Загальні методичні вказівки. Для аналізу тенденції на основі динамічних рядів і побудови прогнозу з врахуванням

Для аналізу тенденції на основі динамічних рядів і побудови прогнозу з врахуванням закономірностей, що склалися в “передісторії”, широко
застосовується залежність, яка має назву рівняння тренда:

,

де - детермінована невипадкова компонента процесу (явища);

- стохастична випадкова компонента процесу.

В роботі розглядається стохастичні (ймовірні) залежності.

Слід відрізняти стохастичну залежність від функціональної. При
стохастичній залежності одному значенню фактора може відповідати декілька значень показника з ймовірністю, меншою за 1. При функціональній
залежності одному значенню аргументу відповідає лише одне певне (з ймовірністю 1) значення функції.

Рівняння, яке ґрунтується на стохастичних залежностях, складається з двох частин: детермінованої, яка формується під впливом врахованих, відомих факторів, і випадкової, яка виникає у результаті випадкових неврахованих
факторів.

Тренд, який звично називають часовим трендом, відображає
тенденцію зміни явища (процесу, об’єкту) у часі.

Екстраполяція тренда може бути застосована лише у тому випадку, якщо розвиток явища достатньо добре описується побудованим рівнянням і умови, які визначають тенденцію розвитку у минулому, не зазнають значних змін у майбутньому. При додержанні цих умов екстраполяція здійснюється шляхом підстановки у рівняння тренда значення незалежної
змінної , яка відповідає величині горизонту прогнозування.

,

де - величина горизонту прогнозування (період на який складається прогноз).

Рівняння тренда може бути описане широким спектром залежностей, зокрема:

¨ лінійною ;

¨ квадратичною ;

¨ степеневою ;

¨ показниковою та ін.

Для одержання середніх, або розрахункових значень необхідно
визначити загальний вигляд згладжуючого рівняння (або рівняння тренду).

Для використання тренда у якості інструменту прогнозу слід чисельно оцінити параметри (коефіцієнти) рівнянь . При виборі методів
визначення параметрів регресійної моделі можна керуватися різними
підходами, але найбільш поширений метод найменших квадратів.

Дата добавления: 2015-08-13