|
задача. Задача к кр. Задача к кр остроение
Задача к кр
остроение мультипликативной модели временного ряда. Общий вид мультипликативной модели следующий: Y = T x S x E Эта модель предполагает, что каждый уровень временного ряда может быть представлен как произведение трендовой (T), сезонной (S) и случайной (E) компонент. Рассчитаем компоненты мультипликативной модели временного ряда. Шаг 1. Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого: 1.1. Найдем скользящие средние (гр. 3 таблицы). Полученные таким образом выровненные значения уже не содержат сезонной компоненты. 1.2. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (гр. 4 табл.).
t
| yt
| Скользящая средняя
| Центрированная скользящая средняя
| Оценка сезонной компоненты (стлб.2 / стлб.4)
| 1
| 5486789
| -
| -
| -
| 2
| 6556599
| 5513197.5
| -
| -
| 3
| 7854524
| 4778680.5
| 5145939
| 1.526
| 4
| 2154878
| 5325921.25
| 5052300.875
| 0.427
| 5
| 2548721
| 4166451.75
| 4746186.5
| 0.537
| 6
| 8745562
| 6091835.5
| 5129143.625
| 1.705
| 7
| 3216646
| 6058602
| 6075218.75
| 0.529
| 8
| 9856413
| 4410918.5
| 5234760.25
| 1.883
| 9
| 2415787
| 5254203.75
| 4832561.125
| 0.5
| 10
| 2154828
| 5170440.25
| 5212322
| 0.413
| 11
| 6589787
| 5377930.5
| 5274185.375
| 1.249
| 12
| 9521359
| 7038587.5
| 6208259
| 1.534
| 13
| 3245748
| 7854782.25
| 7446684.875
| 0.436
| 14
| 8797456
| 7388189.75
| 7621486
| 1.154
| 15
| 9854566
| 6576752.75
| 6982471.25
| 1.411
| 16
| 7654989
| 4377388.75
| 5477070.75
| 1.398
| 17
|
| 1913747.25
| 3145568
| 0
| 18
|
| 0
| 956873.625
| 0
| 19
|
| -
| -
| -
| 20
|
| -
| -
| -
|
Шаг 2. Найдем оценки сезонной компоненты как частное от деления фактических уровней ряда на центрированные скользящие средние (гр. 5 табл.). Эти оценки используются для расчета сезонной компоненты S. Для этого найдем средние за каждый период оценки сезонной компоненты Sj. Сезонные воздействия за период взаимопогашаются. В мультипликативной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле. В нашем случае число периодов одного цикла равно 4.
Показатели
| 1
| 2
| 3
| 4
| 1
| -
| -
| 1.526
| 0.427
| 2
| 0.537
| 1.705
| 0.529
| 1.883
| 3
| 0.5
| 0.413
| 1.249
| 1.534
| 4
| 0.436
| 1.154
| 1.411
| 1.398
| 5
| 0
| 0
| -
| -
| Всего за период
| 1.473
| 3.273
| 4.717
| 5.241
| Средняя оценка сезонной компоненты
| 0.368
| 0.818
| 1.179
| 1.31
| Скорректированная сезонная компонента, Si
| 0.401
| 0.89
| 1.283
| 1.426
|
Для данной модели имеем: 0.368 + 0.818 + 1.179 + 1.31 = 3.676 Корректирующий коэффициент: k=4/3.676 = 1.088 Рассчитываем скорректированные значения сезонной компоненты Si и заносим полученные данные в таблицу. Шаг 3. Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. В результате получим величины T x E = Y/S (гр. 4 табл.), которые содержат только тенденцию и случайную компоненту. Находим параметры уравнения методом наименьших квадратов. Система уравнений МНК: a0n + a1∑t = ∑y a0∑t + a1∑t2 = ∑y*t Для наших данных система уравнений имеет вид: 20a0 + 210a1 = 105586458.35 210a0 + 2870a1 = 876252203.43 Из первого уравнения выражаем а0 и подставим во второе уравнение Получаем a1 = -80978.975, a0 = 6129602.155 Среднее значение
