|
|
Построение точечного и интервального прогнозовОпределение автокорреляции Автокорреляция характеризует связь между наблюдениями одного ряда. Ее можно представить как связь между исходным временным рядом и тем же рядом, сдвинутым на l шагов. Набор коэффициентов автокорреляции при различных l называется автокорреляционной функцией. Значение коэффициента автокорреляции для различных l можно использовать для определения оптимального периода прогнозирования. Если Пример:вычислить коэффициенты автокорреляции для рассматриваемого ряда. l=1 r1=0.617 l=2 r2=0.248 l=3 r3=0.107 Прогнозировать па один шаг вперед в принципе возможно, так как значение коэффициента автокорреляции при l=1 близко к 0.7 и связь между соседними наблюдениями временного ряда можно считать достаточной. Контрольные вопросы: 1.Что называется автокорреляцией? 2. Длячего используют коэффициент автокорреляции? 3. Какие значения может принимать коэффициент автокорреляции? 4. Какие значения коэффициента автокорреляции при различной величине сдвига определяют тесную связь и оптимальный период прогнозирования? 5.Что называется автокорреляционной функцией? Контрольное задание: рассчитать коэффициенты автокорреляции при 1=1,2,3. Сделать выводы и определить оптимальный период прогнозирования. Заключительным этапом анализа и построения модели является получение прогнозных оценок исследуемого показателя. Прогноз осуществляют подстановкой в выбранную модель значений времени t, входящих в период упреждения. Поскольку для каждого значения t получают только одно значение прогнозируемого показателя, то такой прогноз называется точечным. Т.к. в большинстве случаев социально-экономические процессы носят стохастический характер, то вероятность того, что расчетное значение прогнозируемого показателя совпадет с фактическим, практически равна нулю. Поэтому в дополнение к точечному прогнозу строят доверительный интервал, который учитывает случайный характер исследуемого процесса. Верхняя и нижняя границы доверительного интервала прогноза находятся по формулам:
где
Sp - среднеквадратическое отклонение прогнозируемого показателя. Для линейной модели:
где Если выбранная модель полностью адекватна и достаточно точна, то при сохранении сложившихся закономерностей динамики развития прогнозируемая величина с вероятностью Оптимальный период прогнозирования определяется с помощью коэффициента автокорреляции, вычисленного при разных сдвигах l. ПРИМЕР. Построить точечный и интервальный прогнозы для моделей кривой роста и Брауна. а) прогноз для модели кривой роста (параболы)
б) прогноз для адаптивной модели Брауна
Контрольные вопросы: 1. Какой прогноз называется точечным? 2. Как получить точечный прогноз экономического показателя на ос модели прогнозирования 3. Какой прогноз называется интервальным? 4. Как получить интервальный прогноз экономического показателя на основе модели прогнозирования? 5. Чем отличается точечный прогноз от интервального? 6. От каких факторов зависит величина интервального прогноза? Контрольное задание: рассчитать величину точеного и интервального прогнозов на два шага вперед, если эта величина соответствует оптимальному периоду прогнозирования, определенному заранее обосновать полученные результаты.
  Живите по правилу: МАЛО ЛИ ЧТО НА СВЕТЕ СУЩЕСТВУЕТ? Я неслучайно подчеркиваю, что место в голове ограничено, а информации вокруг много, и что ваше право...  Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...  Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...  ЧТО ПРОИСХОДИТ, КОГДА МЫ ССОРИМСЯ Не понимая различий, существующих между мужчинами и женщинами, очень легко довести дело до ссоры... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|
, то прогнозировать экономический показатель на l шагов имеет смысл. Коэффициент автокорреляции можно вычислить по формуле: 
- расчетное по модели значение прогнозируемого показателя в момент времени t=n+l, n – длина временного ряда, l - период прогнозирования;
- значение t-критерия Стьюдента с вероятностью 
(табличное);
,
,(p – число параметров модели); 
попадает в доверительный интервал.