будущем, т.е. для прогнозирования.

Временной ряд - набор чисел, привязанный к последовательным, обычно равноотстоящим моментам времени.

Числа, составляющие ряд и получающиеся как результат наблю­дения за ходом некоторого процесса, называются элементами (уров­нями), а промежуток времени между наблюдениями - шагом кван­тования по времени (или короче - шагом по времени). Элементы ря­да нумеруют в соответствии с номером момента времени, к которому этот элемент относится (т.е. обозначают их как Y₁, Y₂,..., Y_n).

Формально задача прогнозирования сводится к получению оце­нок значений ряда на некотором периоде будущего, т.е. к получению значения Y_p(t), t = п + I, n + 2, .... При использовании методов экст­раполяции исходят из предположения о сохранении закономерностей прошлого развития на период прогнозирования. Во многих случаях (но не всегда!) при разработке оперативного (до года) и краткосроч­ного (до 2 лет) прогноза эти предположения являются справедливы­ми.

Прогноз рассчитывается в два этапа. На первом - формальном -выявляют при помощи статистических методов закономерности прошлого развития и переносят их (экстраполируют) на некоторый пери­од будущего. На втором - производится корректировка полученного прогноза с учетом результатов содержательного анализа текущего со­стояния.

Статистические методы исследования исходят из предположения о возможности представления уровней временного ряда в виде суммы нескольких компонент, отражающих закономерность и случайность развития, в частности в виде суммы четырех компонент:

Y(t) =f(t) + S(t) + U(t) + E(t),

где f(t) - тренд развития (долгосрочная тенденция или устойчивое, систематическое изменение процесса в течение продолжительного времени);

S(t) - сезонная компонента;

U(t) - циклическая компонента;

E(t) - остаточная компонента.

Сезонная компонента характеризует устойчивые внутригодичные колебания уровней, которые носят периодический или близкий к не­му характер. Она проявляется в некоторых показателях, представлен­ных квартальными или месячными данными.

В тех случаях, когда период колебаний составляет несколько лет, говорят, что во временном ряде присутствует циклическая компонен­та.

Тренд, сезонная и циклическая компоненты называются регуляр­ными, или систематическими компонентами временного ряда. Со­ставная часть временного ряда, остающаяся после выделения из него регулярной компоненты представляет собой случайную, нерегуляр­ную компоненту. Она является обязательной компонентой любого временного ряда, так как случайные отклонения неизбежно сопутст­вуют любому техническому процессу.

Если систематические компоненты временного ряда определены правильно, то остающаяся после их выделения остаточная последова­тельность (ряд остатков) будет случайной компонентой, т.е. будет обладать следующими свойствами:

• случайностью колебаний уровней остаточной последовательности;

• соответствием распределения случайной компоненты нор­мальному закону распределения;

• равенством математического ожидания случайной компоненты нулю;

• независимостью значений уровня случайной последовательно­сти.

Основная цель статистического анализа временных рядов - изу­чение соотношения между закономерностью и случайностью в фор­мировании значений уровней ряда, оценка количественной меры их влияния. Закономерности, объясняющие динамику показателя в про­шлом, используются для прогнозирования его значений в будущем, а учет случайности позволяет определить вероятность отклонения от закономерного развития и его возможную величину.

Проверка адекватности трендовых моделей основана на проверке выполняемости у остаточной последовательности указанных четырех свойств. Если не выполняется хотя бы одно из них, модель признает­ся неадекватной; при выполнении всех четырех свойств модель адек­ватна. Данная проверка осуществляется с использованием ряда стати­стических критериев.