Основные задачи анализа временных рядов - Динамические ряды
Принципиальные отличия временного ряда от последовательности наблюдений, образующих случайную выборку, заключаются в следующем:
Во-первых, в отличие от элементов случайной выборки члены временного ряда не являются независимыми;
Во-вторых, члены временного ряда не обязательно являются одинаково распределенными, так что P{xT < x} P{xT < x} при t t.
Это означает, что свойства и правила статистического анализа случайной выборки нельзя распространять на временные ряды. С другой стороны, взаимозависимость членов временного ряда создает свою специфическую базу для построения прогнозных значений анализируемого показателя по наблюденным значениям.
Генезис наблюдений, образующих временной ряд (механизм порождения данных). Речь идет о структуре и классификации основных факторов, под воздействием которых формируются значения временного ряда. Как правило, выделяются 4 типа таких факторов.
Долговременные, формирующие общую (в длительной перспективе) тенденцию в изменении анализируемого признака xT. Обычно эта тенденция описывается с помощью той или иной неслучайной функции fТр(t) (аргументом которой является время), как правило, монотонной. Эту функцию называют функцией тренда или просто - трендом.
Сезонные, формирующие периодически повторяющиеся в определенное время года колебания анализируемого признака. Поскольку эта функция (е) должна быть периодической (с периодами, кратными "сезонам"), в ее аналитическом выражении участвуют гармоники (тригонометрические функции), периодичность которых, как правило, обусловлена содержательной сущностью задачи.
Циклические (конъюнктурные), формирующие изменения анализируемого признака, обусловленные действием долговременных циклов экономической или демографической природы (волны Кондратьева, демографические "ямы" и т. п.) Результат действия циклических факторов будем обозначать с помощью неслучайной функции (t).
Случайные (нерегулярные), не поддающиеся учету и регистрации. Их воздействие на формирование значений временного ряда как раз и обусловливает стохастическую природу элементов xT, а, следовательно, и необходимость интерпретации x1,..., xT как наблюдений, произведенных над случайными величинами 1,..., Т. [17] Будем обозначать результат воздействия случайных факторов с помощью случайных величин ("остатков", "ошибок ") T.
Конечно, вовсе не обязательно, чтобы в процессе формирования значений всякого временного ряда участвовали одновременно факторы всех четырех типов. Выводы о том, участвуют или нет факторы данного типа в формировании значений конкретного ряда, могут базироваться как на анализе содержательной сущности задачи, так и на специальном статистическом анализе исследуемого временного ряда. Однако во всех случаях предполагается непременное участие случайных факторов. Таким образом, в общем виде модель формирования данных (при аддитивной структурной схеме влияния факторов) выглядит как:
XT = 1F(t) + 2(t) +3(t) + T. (1)
Где I = 1, если факторы i-го типа участвуют в формировании значений ряда и I = 0 - в противном случае.
Основные задачи анализа временных рядов. [2] Базисная цель статистического анализа временного ряда заключается в том, чтобы по имеющейся траектории этого ряда:
Определить, какие из неслучайных функций присутствуют в разложении (1), т. е. определить значения индикаторов I;
Построить "хорошие" оценки для тех неслучайных функций, которые присутствуют в разложении (1);
Подобрать модель, адекватно описывающую поведение случайных остатков T, и статистически оценить параметры этой модели.
Успешное решение перечисленных задач, обусловленных базовой целью статистического анализа временного ряда, является основой для достижения конечных прикладных целей исследования и, в первую очередь, для решения задачи кратко - и среднесрочного прогноза значений временного ряда. Приведем кратко основные элементы эконометрического анализа временных рядов.
- - Большинство математико-статистических методов имеет дело с моделями, в которых наблюдения предполагаются независимыми и одинаково распределенными. При этом зависимость между наблюдениями чаще всего рассматривается как помеха в эффективном применении этих методов. Однако разнообразные данные в экономике, социологии, финансах, коммерции и других сферах человеческой деятельности поступают в форме временных рядов, в которых наблюдения взаимно зависимы, и характер этой зависимости как раз и представляет главный интерес для исследователя. Совокупность методов и моделей исследования таких рядов зависимых наблюдений называется анализом временных рядов. Главная цель эконометрического анализа временных рядов состоит в построении по возможности простых и экономично параметризованных моделей, адекватно описывающих имеющиеся ряды наблюдений и составляющих базу для решения, в первую очередь, следующих задач: (a) вскрытие механизма генезиса наблюдений, составляющих анализируемый (b) временной ряд; (c) построение оптимального прогноза для будущих значений временного ряда;
Выработка стратегии управления и оптимизации анализируемых процессов.
