Метод экстраполяции
Метод экстраполяции известен также под названием «анализ временных последовательностей» (time series analysis). Временной ряд формируется из последовательности случайных величин, например, объем продаж продукции в день, неделю, месяц и т.д. Метод экстраполяции основывается на предположении, что будущие события полностью определяются прошлыми событиями.
Анализ данных временного ряда, состоящий в анализе изменений измеренных величин, требует выделить четыре составляющие, характеризующие изменчивость:
· тренд,
· случайные колебания.
· сезонные колебания,
· циклические колебания,
Тренд. Данную составляющую можно рассматривать в качестве общей направленности изменений (тенденции), вызванных воздействием случайных и неслучайных факторов на протя-женном отрезке времени. Тренд описывает рост или убывание измеряемой величины (рис. 5.1, а).
Случайные колебания (изменения) величин – это флуктуация без скачков. Они сопровождают все виды изменений параметров системы(рис. 5.1).Эти составляющие инициированы случайными событиями, которые при данных условиях могут, как произойти, так и не произойти. Причем имеется определенная вероятность наступления случайного события. Например, случайные колебания в объеме производства могут быть вызваны следующими причинами: кратковременными отказами оборудования, задержками в поставках материалов, разбалансированностью процесса и др. О причинах случайного события известно, и, как правило, они повторяются. Только нельзя точно предугадать время его наступления и силу. Поэтому определяется вероятность наступления этого события. Случайные колебания система способна погасить при условии, что имеются демпфирующие емкости, резервные мощности, гибкие производства.
|
|
Неслучайные колебания – это скачки, внесенные непредсказуемыми событиями, например, отказами оборудования и отключением электроэнергии на продолжительный срок, низким качеством поставленного материала, отказом поставщика или потребителя и др.
Циклические колебания. Помимо тренда ряда значений, часто очевидно присутствие циклической составляющей (рис. 5.1, б). Эта составляющая показывает цикл колебания относительно тренда для периода свыше одного года. Цикличность колебаний финансовых и экономических показателей часто соответствует циклам деловой активности: резкому спаду, оживленному росту, застою.
Сезонные колебания (рис. 5.1, в).Многие ряды значений демонстрируют периодичность колебаний на протяжении года и более. Таким образом, сезонные колебания отражают зависимость измеряемой величины от времени года. Их можно вычислить после анализа тренда и циклических колебаний.
|
|
|
|
|
Построение линейного тренда
2,2
2,1
2
1,9
1,8
1,7
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
Наиболее часто тренд представляется линейной зависимостью исследуемой величины вида (рис. 5.3):
(5.1)
где
y – исследуемая переменная (например, производительность) или зависимая переменная;
x – число, определяющее позицию (второй, третий и т.д.) года в периоде прогнозирования или не-зависимая переменная.
При линейной аппроксимации связи между двумя параметрами для нахождения эмпирических коэффициентов линейной функции используется наиболее часто метод наименьших квадратов. Суть метода состоит в том, что линейная функция «наилучшего соответствия» проходит через точки графика, соответствующие минимуму суммы квадратов отклонений измеряемого параметра. Такое условие имеет вид:
. (5.2)
Уравнения для расчета параметров линейной парной регрессии имеют вид:
(5.3)
где n – объем исследуемой совокупности (число единиц наблюдений).
Рис. 5.3. Построение тренда методом наименьших квадратов
Значения констант b и a или коэффициента при переменной Х и свободного члена уравнения определяются по формуле:
а также . (5.4)
В табл. 5.1 приведен пример вычисления линейного тренда по данным [1].
Т а б л и ц а 5.1 Вычисление линейного тренда
Исходные данные | XY | Х 2 | Yt | |
Период времени, X | Объем продажи, Y | |||
1 | 10 | 10 | 1 | 14,68 |
2 | 12 | 24 | 4 | 15,42 |
3 | 13 | 39 | 9 | 16,16 |
4 | 16 | 64 | 16 | 16,9 |
5 | 19 | 95 | 25 | 17,64 |
6 | 23 | 138 | 36 | 18,36 |
7 | 26 | 182 | 49 | 19,12 |
8 | 30 | 240 | 64 | 19,86 |
9 | 28 | 252 | 81 | 20,6 |
10 | 18 | 180 | 100 | 21,34 |
11 | 16 | 176 | 121 | 22,08 |
12 | 14 | 168 | 144 | 22,82 |
∑ = 78 | ∑ = 225 | ∑ = 1568 | ∑ = 650 | |
Среднее 6,5 | 18,75 |
Уравнение тренда: Yt = 13,94 + 0,74 Xt.
