Прогнозирование с помощью экстраполяции основано на переносе событий и тенденций, имевших место в прошлом на будущее.
Методы экстраполяции применяются для так называемых “эволюторных” (медленно меняющихся) событий.
Если прогнозируемые события, показатели, процессы могут в будущем изменяться скачками, иметь разрывы во времени (так называемые “революционные” процессы), то применять методы экстраполяции нельзя.
В то же время методы экстраполяции накладывают определенные ограничения на исходную информацию
- по представлению данных,
- по количеству данных,
- по длине дипалических рядов и т.д.
Применение методов экстраполяции оправдано для кратко- и среднесрочных прогнозов тех показателей проектов, для которых в будущем не предвидится существенных качественных изменений и скачков.
Из существующих методов экстраполяции более подробно остановимся на методе экстраполяции динамических рядов, т.е. когда исходная информация
представлена в виде динамического ряда y = y(t).
Извлечение информации из массивов данных. Анализ. с помощью временных рядов исследуют динамику экономических явлений и процессов.
Временной ряд – это ряд последовательных значений, характеризующих изменения показателя во времени. Т.е. временным рядом называют статистический ряд, который характеризует состояние и схему явлений во времени и обозначают
у1, у2, у3, … уn,
где yi (i = 1,n) – уровень ряда, который характеризует величины явления;
i – момент времени, к которому принадлежит эта величина явления;
n – длительность или общее количество членов ряда;
y1 – начальный уровень;
yn – конечный уровень;
Уровни временных рядов можно выразить
- абсолютными,
- средними,
- относительными величинами.
В зависимости от частоты регистрации факта временные ряды делятся на
- дискретные (данные регистрируются через равные фиксированные промежутки времени)
- непрерывные (непрерывная запись смены явлений во времени).
Современные методики статистического анализа временных рядов построены на гипотезе об их непрерывности.
В процессе анализа временных рядов используют статистические показатели, например:
- абсолютные приросты;
- темпы роста;
- темпы прироста и др.
Выделяют показатели:
- базисные – каждый уровень временного ряда сравнивают с начальным;
- цепные – каждый уровень временного ряда сравнивают с предыдущим;
1. Абсолютный прирост временного ряда (∆)
Определяют как разницу между текущим (yi) и предыдущим (yi-1) или начальным (y1) уровнями временного ряда
∆i(1) = yi – yi-1 или ∆i(1) = yi – y1.
Если из абсолютных приростов создать новый временной ряд можно получить абсолютные приросты второго порядка и т.д.
∆i(k) = ∆i(k-1) - ∆i-1(k-1) или ∆i(k) = ∆i(k-1) - ∆1(k-1).
2. Темпы роста (Тр) – это отношение текущего уровня временного ряда (yi) и предыдущему (yi-1) или начальному (y1) уровню:
Тр(i) = или Тр(i) =
3. Темпы прироста (Тпр) – отношение абсолютного прироста (∆i) к предыдущему (yi-1) или начальному (y1) уровню:
Тпр(i) = или Тпр(i) =
4. Средний уровень временного ряда определяется в зависимости от характера ряда как среднее хронологическое, арифметическое или геометрическое:
- среднее хронологическое ухр =
- среднее арифметическое уар =
- среднее геометрическое угеом =
5. Средний абсолютный прирост вычисляют по формуле среднего арифметического из цепных приростов
∆ = или ∆ =
6. Средний темп роста вычисляют при помощи среднего геометрического:
Тр = или Тр = .
7. Средний темп прироста
Тпр = (Тр - 1)×100%
В основе анализа временных рядов лежит идея, что данные характеризующие объект, процесс в прошлом можно использовать для прогнозирования будущих значений.
Данные по проекту в прошлом могут включать несколько компонентов, таких как
- тренды;
- сезонные колебания;
- циклические колебания;
а так же
- среднее значение за определенный период;
- случайные выбросы;
- автокорреляция.
Временные ряды можно определить как данные, расположенные в хронологическом порядке, которые могут содержать один или несколько компонентов исследуемого показателя:
- трендовый;
- сезонный; - (аддитивные или мультипликативные сезонные колебания, сезонный индекс);
- циклический;
- автокорреляционный;
- случайный.