- - Говоря о генезисе образующих временной ряд наблюдений, следует иметь в виду (и по возможности модельно описать) четыре типа факторов, под воздействием которых могут формироваться эти наблюдения: долговременные, сезонные, циклические (или конъюнктурные) и случайные. При этом не обязательно в процессе формирования значений конкретного временного ряда должны одновременно участвовать факторы всех четырех типов. Успешное решение задач выявления и моделирования действия этих факторов является основой, базисным отправным пунктом для достижения конечных прикладных целей исследования, главные из которых упомянуты в предыдущем пункте. - Приступая к анализу дискретного ряда наблюдений, расположенных в хронологическом порядке, следует в первую очередь убедиться, действительно ли в формировании значений этого ряда участвовали какие-либо факторы, помимо чисто случайных. При этом под "чисто случайными" понимаются лишь те случайные факторы, под воздействием которых генерируются последовательности взаимно не коррелированных и одинаково распределенных случайных величин, обладающих постоянными (не зависящими от времени) средними значениями и дисперсиями.
Если в результате проверки такой статистической гипотезы выяснилось, что имеющиеся наблюдения взаимно зависимы (и, возможно, неодинаково распределены), то приступают к подбору подходящей модели для этого ряда. Множество моделей, в рамках которого ведется этот подбор, ограничивается обычно следующими классами моделей: (а) классом стационарных временных рядов (которые используются, в основном, для описания поведения "случайных остатков"), (б) классом нестационарных временных рядов, которые являются суммой детерминированного тренда и стационарного временного ряда, (в) классом нестационарных временных рядов, имеющих стохастический тренд, который можно удалить последовательным дифференцированием ряда (т. е. путем перехода от ряда уровней к ряду разностей первого или более высокого порядка) [15].
В рамках эконометрического анализа временных рядов макроэкономических показателей российской экономики, проводимого в настоящей работе, мы объединяем ряды, входящие в классы (а) и (б), в один класс, который, следуя общепринятой в последнее время практике[см., например, Maddala, Kim (1998),, называем классом TS-рядов (trend stationary series - ряды, стационарные относительно детерминированного тренда). Адекватным методом остационаривания временных рядов, принадлежащих классу (б), является вычитание из ряда детерминированного тренда. Напротив, для рядов, принадлежащих классу (в), адекватным методом остационаривания ряда является переход от ряда уровней к ряду разностей (первого или более высокого порядка).
- - Стационарные (в широком смысле) временные ряды xT характеризуются тем, что их средние значения ExT, дисперсии DxT и ковариации () = E[xT ExT)(xT+ ExT+)] не зависят от t, для которого они вычисляются. Взаимозависимости, существующие между членами стационарного временного ряда, как правило, могут быть адекватно описаны в рамках моделей авторегрессии порядка p (AR(p)-моделей), моделей скользящего среднего порядка q (MA(q)-моделей) или моделей авторегрессии со скользящими средними в остатках порядка p и q (ARMA(p, q)-моделей) [6]. - Временной ряд xT называется интегрированным (проинтегрированным) порядка k, если последовательные разности KXT этого ряда порядка k (но не меньшего порядка!) образуют стационарный временной ряд. Поведение таких рядов, в том числе рядов, содержащих сезонную компоненту, в эконометрических прикладных задачах достаточно успешно описывают с помощью моделей авторегрессии проинтегрированного скользящего среднего порядка p, k и q (ARIMA(p, k, q)-моделей) и некоторых их модификаций. К этому классу относится и простейшая модель стохастического тренда - процесс случайного блуждания (ARIMA(0, 1, 0)). Приращения случайного блуждания образуют последовательность независимых, одинаково распределенных случайных величин ("белый шум"). Поэтому процесс случайного блуждания называют также "проинтегрированным белым шумом".
В настоящее время в класс интегрированных рядов порядка k включают также ряды, у которых разность порядка k (но не меньшего!) является процессом, стационарным относительно детерминированного тренда. В нашей работе используется именно такое определение. При этом если сам временной ряд является стационарным или стационарным относительно детерминированного тренда (TS-рядом), то он определяется как интегрированный ряд нулевого порядка.
При наличии сезонности получить стационарный ряд иногда возможно, переходя к разностям не соседних значений ряда, а значений, отстоящих на соответствующее число единиц времени. Например, при квартальных данных для достижения стационарности бывает достаточно перейти к последовательности разностей значений ряда, отстоящих на 4 единицы времени.
