Методы выявления тенденции временного ряда

Анализ и моделирование тенденции временного ряда целесообразно начинать с выявления наличия тенденции в целом. Для этой цели наиболее эффективны и дают хорошие результаты такие методы как кумулятивный Т-критерий.

Кумулятивный Т-критерий позволяет определить наличие не только самой тенденции, но и ее математического выражения — тренда.

Выдвигается основная гипотеза (Но:) об отсутствии тенденции в исходном временном ряду.

Расчетное значение критерия определяется как отношение накопленной суммы квадратов отклонений эмпирических значений уровней временного ряда от их среднего значения (

) и самих отклонений по формуле:

где Z_n — накопленный итог отклонений эмпирических значений

от среднего уровня исходного временного ряда;

—общая сумма квадратов отклонений, определяемая по

Если анализируется достаточно длинный временной ряд, то для расчета значений критерия можно использовать нормированное отклонение:

Расчетные значения кумулятивного Т-критерия и t_p сравниваются с критическими при заданном уровне значимости a. Если расчетное значение T_p или t_p превышает критическое (табличное) значение критерия (Т_кр), то гипотеза об отсутствии тренда отвергается, следовательно в исходном временном ряду существует тенденция, описываемая трендом. В противном случае, если Т_р < Т_кр или t_p < t_кр, признается отсутствие тенденции в ряду динамики.

Тенденция исходного ряда динамики может быть трех видов: тенденция среднего уровня, дисперсии и автокорреляции.

Тенденция среднего уровня может быть выражена с помощью графического метода. Аналитически тенденция выражается с помощью некоторой математической функции f(t), вокруг которой варьируют эмпирические значения исходного временного ряда изучаемого социально-экономического явления. При этом теоретические значения, то есть значения, полученные по трендовым моделям в отдельные моменты времени, являются математическими ожиданиями временного ряда.

Тенденция дисперсии представляет собой тенденцию изменения отклонений эмпирических значений уровней временного ряда от теоретических, полученных по уравнению тренда.

Тенденция автокорреляции выражает тенденцию изменения корреляционной связи между отдельными, последовательными уровнями временного ряда.

Проверка на наличие тенденции среднего уровня и дисперсии может быть произведена методом сравнения средних уровней временного ряда и методом Фостера-Стюарта.

Метод сравнения средних уровней временного ряда предполагает, что исходный временной ряд разбивается на две приблизительно равные части по числу членов ряда, каждая из которых рассматривается как самостоятельная, независимая выборочная совокупность, имеющая нормальное распределение. При этом решаются две задачи.

I. Если временной ряд имеет тенденцию, то средние, вычисленные для каждой совокупности в отдельности, должны существенно, значимо различаться между собой. Если же расхождение незначимо, несущественно и носит случайный характер, то временной ряд не имеет тенденции средней.

Таким образом, проверка гипотезы (Н₀:) о наличии тенденции в исследуемом ряду сводится к проверке гипотезы о равенстве средних двух нормально распределенных совокупностей, то есть:

Гипотеза проверяется на основе t-критерия Стьюдента, расчетное значение которого определяется по формуле:

где

— средние уровни временного ряда согласно

порядка разбиения; n₁ и n₂ — число уровней временного ряда, соответственно

Расчетное значение (t_p) критерия сравнивается с его критическим (табличным) значением (t_кр) при уровне значимости a и числе степеней свободы n = n - 2.

Если t_p > t_кр, то гипотеза о равенстве средних уровней двух нормально распределенных совокупностей отвергается, следовательно расхождение между вычисленными средними значимо, существенно и носит неслучайный характер, и, следовательно, во временном ряду существует тенденция средней и существует тренд.

II. Если временной ряд имеет тенденцию, то дисперсии, вычисленные для каждой совокупности в отдельности, должны существенно и значимо различаться между собой. Если же расхождение между ними не значимо, то временной ряд не имеет тенденции дисперсии. Таким образом проверяется гипотеза (H₀:) об отсутствии тенденции в дисперсиях в исходном временном ряду, которая сводится к проверке гипотезы о равенстве дисперсий двух нормально распределенных совокупностей, то есть:

Гипотеза проверяется на основе F-критерия Фишера-Снедекора, расчетное значение которого определяется по формуле:

Проверка гипотезы осуществляется на основе сравнения расчетного и критического значений F-критерия, полученного при заданном уровне значимости a и числе степеней свободы n₁ и n₂.