t
| y
| t2
| y2
| t*y
| y(t)
| (yi-y)2
| (y-y(t))2
| 1
| 13693845.765
| 1
| 1.8752141182591E+14
| 13693845.765
| 6048623.18
| 70804194745925
| 58449428372839
| 2
| 7363816.89
| 4
| 54225799182668
| 14727633.779
| 5967644.205
| 4345115119663.3
| 1949298165731.2
| 3
| 6121141.516
| 9
| 37468373461444
| 18363424.549
| 5886665.23
| 708658553208.85
| 54979128896.698
| 4
| 1511384.407
| 16
| 2284282825051.4
| 6045537.627
| 5805686.255
| 14197360620232
| 18441028361958
| 5
| 6361059.678
| 25
| 40463080230603
| 31805298.391
| 5724707.28
| 1170154419717.2
| 404944375013.49
| 6
| 9822274.805
| 36
| 96477082344720
| 58933648.83
| 5643728.305
| 20638411852462
| 17460250853825
| 7
| 2506777.67
| 49
| 6283934288001.1
| 17547443.692
| 5562749.33
| 7687007147860.2
| 9338962784494.7
| 8
| 6913072.998
| 64
| 47790578270408
| 55304583.981
| 5481770.355
| 2669139324440.6
| 2048627255066
| 9
| 6029284.993
| 81
| 36352277528528
| 54263564.938
| 5400791.38
| 562443114971.1
| 395004221862.26
| 10
| 2420120.373
| 100
| 5856982621995.8
| 24201203.735
| 5319812.405
| 8175039187626.5
| 8408213877488.3
| 11
| 5135514.105
| 121
| 26373505120831
| 56490655.153
| 5238833.43
| 20680974590.322
| 10674882947.894
| 12
| 6678073.433
| 144
| 44596664781365
| 80136881.2
| 5157854.455
| 1956503005752.1
| 2311065742205.9
| 13
| 8100689.22
| 169
| 65621165833690
| 105308959.856
| 5076875.48
| 7960107811287.3
| 9143449532154.8
| 14
| 9880557.752
| 196
| 97625421495357
| 138327808.531
| 4995896.505
| 21171362004856
| 23859915499958
| 15
| 7679802.502
| 225
| 58979366468927
| 115197037.529
| 4914917.53
| 5762302235575.1
| 7644588907788
| 16
| 5369042.242
| 256
| 28826614597875
| 85904675.874
| 4833938.555
| 8049557222.061
| 286335955904.14
| 17
| 0
| 289
| 0
| 0
| 4752959.58
| 27871250466749
| 22590624770095
| 18
| 0
| 324
| 0
| 0
| 4671980.605
| 27871250466749
| 21827402774676
| 19
| 0
| 361
| 0
| 0
| 4591001.63
| 27871250466749
| 21077295968034
| 20
| 0
| 400
| 0
| 0
| 4510022.655
| 27871250466749
| 20340304350168
| Итого
| 105586458.349
| 2870
| 8.3674654087738E+14
| 876252203.43
| 105586458.349
| 2.7932153154239E+14
| 2.4604239578111E+14
|
Шаг 4. Определим компоненту T данной модели. Для этого проведем аналитическое выравнивание ряда (T + E) с помощью линейного тренда. Результаты аналитического выравнивания следующие: T = 6129602.155 -80978.975t Подставляя в это уравнение значения t = 1,...,20, найдем уровни T для каждого момента времени (гр. 5 табл.).
