Выравнивание динамического ряда

Изменение явления во времени происходит под влиянием многих факто­ров. Длительно действующие факторы определяют основное направление раз­вития явления в динамике — его тенденцию. Временно действующие факторы обуславливают случайные подъемы и спады величины явления относительно тенденции.

Динамика изучаемого явления обычно представлена не в виде непрерыв­но меняющегося уровня, а отдельными скачкообразными изменениями. В этом случае для выявления основной тенденции в развитии изучаемого явления при­бегают к выравниванию динамического ряда.

При этом могут быть использованы следующие методы выравнивания:

Графический метод предполагает выравнивание от руки или с помощью линейки, циркуля графического изображения динамики изучаемого явления.

Укрупнение интервала производят путем суммирования данных за ряд смежных периодов. В результате получаются итоги за более продолжительные промежутки времени. Этим сглаживаются случайные колебания, и более четко определяется характер динамики явления.

Вычисление групповой средней заключается в определении средней ве­личины каждого укрупненного периода. Для этого необходимо суммировать смежные уровни соседних периодов, а затем сумму разделить на число слагае­мых. Этим достигается большая ясность изменений во времени.

Вычисление скользящей средней в некоторой степени устраняет влия­ние случайных колебаний на уровни динамического ряда, и более заметно от­ражает тенденцию явления. При ее вычислении каждый уровень ряда заменяет­ся на среднюю величину из данного уровня и двух соседних с ним (предыдущего и последующего). Чаше всего суммируются последовательно три члена ряда, но можно брать и больше. Для первого и последнего уровней скользящая средняя не рассчитывается.

Метод наименьших квадратов — один из наиболее точных способов выравнивания динамического ряда. Этот метод преследует цель устранить влияние временно действующих причин, случайных факторов и выявить основную тенденцию в динамике явления, вызванную воздействием только длительно действующих факторов. Чтобы применить этот метод, динамический ряд должен иметь не менее 5 хронологических дат и интервалы между ними должны быть равными.

Выравнивание производится по линии, наиболее соответствующей харак­теру динамики изучаемого явления. Вначале определяют характер изменения изучаемого явления и подбирают уравнение зависимости между явлением и временем.

Существует много уравнений, описывающих зависимость между изучаемыми явлениями. Линейная зависимость описывается параболой первого порядка, квадратическая зависимость — параболой второго порядка, кубиче­ская зависимость — параболой третьего порядка и т. д.

Например, в практике здравоохранения чаще всего используют выравнивание по уравнению линейной зависимости, т. е. параболе первого порядка (у = а + bх). Этот метод позволяет определить направление тенденции (снижение, рост), дать количественную оценку выявленной тенденции (стабилизация, умеренная, выраженная тенденция), оценить средние темпы ее развития и рассчитать про­гнозируемые уровни на следующий год.

Особенности прогнозирования явлений

При комплексном исследовании динамических рядов в большинстве случаев ставится задача, касающаяся дальнейшего прогнозирования их уровней.

Прогнозирование финансовых и экономических явлений и процессов на основе выявленных закономерностей их развития в прошлом и настоящем периодах, представленных данным динамическим рядом, называется экстраполяцией.

Экстраполяция всегда проводится за пределы исследуемого временного ряда: в будущее или в прошлое. В зависимости от этого различают перспективную экстраполяцию (в будущее) и ретроспективную (в прошлое). Вместе с этим может осуществляться и интерполяция - прогнозирование неизвестных по каким-либо причинам уровней внутри самого исследуемого ряда динамики.

Точность и надежность прогнозов, получаемых при экстраполяции, зависят от того, насколько инерционно то финансовое или экономическое явление, которое подвергается прогнозированию, насколько точно выявлена тенденция развития явления и выбран метод получения дальнейшего прогноза. Не последнюю роль при этом играет и период экстраполяции: чем он короче, тем, естественно, точнее прогноз.

С этими требованиями тесным образом связана задача выбора длины динамического ряда, на основе которого будет проводиться экстраполяция. Правило «чем больше, тем лучше» в данном случае не всегда верное. Дело в том, что в быстро развивающемся мире экономики и финансов длинные динамические ряды зачастую оказываются несопоставимыми. Из-за того, что меняются методология расчета показателей, тенденции и сущность социально-экономических явлений и процессов, полученные прогностические модели оказываются неустойчивыми.

Вместе с тем имеется общее правило: срок, на который осуществляется прогноз, не должен превышать 1/3 длины базового динамического ряда. Так, если исследуется ряд динамики, состоящий из девяти уровней, прогнозирование проводится не далее чем на три уровня и т.п. Но этот вопрос опять должен решаться на основе анализа степени инерционности исследуемого явления.

Если процесс имеет малую инерционность, то информативность уровней ряда по мере их удаления от периода прогнозирования будет соответственно снижаться: наибольшую информационную ценность будут иметь «последние» периоды. На этом основаны так называемые адаптивные методы прогнозирования, которые учитывают различную информационную ценность членов ряда. При проведении процедуры выравнивания им задается определенный вес, кроме того, могут меняться параметры моделей в зависимости от точности результата прогноза, сделанного на предыдущем шаге.

 

Домашнее задание: Подготовить доклад (сообщение) на тему: «Ряд распределения, его элементы: варианты признака. Его частоты.

Внимание!!!  СРОК ВЫПОЛНЕНИЯ ЗАДАНИЯ – до 28.05.2020