Подобрать модель для конкретного временного ряда {xT}, t = 1, 2,..., T это значит определить подходящее параметрическое семейство моделей в качестве допустимого множества решений, а затем статистически оценить параметры модели на основании имеющихся наблюдений x1, x2,..., xT. Весь этот процесс принято называть процессом идентификации модели, или просто идентификацией. Для правильной идентификации модели временного ряда необходимо решить вопрос о том, является ли исследуемый временной ряд стационарным, стационарным относительно детерминированного тренда (т. е. суммой детерминированных компонент и стационарного ряда) или в его составе содержится стохастический тренд. Решению этой задачи для ряда российских макроэкономических рядов посвящена основная часть настоящей работы.
В ситуациях, когда временные ряды {xT} и {yT}, t = 1, 2,..., T, являются исходными данными для построения регрессии y на x, причем воздействие единовременного изменения одной из них (x) на другую (y) растянуто (распределено) во времени, большой прикладной интерес представляют так называемые модели с распределенными лагами. В рамках этого специального класса моделей проводится, в частности, эконометрический анализ таких важных экономических явлений, как "процесс частичного приспособления", "модели адаптивных ожиданий" и др.
Важную роль в системах поддержки принятия экономических решений играет прогнозирование экономических показателей. Методы автопрогноза, основанные на анализе временных рядов, экстраполируют имеющийся в наличии ряд только на основании информации, содержащейся в нем самом. Такого рода прогноз может оказаться эффективным лишь в кратко - и, максимум, в среднесрочной перспективе. Серьезное решение задач долгосрочного прогнозирования требует использования комплексных подходов, и в первую очередь привлечения различных (в том числе, статистических) технологий сбора и анализа экспертных оценок.
Эффективный подход к решению задач кратко - и среднесрочного автопрогноза это прогнозирование, основанное на использовании "подогнанных" (идентифицированных) моделей типа ARIMA(p, k, q), включая, в качестве частных случаев, и модели AR-, MA - и ARMA.
Весьма широко распространены в решении прикладных задач кратко - и среднесрочного автопрогноза и так называемые адаптивные методы, позволяющие по мере поступления новых данных обновлять ранее сделанные прогнозы с минимальной задержкой и с помощью относительно несложных математических процедур [13].
Похожие статьи
-
Анализ временных рядов, Стационарные временные ряды и их основные характеристики - Динамические ряды
Стационарные временные ряды и их основные характеристики Поиск модели, адекватно описывающей поведение случайных остатков T анализируемого временного...
-
Основные задачи анализа временных рядов. Базисная цель статистического анализа временного ряда заключается в том, чтобы по имеющейся траектории этого...
-
Модели стационарных временных рядов и их идентификация - Динамические ряды
В 2.2 рассматривался класс стационарных временных рядов, в рамках которого подбирается модель, пригодная для описания поведения случайных остатков...
-
Сущность и основные условия применения корреляционного анализа В соответствии с сущностью корреляционной связи ее изучение имеет две цели: 1) измерение...
-
В последние годы в эконометрической литературе большое внимание уделяется исследованию рядов динамики временных показателей. Разнообразные содержательные...
-
Задача о загрузке рюкзака (задача о ранце) - Метод динамического программирования для решения задач
Постановка задачи. Пусть имеются N видов грузов с номерами. Единица груза j-го вида имеет все aJ. Если груз j-го вида берется в количестве xJ, то его...
-
Моделирование временной переменная автокорреляция Главным инструментом эконометрического исследования является модель. Выделяют три основных класса...
-
Неслучайная составляющая временного ряда и методы его сглаживания - Динамические ряды
Существенную роль в решении задач выявления и оценивания трендовой, сезонной и циклической составляющих в разложении (1.1.1) играет начальный этап...
-
Динамическое программирование Динамическое программирование -- один из разделов оптимального программирования, в котором процесс принятия решения и...
-
Для примера рассмотрим вытекающую из общей постановки (3),(4) двухкритериальную () многоэтапную динамическую задачу, с целевыми функциями дохода и потерь...
-
Цель и задачи исследования операций Исследование операций - научная дисциплина, занимающаяся разработкой и практическим применением методов наиболее...
-
Основная теория сезонности временного ряда - Методы изучения сезонных колебаний. Примеры расчетов
Основными составляющими временного ряда являются тренд и сезонная компонента. Составляющие этих рядов могут представлять собой либо тренд, либо сезонную...
-
Для достижения поставленной цели предприятию требуются материалы, оборудование, энергия, рабочая сила и другие ресурсы. Каждое предприятие такими...
-
Основные понятия теории экономико-математического моделирования Кибернетический подход к исследованию экономико-математических систем Обычно...
-
Основные понятия корреляционно-регрессионного анализа Теория и методы корреляционного анализа используются для выявления связи между случайными...
