,
(33)
где средний уровень ряда (см.
формулу (32)).
2.4
Прогнозирование экономических показателей.
При
экстраполяционном прогнозировании экономической динамики на основе временных
рядов с использованием трендовых моделей выполняются следующие основные этапы:
1)
предварительный анализ данных;
2)
формирование набора моделей (например, набора
кривых роста), называемых функциями-кандидатами;
3)
численное оценивание параметров моделей;
4)
определение адекватности моделей;
5)
оценка точности адекватных моделей;
6)
выбор лучшей модели;
7)
получение точечного и интервального прогнозов;
8)
верификация прогноза.
Прогноз
на основании трендовых моделей (кривых роста) содержит два элемента: точечный
и интервальный прогнозы. Точечный прогноз - это прогноз, которым называется
единственное значение прогнозируемого показателя. Это значение определяется
подстановкой в уравнение выбранной кривой роста величины времени t,
соответствующей периоду упреждения: t = n + 1; t = n + 2 и т.д. Такой прогноз называется точечным,
так как на графике его можно изобразить в виде точки. Очевидно, что точное
совпадение фактических данных в будущем и прогностических точечных оценок
маловероятно. Поэтому точечный прогноз должен сопровождаться двусторонними
границами, т.е. указанием интервала значений, в котором с достаточной долей
уверенности можно ожидать появления прогнозируемой величины. Установление
такого интервала называется интервальным прогнозом.
Интервальный
прогноз на базе трендовых моделей осуществляется путем расчета доверительного
интервала - такого интервала, в котором с определенной вероятностью можно
ожидать появления фактического значения прогнозируемого экономического
показателя. Расчет доверительных интервалов при прогнозировании с
использованием кривых роста опирается на выводы и формулы теории регрессий.
Методы, разработанные для статистических совокупностей, позволяют определить
доверительный интервал, зависящий от стандартной ошибки оценки прогнозируемого
показателя, от времени упреждения прогноза, от количества уровней во временном
ряду и от уровня значимости (ошибки) прогноза.
2.4.1.Трендовые
модели на основе кривых роста.
Основная
цель создания трендовых моделей экономической динамики - на их основе сделать
прогноз о развитии изучаемого процесса на предстоящий промежуток времени.
Прогнозирование на основе временного ряда экономических показателей относится к
одномерным методам прогнозирования, базирующимся на экстраполяции, т.е. на
продлении на будущее тенденции, наблюдавшейся в прошлом. При таком подходе
предполагается, что прогнозируемый показатель формируется под воздействием большого
количества факторов, выделить которые либо невозможно, либо по которым
отсутствует информация. В этом случае ход изменения данного показателя
связывают не с факторами, а с течением времени, что проявляется в образований
одномерных временных рядов. Рассмотрим метод экстраполяции на основе так
называемых кривых роста экономической динамики.
Использование
метода экстраполяции на основе кривых роста для прогнозирования базируется на
двух предположениях:
-
временной ряд экономического показателя
действительно имеет тренд, т.е. преобладающую тенденцию;
-
общие условия, определявшие развитие
показателя в прошлом, останутся без существенных изменений в течение периода
упреждения.
2.4.1.1. Выбор типа кривых роста.
В
настоящее время насчитывается большое количество типов кривых роста для
экономических процессов. Наиболее часто в экономике используются
полиномиальные, экспоненциальные и S-образные кривые роста. Простейшие полиномиальные
кривые роста имеют вид:
(полином первой степени)
(полином второй степени)
(полином третьей степени)
и т.д.
Параметр
а1 называют линейным приростом,
параметр
а2 - ускорением роста,
параметр
а3 - изменением ускорения роста.
Для
полинома первой степени характерен постоянный закон роста. Если рассчитать
первые приросты по формуле ut = yt - yt-i
, t = 2, 3, ..., n, то они будут постоянной величиной и равны а1.
Если
первые приросты рассчитать для полинома второй степени, то они будут иметь
линейную зависимость от времени и ряд из первых приростов u2, u3, … на графике будет представлен прямой
линией. Вторые приросты для
полинома второй степени будут постоянны.
Для
полинома третьей степени первые приросты будут полиномами второй степени,
вторые приросты будут линейной функцией времени, а третьи приросты,
рассчитываемые по формуле будут постоянной величиной.