t
| yt
| Si
| yt/Si
| T
| TxSi
| E = yt / (T x Si)
| (yt - T*S)2
| 1
| 5486789
| 0.401
| 13693845.765
| 6048623.18
| 2423535.338
| 2.264
| 9383522995979.5
| 2
| 6556599
| 0.89
| 7363816.89
| 5967644.205
| 5313474.06
| 1.234
| 1545359616412.4
| 3
| 7854524
| 1.283
| 6121141.516
| 5886665.23
| 7553648.81
| 1.04
| 90525880200.11
| 4
| 2154878
| 1.426
| 1511384.407
| 5805686.255
| 8277540.465
| 0.26
| 37486995661169
| 5
| 2548721
| 0.401
| 6361059.678
| 5724707.28
| 2293750.161
| 1.111
| 65010128598.578
| 6
| 8745562
| 0.89
| 9822274.805
| 5643728.305
| 5025065.658
| 1.74
| 13842093034449
| 7
| 3216646
| 1.283
| 2506777.67
| 5562749.33
| 7138006.531
| 0.451
| 15377068411013
| 8
| 9856413
| 1.426
| 6913072.998
| 5481770.355
| 7815712.724
| 1.261
| 4164457616714.9
| 9
| 2415787
| 0.401
| 6029284.993
| 5400791.38
| 2163964.984
| 1.116
| 63414327608.307
| 10
| 2154828
| 0.89
| 2420120.373
| 5319812.405
| 4736657.255
| 0.455
| 6665842302044.6
| 11
| 6589787
| 1.283
| 5135514.105
| 5238833.43
| 6722364.252
| 0.98
| 17576727647.086
| 12
| 9521359
| 1.426
| 6678073.433
| 5157854.455
| 7353884.983
| 1.295
| 4697943615198.2
| 13
| 3245748
| 0.401
| 8100689.22
| 5076875.48
| 2034179.807
| 1.596
| 1467897485673.6
| 14
| 8797456
| 0.89
| 9880557.752
| 4995896.505
| 4448248.853
| 1.978
| 18915602811752
| 15
| 9854566
| 1.283
| 7679802.502
| 4914917.53
| 6306721.973
| 1.563
| 12587197242535
| 16
| 7654989
| 1.426
| 5369042.242
| 4833938.555
| 6892057.242
| 1.111
| 582064867855.09
| 17
|
| 0.401
| 0
| 4752959.58
| 1904394.63
| 0
| 3626718907694.9
| 18
|
| 0.89
| 0
| 4671980.605
| 4159840.45
| 0
| 17304272569558
| 19
|
| 1.283
| 0
| 4591001.63
| 5891079.694
| 0
| 34704819956852
| 20
|
| 1.426
| 0
| 4510022.655
| 6430229.501
| 0
| 41347851429726
|
|
|
|
|
|
| 19.454
| 2.2393623558868E+14
|
Шаг 5. Найдем уровни ряда, умножив значения T на соответствующие значения сезонной компоненты (гр. 6 табл.). Расчет ошибки в мультипликативной модели производится по формуле: E = ∑Y/(T * S) = 19.45 Для сравнения мультипликативной модели и других моделей временного ряда можно использовать сумму квадратов абсолютных ошибок: Среднее значение
t
| y
| (yi-y)2
| 1
| 5486789
| 427789774380.96
| 2
| 6556599
| 2971715365049
| 3
| 7854524
| 9131223265114
| 4
| 2154878
| 7170905258741.2
| 5
| 2548721
| 5216708988934.6
| 6
| 8745562
| 15310233913504
| 7
| 3216646
| 2611735898699.6
| 8
| 9856413
| 25237364761344
| 9
| 2415787
| 5841626033359.4
| 10
| 2154828
| 7171173046701.2
| 11
| 6589787
| 3087240164559.4
| 12
| 9521359
| 21983217518777
| 13
| 3245748
| 2518520120637.2
| 14
| 8797456
| 15719031638508
| 15
| 9854566
| 25218810697356
| 16
| 7654989
| 7965131187341
| 17
|
| 23355304383103
| 18
|
| 23355304383103
| 19
|
| 23355304383103
| 20
|
| 23355304383103
| Итого
| 96654652
| 2.5100364516542E+14
|
Коэффициент детерминации. Следовательно, можно сказать, что мультипликативная модель объясняет 11% общей вариации уровней временного ряда. Проверка адекватности модели данным наблюдения. где m - количество факторов в уравнении тренда (m=1). Fkp = 4.41 Поскольку F < Fkp, то уравнение статистически не значимо Шаг 6. Прогнозирование по мультипликативной модели. Прогнозное значение Ft уровня временного ряда в мультипликативной модели есть произведение трендовой и сезонной компонент. Для определения трендовой компоненты воспользуемся уравнением тренда:T = 6129602.155 -80978.975t Прогноз на 1 период: T21 = 6129602.155 -80978.975*21 = 4429043.68 Значение сезонного компонента за соответствующий период равно: S1 = 0.401 Таким образом, F21 = T21 • S1 = 4429043.68 • 0.401 = 1774609.453 |
|
|