При сильном зашумлении данных перед идентификацией временные ряды целесообразно выполнить его предварительный анализ который обычно содержит три операции:
· сглаживание временных рядов;
· выявление и устранение аномальных наблюдений;
· выявление временного тренда.
Целью операции сглаживания является элеминирование (ослабление) случайной составляющей временных рядов по отношению к трендовой составляющей. Особенно полезно делать сглаживание временных рядов в качестве предпроцессорной обработки данных пред построением уравнением регрессии, аппроксимирующего тренд во временных рядах. В сложных условиях моделирования (сильное зашумление данных, отягощенные дефицитом наблюдения) предварительное сглаживание временных рядов зачастую позволяет не адекватную регрессионную модель превратить в достаточно адекватную. Этому также способствует отбраковка аномальных наблюдений и более «мягких» подходов к оценке адекватности (снижения доверительной вероятности, на пример, до уровня 0,8… 0,85, если это позволяет постановка задачи).
|
|
В эконометрике применяются методы сглаживания:
· Метод простой скользящей средней;
· Метод взвешенной скользящей средней;
· Метод эксионециального сглаживания
и д.р.[1].
Наиболее простой и распространенный метод – это метод простой скользящей средней (МПСС). Алгоритм этого метода задается формулой:
(4.6)
где – сглаженные значения уравнений временного ряда;
– текущие не сглаженные значения уровней;
m – количество точек в интервале сглаживания;
р – вспомогательный параметр (при нечетном m р =(m-1)/2);
i – индекс суммирования;
t – текущий момент времени наблюдения во временном ряде.