Содержание
- 2. Классификация экономического прогнозирования В зависимости от периода упреждения :: Краткосрочное (прогноз делается на период от нескольких
- 3. Общие положения о временных рядах Опр. 4. Под временным рядом подразумевают наблюдаемую реализацию анализируемого случайного процесса,
- 4. Требования, предъявляемые к информации Сопоставимость достигается в результате одинакового подхода к наблюдениям на разных этапах формирования
- 5. Причины аномальности 1. ошибки измерения в ходе сбора данных. 2. отклонения, носящие объективный характер, но не
- 6. Компонентный анализ График среднемесячных объемов строительства жилых домов за 8 лет Можно увидеть ряд компонент: Тренд,
- 7. Тренд Пусть временной ряд можно представить в виде: Величина εt - абсолютно случайная составляющая, называемая белым
- 8. Примеры трендов Исследовании величины осадков: в течение ста лет медленное увеличение в течение всего периода может
- 9. Примеры трендов . Кусочно-линейный тренд
- 10. Сезонность -цикличность Опр. Сезонная компонента St (эффект сезонности) носит характер периодической неслучайной функции. Термин «сезонность» относят
- 11. Определение наличия тренда и сезонной компоненты Определения наличия тренда на основе: Визуального анализа графика исходных данных;
- 12. Что такое спектральный анализ? Ряд Фурье выглядит следующим образом: Длина периода членов ряда, следующая: первый синусоидальный
- 13. Периодограмма и спектрограмма Опр. График, на котором по оси ординат отложено rk2, а по оси абсцисс
- 14. Определение наличия периодической составляющей Если среднее значение временного ряда равно нулю (т.е. тренда нет), то выражение
- 15. СЕЗОННОСТЬ /цикличность Периодограмма ряда, содержащего сезонную компоненту (с периодом 12) Спектрограмма ряда, содержащего тренд. Спектр будет
- 16. Что такое коррелограммы С помощью коэффициентов автокорреляции, можно измерить связь между текущими и прошлыми значениями исходного
- 17. Что такое коррелограммы Опр. График автокорреляционной функции, где по оси абсцисс откладывается k – количество лагов
- 18. Определение тренда и сезонности на основе коррелограмм Сезонность (период 12) Наличие тренда
- 19. Адаптивные модели прогнозирования Опр Адаптивными методами прогнозирования (или моделями экспоненциального сглаживания) называется методы, позволяющие строить самокорректирующиеся
- 20. Линейная модель Брауна Где - прогноз, выполненный на τ шагов вперед на t-м шаге адаптации, -
- 21. Расчет экспоненциальных средних Экспоненциальная средняя 1- го порядка: где β – параметр сглаживания, или так называемый
- 22. Начальные значения Начальные значения экспоненциальных средних Начальные значения параметров рассчитываются как коэффициенты регрессии .
- 23. Выбор параметра адаптации Значение параметра адаптации β=1-α лежит в интервале (1; 0). Если требуется придать вес
- 24. Квадратичная модель Брауна Где - прогноз, выполненный на τ шагов вперед на t-м шаге адаптации, -
- 25. Расчет экспоненциальных средних Экспоненциальные средние: Расчет начальных значений экспоненциальных средних:
- 26. Модель Хольта где - прогноз, выполненный на τ шагов вперед после t шагов адаптации, - корректируемые
- 27. мультипликативная модель Хольта-Уинтерса Рекуррентные формулы обновления : где - адаптируемые параметры линейного тренда на t-м шаге
- 28. аддитивная модель Хольта-Уинтерса Рекуррентные формулы обновления : где - адаптируемые параметры линейного тренда на t-м шаге
- 30. Скачать презентацию