Гипотеза о равенстве дисперсий двух нормально распределенных совокупностей отвергается, если F_p > F_кр. Следовательно, расхождение между вычисленными дисперсиями значимо, существенно, носит неслучайный характер и в ряду динамики существует тенденция в дисперсиях и существует тренд.

Следует заметить, что данный метод дает вполне приемлемые результаты лишь в случае рядов с монотонной тенденцией. Если же ряд динамики меняет общее направление развития, то точка поворота тенденции может оказаться близкой к середине ряда, в силу этого средние двух отрезков ряда будут близки и проверка может не показать наличие тенденции.

Метод Фостера-Стюарта основан на двух простых характеристиках S и d.

Суммирование производится по всем членам ряда. Значения U_t и l_t определяются путем последовательного сравнения уровней.

Если значение уровня ряда превышает по своей величине каждый из предыдущих уровней, то величине Ut присваивается значение 1, в остальных случаях она равна 0. Таким образом:

Наоборот, если значение уровня ряда меньше всех предыдущих, то l_t присваивается значение 1. Таким образом:

Показатели S и d асимптотически нормальные и имеют независимые распределения, но на них влияет порядок расположения уровней во времени. Показатель S применяется для обнаружения тенденции изменения в дисперсиях, d — для обнаружения тенденций в средней. После того, как для исследуемого ряда найдены фактические значения d и S, проверяется гипотеза о том, можно ли считать случайными разности d - 0 и S - m. Гипотезы можно проверять, применяя t-критерий Стьюдента, то есть:

где m — математическое ожидание величины S, определенное

для случайного расположения уровней во времени;

s₁ — средняя квадратическая ошибка величины S;

s₂ — средняя квадратическая ошибка величины d.

Если t_d > t_кр (a; n = n - 1), то гипотеза об отсутствии тенденции в средней отвергается, следовательно в исходном временном ряду существует тренд.

Если t_s > t_кр (a; n = n - 1), то гипотеза об отсутствии тенденции в дисперсиях отвергается, следовательно существует тенденция дисперсии и существует тренд.

Фазочастотный критерий знаков разностей Валлиса и Мура. По данному критерию предполагается расчет разностей уровней временного ряда (y_t+1 –y_t). Нулевая гипотеза состоит в утверждении, что знаки этих разностей образуют случайную последовательность. Последовательность одинаковых знаков разностей называется фазой и рассчитывается число фаз h (без первой и последней фазы). Если знаки образуют случайную последовательность, то фактическое значение критерия запишется формулой (4.17).

где n-число уровней временного ряда, распределенных нормально;

если t_ф>3, следовательно, данная последовательность случайна.

Одной из основных задач моделирования тенденции является определение типа протекания процесса, имеющего место в данном явлении, направление роста и изменение, проходящие в нем.

Можно выделить следующие типы бизнес- процессов:

II. По наличию насыщения и стремлению к некоторой предельной величине:

III. По наличию экстремальных значений и перегибов:

· процессы, имеющие экстремальные значения;

· процессы, имеющие переходы от возрастания к убыванию или наоборот.

Для выявления типа развития могут использоваться различные методы и критерии.

Для выявления типа развития можно использовать известные способы сглаживания, которые можно разделить на три основные группы:

· Сглаживание или механическое выравнивание отдельных членов ряда динамики с использованием фактических значений соседних уровней.

· Выравнивание с применение кривой, приведенной между конкретными уровнями таким образом, чтобы она отображала тенденцию, присущую ряду, и одновременно освободила его от незначительных колебаний.

Выбор метода выявления основной тенденции развития зависит от технических возможностей счета и от умения применять соответствующие методы, а также от задач, стоящих перед исследованием. Если надо дать общую картину развития, его грубую модель, основанную на механическом повторении одних и тех же действий по увеличению интервала времени, то можно ограничится методом скользящей средней. Если же исследование требует подробного аналитического выражения движения во времени, то метод скользящей средней будет недостаточным. Надо использовать метод конечных разностей или метод наименьших квадратов.

Все методы выявления основной тенденции развития определяются на основе изучения фактического развития динамики. Они не отрываются от наблюдаемого статистикой эмпирического материала.

Методы выявления основной тенденции развития имеют разное логическое содержание и поэтому применяются ко временным рядам для разных целей. Основная их цель, как уже говорилось, заключается в том, чтобы вскрывать общие закономерности развития, затушеванные отдельными, иногда случайными обстоятельствами. Однако каждый из них имеет свои особенности.