Можно отметить
следующие свойства полиномиальных кривых роста:
-
от полинома высокого порядка можно путем расчета
последовательных разностей (приростов) перейти к полиному более низкого
порядка;
-
значения приростов для полиномов любого порядка не зависят
от значений самой функции .
Таким
образом, полиномиальные кривые роста можно использовать для аппроксимации
(приближения) и прогнозирования экономических процессов, в которых последующее
развитие не зависит от достигнутого уровня.
В
отличие от использования полиномиальных кривых использование экспоненциальных
кривых роста предполагает, что дальнейшее развитие зависит от достигнутого
уровня, например, прирост зависит от значения функции. В экономике чаще всего
применяются две разновидности экспоненциальных (показательных) кривых: простая
экспонента и модифицированная экспонента.
Простая экспонента
представляется в виде функции
(34)
где a и b — положительные числа, при этом если b больше единицы, то функция возрастает с ростом времени t, если b меньше единицы - функция убывает.
Модифицированная
экспонента имеет вид
(35)
где
постоянные величины: а меньше нуля, b
положительна и меньше единицы, а константа k носит название асимптоты
этой функции, т.е. значения функции неограниченно приближаются (снизу) к
величине k. Могут быть другие варианты модифицированной экспоненты, но
на практике наиболее часто встречается указанная выше функция.
В
экономике достаточно распространены процессы, которые сначала растут медленно,
затем ускоряются, а затем снова замедляют свой рост, стремясь к какому-либо
пределу. В качестве примера можно привести процесс ввода некоторого объекта в
промышленную эксплуатацию, процесс изменения спроса на товары, обладающие
способностью достигать неко торого уровня насыщения, и др. Для моделирования
таких процессов используются так называемые S-образные кривые роста, среди
которых выделяют кривую Гомперца и логистическую кривую.
Кривая Гомперца имеет аналитическое выражение
(36)
где а, b - положительные параметры, причем b
меньше единицы;
параметр k -
асимптота функции.
В
кривой Гомперца выделяются четыре участка: на первом - прирост функции
незначителен, на втором - прирост увеличивается, на третьем участке прирост
примерно постоянен, на четвертом - происходит замедление темпов прироста и
функция неограниченно приближается к значению k. В результате
конфигурация кривой напоминает латинскую букву S.
Логарифм
данной функции является экспоненциальной кривой; логарифм отношения первого
прироста к самой ординате функции - линейная функция времени. На основании
кривой Гомперца описывается, например, динамика показателей уровня жизни;
модификации этой кривой используются в демографии для моделирования
показателей смертности и т. д.
Логистическая кривая, или кривая Перла-Рида -
возрастающая функция, наиболее часто выражаемая в виде
; (37)
другие
виды этой кривой:
; .
(38)
где
а и b — положительные параметры;
k — предельное значение функции при
бесконечном возрастании времени.
Если
взять производную данной функции, то можно увидеть, что скорость возрастания
логистической кривой в каждый момент времени пропорциональна достигнутому
уровню функции и разности между предельным значением k и достигнутым
уровнем. Логарифм отношения первого прироста функции к квадрату ее значения
(ординаты) есть линейная функция от времени.
Конфигурация
графика логистической кривой близка графику кривой Гомперца, но в отличие от
последней логистическая кривая имеет точку симметрии, совпадающую с точкой
перегиба.
Рассмотрим проблему
предварительного выбора вида кривой роста для конкретного временного ряда.
Допустим, имеется временной ряд y1 , y2 , …
, yn .
Для
выбора вида полиномиальной кривой роста наиболее распространенным методом
является метод конечных разностей (метод Тинтнера). Этот метод может быть
использован для предварительного выбора полиномиальной кривой, если, во-первых,
уровни временного ряда состоят только из двух компонент: тренд и случайная
компонента, и, во-вторых, тренд является достаточно гладким, чтобы его можно
было аппроксимировать полиномом некоторой степени.
На
первом этапе этого метода вычисляются разности (приросты) до k-го порядка включительно:
;
;
(39)
. . . . . . . .
.
Для аппроксимации
экономических процессов обычно вычисляют конечные разности до четвертого порядка.
Затем для исходного
ряда и для каждого разностного ряда вычисляются дисперсии по следующим
формулам:
для исходного ряда
;
(40)
для разностного ряда k-го порядка (k = 1, 2, ...)
;
(41)
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11
|