Метод экспоненциального сглаживания. - раздел Экономика, ЭКОНОМЕТРИКА Рассмотренные Методы Простой И Взвешенной Скользящей Средней Не Дают Возможно...
Рассмотренные методы простой и взвешенной скользящей средней не дают возможности сгладить первые и последние p наблюдений временного ряда.
Отсутствие сглаженных первых наблюдений не так важно по сравнению с последними наблюдениями, особенно если целью исследования является прогнозирование развития процесса.
Есть методы, позволяющие получить сглаженные значения последних уровней так же, как и всех остальных. К их числу относится метод экспоненциального сглаживания.
Особенность этого метода заключена в том, что в процедуре выравнивания каждого наблюдения используются только значения предыдущих уровней, взятых с определенным весом. Вес каждого наблюдения уменьшается по мере его удаления от момента, для которого определяется сглаживаемое значение.
Сглаженное значение наблюдения ряда St на момент времени t определяется по формуле:
St = ayt + (1-a) St-1, (1.9)
где a - сглаживающий параметр, характеризующий вес выравниваемого наблюдения, причем 0<a<1.
Величину St-1 в формуле (1.9) можно представить в виде суммы фактического значения уровня yt-1 и сглаженного значения предшествующего ему наблюдения St-2, взятых с соответствующими весами.
Процесс такого разложения можно продолжить для членов St-2, St-3 и т.д. В результате получится следующее выражение:
в котором среднее сглаженное значение является комбинацией всех предшествующих уровней ряда.
Величина y0 характеризует начало условия процесса.
Формулу (1.10) можно переписать короче через знак суммы:
St = a å (1-a)k yt-k + (1-a)t y0 (1.11)
где 0 £ k £ t-1 - число периодов отставания от момента t.
Относительный вес каждого предшествующего уровня снижается по экспоненте по мере его удаления от момента, для которого вычисляется сглаженное значение (отсюда произошло название этого метода сглаживания).
При практическом использовании метода экспоненциального сглаживания возникают следующие затруднения: выбор сглаживающего параметра a и определение начального условия y0.
От численного значения параметра a зависит, насколько быстро будет уменьшаться вес предшествующих наблюдений и в соответствии с этим степень их влияния на сглаживаемый уровень.
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ... МУРМАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ... Кафедра ИС и ПМ...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
Метод экспоненциального сглаживания.
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Требования к исходной информации
Применяемые при обработке временных рядов методы во многом опираются на методы математической статистики, которые базируются на достаточно жестких требованиях к исходным данным (таким как од
Этапы построения прогноза по временным рядам.
экстраполяционное[1] прогнозирование экономических процессов, представленных одномерными временными рядами, сводится к выполнению следующих основны
Предварительный анализ данных.
В ходе предварительного анализа определяют соответствие имеющихся данных требованиям, предъявляемым к ним математическими методами (объективности, сопоставимости, полноты, однородности и устойчив
Решение
Результаты расчетов по методу Ирвина приведены в табл1.3.
Критерий «восходящих» и «нисходящих» серий.
Этот критерий «улавливает» постепенное смещение среднего значения в исследуемом распределении не только монотонного, но и более общего, например, периодического характера.
Так же
Метод простой скользящей средней.
1. Согласно этому методу определяется количество наблюдений, входящих в интервал сглаживания.
При этом используют правило:
если необходи
Модели кривых роста
Плавную кривую (гладкую функцию), аппроксимирующую временной ряд принято называть кривой роста.
Аналитические методы выделения (оценки) неслу
Критерий «пиков», или критерий поворотных точек.
Значение случайной переменной считается поворотной точкой, если оно одновременно больше (меньше) соседних с ним элементов.
Если остатки случайны, то поворотная точка прихо
Прогнозы.
Точечный прогноз на основе временных моделей получается подстановкой в модель (уравнение тренда) соответствующего значения фактора времени, т.е. t=n+1
Новости и инфо для студентов