Метод скользящих средних используется в том случае, когда необходимо представить общую картину развития, основанную на механическом повторении одних и тех же действий по увеличению интервала времени.

Метод скользящих средних дает оценку среднего уровня за некоторый период времени, чем больше интервал времени, к которому относится средняя, тем более плавным будет сглаживаемый уровень, но тем менее точно будет описана тенденция исходного ряда динамики.

Сглаживание ряда динамики с помощью скользящей средней заключается в том, что вычисляется средний уровень из определенного числа первых по порядку уровней ряда, затем – средний уровень из такого же числа уровней, начиная со второго, далее – начиная с третьего и т.д. Таким образом, при расчетах среднего уровня как бы «скользят» по ряду динамики от его начала к кону, каждый раз отбрасывая один уровень в начале и добавляя следующий. Отсюда название – скользящая средняя.

Каждая скользящая средняя – это средний уровень за соответствующий период, который относится к середине выбранного периода.

Определение скользящей средней по четному числу членов ряда осложняется тем, что средняя может быть отнесена только к середине между двумя датами, находящимися в середине интервала сглаживания.

Если число членов скользящей средней обозначить через 2к, то срединным будет уровень, относящийся к “к+1/2” члену ряда, т.е. имеет место сдвиг периода, к которому относится уровень. Например, средняя, найденная для четырех членов, относится к середине между вторым и третьим периодами, следующая средняя – к середине между третьим и четвертым, и т.д. Для устранения этого используют процедуру центрирования, которая заключается в нахождении средней из двух смежных скользящих средних для отнесения полученного уровня к определенной дате.

Метод простой скользящей средней приемлем, если графическое изображение ряда динамики напоминает прямую линию. В этом случае не искажается динамика исследуемого явления.

В случае, когда тенденция исходного ряда, характеризующего исследуемый процесс, не может быть описана линейным трендом, наиболее надежным является использование взвешенной скользящей средней.

Взвешенная скользящая средняя отличается от простой скользящей средней тем, что уровни, входящие в интервал усреднения, суммируются с различными весами. Это связано с тем, что аппроксимация сглаживаемого ряда динамики в пределах интервала сглаживания осуществляется с использованием уровней, рассчитанных по полиному

/i – порядковый номер уровня в интервале сглаживания/. Полином первого порядка – есть уравнение прямой, следовательно, метод простой скользящей средней является частным случаем метода взвешенной скользящей средней. Коэффициенты находятся методом наименьших квадратов.

На первом этапе сглаживания определяются интервал сглаживания и порядок аппроксимирующего полинома. Принято считать, что при использовании полиномов высоких степеней и при меньших размерах интервалов сглаживание ряда динамики будет более гибким.

Центральная ордината параболы, например, принимается за сглаженное значение соответствующего фактическим данным уровня. Поскольку отсчет времени в пределах интервала сглаживания производится от его середины, то сглаженное значение уровня равно параметру а подобранной параболы и является соответствующей скользящей средней. Поэтому для сглаживания нет необходимости прибегать к процедуре подбора системы парабол, так как величину а можно получить как взвешенную среднюю из “к” уровней.

Определить тип тенденции также можно с использованием критерия Кокса-Стюарта, сущность которого заключается в следующем, исходный временной ряд делится на три группы уровней. Численность первой и третьей групп должны быть равны между собой и составлять п/з уровней каждая (при n, не делящемся на три, средняя треть уменьшается на одно и два значения). При этом осуществляется фиксация знаков отклонения каждого уровня третьей группы от соответствующего уровня первой группы. Из полученной суммы (S) положительных или отрицательных знаков (при возрастающем или убывающем тренде соответственно) вычисляется ожидаемое значение n/6. Считается, что вычисленная разность распределена нормально со стандартным отклонением: Ön/12, то есть:

или при малых объемах (n<30) в формулу вносится поправка Иейтса:

Для проверки расчетного значения Zф сравнивают его с табличным Za. При Zф >Za гипотеза о наличие (возрастающего или убывающего) тренда принимается.

Таким образом, рассмотренные выше критерии основаны на определении знаков разностей последовательных уровней временных рядов или разностей определенных групп уровней ряда, то есть с их помощью предполагается определение наличия возрастающей или убывающей тенденции. Данные критерии дают удовлетворительные результаты, как правило, только для временных рядов не характеризующихся резкими колебаниями. При наличие ярко выражающихся колебаний в развитии социально-экономических явлений эти критерии могут давать противоположные 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 будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом...

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте: