Трендовые модели прогнозирования.

Трендом (или тенденцией) называют устойчивое систематическое изменение процесса в течение продолжительного времени. Функция тренда () — это некоторая функция от времени, приближенно описывающая основную закономерность поведения исследуемого показателя.

Для корректного применения метода экстраполяции требуется соблюдение двух условий:

1) временной ряд экономического показателя должен действительно иметь тренд, т.е. преобладающую тенденцию;

2) общие условия, определявшие развитие показателя в прошлом, останутся без существенных изменений и в будущем.

На любой экономический показатель действует множество факторов. Некоторые из них определяют основную закономерность развития показателя, т.е. тренд. Другие факторы являются случайными и дают отклонение от основной тенденции в ту или другую сторону. Например, если спрос на какой-либо товар со временем растет, то это объясняется многими факторами:

a) ростом благосостояния населения;

б) улучшением качества товара;

в) действием рекламы и т.д.

Все вместе эти факторы дают тенденцию роста спроса на товар. Однако существуют и случайные колебания спроса: временный финансовый кризис перед зарплатой (-); появление конкурента (-); прошла активная реклама на ТV(+) и т.д. Если мы используем метод экстраполяции, то мы должны быть уверены, что действие основных факторов (т.е. факторов а)-в)) в будущем не прекратится.

Можно выделить следующие основные этапы прогнозирования на основе трендовых моделей:

1. Предварительный анализ данных временного ряда.

Целью данного этапа является предварительный выбор функции тренда для конкретного временного ряда. Наиболее часто в экономике используются полиномиальные и экспоненциальные трендовые модели.

Например, линейный тренд (полином первой степени) имеет уравнение:

= .

Уравнение полиномиального тренда второй степени:

.

Экспоненциальный тренд имеет уравнение

= или

где

В формулах а₂, a_1, a_0, a, b и m – параметрытренда.

Выбор функции тренда для конкретного объекта прогнозирования чаще всего осуществляется по виду графика фактических значений временного ряда. Существуют также и другие, более формальные методы подбора тренда (например, метод конечных разностей).

2. Численная оценка параметров моделей.

Для выбранной функции тренда необходимо подобрать ее параметры таким образом, чтобы график функции тренда прошел как можно ближе к фактическим данным.

Параметры трендовой модели оцениваются методом наименьших квадратов. Суть его в том, что параметры тренда подбираются так, чтобы сумма квадратов отклонений между фактическими и теоретическими значениями показателя была наименьшей:

,

где y_i –фактическое значение показателя в момент времени t_i;

– теоретическое (расчетное) значение показателя в момент времени t_i;

Рис.4.1. Пример отклонения линейного тренда от фактических данных.

На рис.4.1. показан пример фактических данных (значения y₁, y₂, y₃, y₄) и теоретических значений, рассчитанных по линейной трендовой модели (значения , , , ). Считается, что отклонение фактического значения показателя от расчетного (y_i- ) определяется случайными факторами. При этом прямая линейного тренда построена так, чтобы сумма квадратов этих отклонений была наименьшей, т.е. тренд проходил как можно ближе ко всем фактическим данным в совокуности

3.Оценка точности моделей.

Для любого временного ряда обычно подбирают несколько трендовых моделей, (например, линейную и экспоненциальную) и для каждой модели находят параметры уравнения тренда. Затем нужно сравнить модели и определить, которая из них является более точной. Под точностью понимают степень отклонения рассчитанных по тренду значений от фактических данных временного ряда.

Показателем точности модели является коэффициент детерминации R²:

,

где ,

- среднее значение фактических показателей.

Числитель величины есть та величина, которая была минимизирована методом наименьших квадратов. Чем она меньше, тем ближе проходит тренд к фактическим данным и тем выше коэффициент детерминации.

Величина коэффициента детерминации всегда заключена в пределах

Модель считается достаточно точной, если коэффициент детерминации R² близок к единице. На практике требуют, чтобы R²³ 0, 9. По коэффициенту детерминации сравнивают модели и выбирают лучшую из них, по которой и выполняется прогноз.

4. Выполнение прогноза.

Когда выбрана функция тренда и известны ее параметры, прогноз выполняется путем подстановки значения будущего момента времени в эту функцию тренда. Например, для линейной модели:

= ;

=

и т.д.