Задание 1. Рассчитать показатели продаж на 13, 14 периоды времени.
Метод меняющегося среднего
Метод меняющегося среднего успешно применим, если мы можем предположить, что рыночный спрос будет довольно стабильным в данном периоде.
Четырехмесячное меняющееся среднее находят простым суммированием спроса в течение последних четырех месяцев и делением на четыре.
С каждым следующим месяцем текущие месячные данные суммируются с предыдущими данными трех месяцев, а самый ранний месяц вычеркивается. Этот подход сглаживает на краткосрочном периоде нерегулярности в сериях данных.
Математически простая меняющаяся средняя (которая служит как прогноз спроса на следующий период) определяется формулой
где п – это число периодов в меняющейся средней, например, четыре, пять или шесть месяцев назад для четырех-, пяти-, или шестимесячной меняющейся средней.
ПРИМЕР 1
Продажи складских навесов для хранения показаны в средней колонке следующей таблицы. Изменяющаяся средняя за три месяца дана в правой колонке таблицы.
Месяц | Текущие продажи | Изменяющаяся средняя за три месяца |
Январь | 10 | |
Февраль | 12 | |
Март | 13 | |
Апрель | 16 | (10 + 12 + 13) / 3 = 11 2/3 |
Май | 19 | (12 + 13 + 16) / 3 = 13 2/3 |
Июнь | 23 | (13 + 16 + 19) / 3 =16 |
Июль | 26 | (16 + 19 + 23) / 3 = 19 1/3 |
Август | 30 | (19 + 23 + 26) / 3 = 22 2/3 |
Сентябрь | 28 | (23 + 26 + 30) / 3 = 26 1/3 |
Октябрь | 18 | (26 + 30 + 28) / 3 = 28 |
Ноябрь | 16 | (30 + 28 + 18) / 3 = 25 1/3 |
Декабрь | 14 | (28 + 18 + 16) / 3 = 20 2/3 |
Задача 1
Отдел регистрации отеля имеет информацию за последние пять лет. Служба менеджмента отеля хотела бы определить математический тренд числа регистрируемых для проектирования будущего заполнения отеля. Это поможет определить стратегию развития отеля. Имеется ряд временных серий данных, позволяющих построить уравнение регрессии числа регистрируемых в отеле по времени. Отсюда следует дать прогноз числа регистрируемых в 1994 г. Число регистрируемых в отеле постояльцев дано в. тысячах:
|
|
1984 г.: 17;
1985 г.:16;
1986 г.: 16;
1987 г.: 21;
1988 г.: 20;
1989 г.: 20;
1990 г.:23;
1991г.: 25;
1992 г.: 24.
Задание 1. Построить тренд продаж. Датьпрогноз числа регистрируемых в 1994 г
Задание 2. Рассчитать прогноз на 1994 год методом меняющегося среднего
Задача 2.
Президент компании решает, строить или нет промышленноепредприятие. Его решения сведены в следующую таблицу:
Варианты | Благоприятный рынок, $ | Неблагоприятный рынок, –$ |
Строить большой завод | 400000 | 300000 |
Строить малый завод | 80000 | 10000 |
«Ничего не делать» | 0 | 0 |
Вероятность | 0.4 | 0.6 |
а) Постройте дерево решений.
б) Определите лучшую стратегию, используя критерий EMV.
Задача 3. Частный предприниматель имеет возможность установить у себя больше оборудования.
Его альтернативы показаны в следующей таблице:
Оборудование | Благоприятный рынок, $ | Неблагоприятный рынок, –$ |
D1 | 300000 | 200000 |
J | 250000 | 100000 |
TX | 75000 | 18000 |
Вероятности состояний природы | 0.50 | 0.50 |
Этот предприниматель всегда был готов принимать очень оптимистичные решения.
а) К какому типу решений предприниматель обратится?
б) Какой критерий решения он будет использовать?
в) Каков лучший вариант?