3. Modele tendencji czasowej w prognozowaniu
Transkrypt
3. Modele tendencji czasowej w prognozowaniu
3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa przypadkowa. Składowa przypadkowa (losowa) to błąd losowy oraz wahania przypadkowe. Składowa systematyczna jest efektem działania stałego zestawu czynników na obserwowaną zmienną. Może ona wystąpić w postaci: • tendencji rozwojowej (trendu); • stałego (średniego) poziomu; • składowej okresowej (periodycznej), która z kolei może przyjąć postać: § wahań cyklicznych; § wahań sezonowych. Szeregi czasowe mogą zawierać jeden lub więcej, a nawet wszystkie, wyżej wymienione składniki, tendencje i wahania. Stały (średni) poziom obserwowanej występuje w szeregach czasowych, w których wartości oscylują wokół stałego poziomu. Tendencja rozwojowa (trend) jest własnością szeregu czasowego ujawniającą się poprzez systematyczne, jednokierunkowe zmiany (wzrost lub spadek) poziomu badanego zjawiska zachodzące w długim okresie czasu. Wahania okresowe (sezonowe) są to rytmiczne wahania wartości szeregu o określonym cyklu. Mogą na przykład odzwierciedlać wpływ zmian pór roku. www.wkuwanko.pl 1 3. Modele tendencji czasowej w prognozowaniu Wahania cykliczne (koniunkturalne) to zmiany powodowane przez systemowe, falowe wahania rozwoju gospodarki obserwowane w dłuższych od roku okresach. Analiza tego rodzaju wahań wymaga długoletnich obserwacji. 2. Postacie analityczne funkcji trendu Klasyczny model tendencji rozwojowej w prognozowaniu przyjmuje postać: gdzie: - zmienna prognozowana, - parametry modelu, - zmienna oznaczająca czas (zmienna czasowa), - składnik losowy modelu. Oprócz postaci liniowej można wykorzystać szereg innych funkcji w zależności od charakterystyki rozwoju badanego zjawiska. Możemy wyróżnić następujące postacie : a) funkcja wykładnicza lub b) ; wielomian drugiego stopnia (parabolę) ; c) funkcja potęgowa . d) funkcja logarytmiczna ; e) funkcja liniowo-odwrotnościowa f) funkcja logistyczna www.wkuwanko.pl 2 3. Modele tendencji czasowej w prognozowaniu ; 3. Budowa modelu oraz wybór postaci analitycznej funkcji trendu. a) Liczba zmiennych nie może być zbyt duża. Znaczna liczba zmiennych utrudnia lub uniemożliwia poznanie prawidłowości w badanych zjawiskach. b) c) Zmienne muszą wykazywać dostateczną zmienność. Zmienne objaśniające powinny być istotnie skorelowane ze zmienną objaśnianą i słabo skorelowane między sobą. d) e) Zmienne objaśniające muszą spełniać warunek koincydencji. Model trendu powinien być dobrze dopasowany do danych empirycznych. Opisują to następujące miary: Współczynnik determinacji : , gdzie: wartość zmiennej y w okresie t, liczba obserwacji, wartość zmiennej y w okresie t, teoretyczna średnia wartość zmiennej y. Skorygowany (dopasowany) współczynnik determinacji , Odchylenie standardowe reszt modelu (błąd standardowy) www.wkuwanko.pl : 3 3. Modele tendencji czasowej w prognozowaniu . Współczynnik zmienności losowej : . f) Brak autokorelacji składnika losowego, normalność rozkładu składnika losowego, stałość wariancji składnika losowego. g) Wybór stopnia wielomianu trendu Wymaga to porównania wariancji resztowej z dwóch różnych wielomianowych modeli trendu za pomocą testu F przy hipotezach: Statystyka testowa: Przykład 1 Wielkości sprzedaży pewnego wyrobu w szt. w poszczególnych półroczach lat 1998-2003 były następujące: 105, 115, 118, 129, 128, 130, 139, 141, 146, 156, 160, 164. Oszacowana funkcja trendu za pomocą Metody Najmniejszych Kwadratów (MNK) jest następująca: . - współczynnik determinacji, - odchylenie standardowe reszt. DW=2,069 , www.wkuwanko.pl 4 3. Modele tendencji czasowej w prognozowaniu Polecenie: Wyznaczyć prognozy punktowe i przedziałowe sprzedaży tego produktu na kolejne trzy półrocza (okres 13, 14 i 15). Prognoza będzie dopuszczalna, gdy spodziewany (ex ante) błąd prognozy będzie nie większy niż 3%. Wiarygodność prognozy przedziałowej ma wynosić 95%. Prognozę punktową, tzn. przyszłą wartość prognozowanej zmiennej, uzyskuje się poprzez ekstrapolację funkcji trendu, czyli przez podstawienie do oszacowanej funkcji trenu w miejsce zmiennej czasowej numeru okresu, na który wyznacza się prognozę, czyli: . www.wkuwanko.pl 5 3. Modele tendencji czasowej w prognozowaniu Wielkości średniego błędu prognozy ex ante dla funkcji trendu wyznaczamy ze wzoru: , . Wielkość względnego błędu prognozy ex ante wyznaczamy ze wzoru: www.wkuwanko.pl 6 3. Modele tendencji czasowej w prognozowaniu , Wartość prognozy przedziałowej otrzymujemy ze wzoru: , gdzie: - wartość statystyki t-Studenta. W budowie prognozy założyliśmy niezmienność charakteru zmian prognozowanej zmiennej. Jednak na rynku pojawia się konkurent, który naruszył dotychczasowy charakter rzeczywistych wielkości sprzedaży produktu, która w prognozowanych okresach wynosiła odpowiednio: 142, 145, 151. Błędy predykcji ex post: Względny błąd prognozy ( ): , gdzie: - wartość rzeczywista zmiennej prognozowanej y w okresie prognozy. Średni względny błąd prognoz (Ψ) www.wkuwanko.pl 7 3. Modele tendencji czasowej w prognozowaniu ’ Średni kwadratowy błąd prognoz ( ): ’ www.wkuwanko.pl 8