-
Вариации коэффициентов целевой функции ЗЛП приводят к изменению направления вектора градиента. Так как при этом не затрагивается допустимое множество, то...
-
Ограничение чувствительность задача программирование Вариации правых частей ограничений приводят к изменению области допустимых решений ЗЛП, в действии...
-
Описание процессов, происходящих на поверхности, изобилует специальными терминами, и при рассмотрении адсорбционных явлений приходится говорить на языке,...
-
Задачи и методы качественного анализа - Основы аналитической химии
Обнаружение или, как иногда говорят, "открытие" отдельных элементов или ионов, входящих в состав веществ - это задачи качественного анализа. Качественный...
-
Пусть имеется оптимизационная задача вида: (1) (2) (3) - задан(4) Здесь предполагается, что FJ(xJ,yJ)>0 для всех допустимых значений xJ,yJ. В этом случае...
-
Показатели анализа ряда динамики - Методы анализа основной тендеции развития в рядах динамики
При изучении динамики общественных явлений возникает проблема описания интенсивности изменения и расчета средних показателей динамики. Анализ...
-
Основные предпосылки регрессионного анализа - Основы научных исследований
Методика РА создана с использованием некоторых предпосылок. Если они не выполняются, то корректное выполнение всех процедур РА приведет к неверным...
-
РЕШЕНИЕ ЗАДАЧИ О КОММИВОЯЖЕРЕ МЕТОДОМ ВЕТВЕЙ И ГРАНИЦ: ОСНОВНАЯ СХЕМА - Задача коммивояжера
Пусть - конечное множество и - вещественно-значная функция на нем; требуется найти минимум этой функции и элемент множества, на котором этот минимум...
-
Регрессия -- зависимость среднего значения какой-либо величины от некоторой другой величины или от нескольких величин. Задача регрессионного анализа...
-
Метод дихотомии требует менее всего итераций цикла для получения корней уравнения с заданной точностью. Если расчет ведется без помощи ЭВМ, то это...
-
Постановка задачи регрессионного анализа - Основы научных исследований
Основное назначение Регрессионного анализа (РА) - получение по экспериментальным данным зависимостей, аппроксимирующих эти данные в виде алгебраических...
-
Алгоритм использует в качестве исходных данных документы, содержащие следующие сведения: X A, k,j, i - измеряемые показатели научной работы; X A, TG,...
-
В современных условиях повышается самостоятельность предприятий в принятии и реализации управленческих решений, их экономическая и юридическая...
-
Развитие методов многокритериальной оптимизации сложных систем обусловлено необходимостью повышения эффективности их функционирования на основе обобщения...
-
Адсорбционные явления чрезвычайно широко распространены в живой и неживой природе. Толщи горных пород и почвы являются огромными колоннами с...
-
Содержание и классификация динамических эконометрических моделей - Эконометрика как наука
Можно выделить два основных типа динамических эконометрических моделей. К модели первого типа относятся модели авторегрессии и модели с распределенным...
-
Задача Джонсона о двух станках Рассмотрим задачу последовательной обработки на двух машинах N различных деталей, если известно время Ai и Bi обработки...
-
Условие задачи. Пусть имеются n кандидатов для выполнения этих работ. Назначение кандидата i на работу j связано с затратами CIj (i, j = 1,2,..., n)....
-
Анализ временных рядов - Статистическое исследование инвестиционной деятельности в регионе
Временной ряд - Это последовательность чисел; его элементы - это значения некоторого протекающего во времени процесса. Проведем анализ временных рядов....
-
К основным понятиям и категориям статистической науки относятся следующие: - совокупность, - признак, - показатель, - система показателей и др....
-
В результате первой стадии статистического исследования (статистического наблюдения) получают статистическую информацию, представляющую собой большое...
-
Основные этапы построения эконометрической модели - Моделирование в эконометрике
Построение эконометрической модели является основой эконометрического исследования. Оно основывается на предположении о реально существующей зависимости...
-
Временные ряды - Моделирование в эконометрике
Эконометрический модель регрессия ряд Понятие временного ряда. Основные характеристики временных рядов. Модели стационарных и нестационарных временных...
-
Модели авторегрессии порядка p (AR(p)-модели) - Динамические ряды
Рассмотрим сначала простейшие частные случаи. Модель авторегрессии 1-го порядка AR(1) (марковский процесс). Эта модель представляет собой простейший...
-
Пусть функция определена в промежутке Х (рис.1). Исходя из некоторого значения независимой переменной, придадим ему приращение, не выводящее его из...
Основные задачи анализа временных рядов - Динамические ряды