Понятие экономических рядов динамики

Последовательность наблюдений одного показателя (признака), упорядоченных в зависимости от последовательно возрастающих или убывающих значений другого показателя называют динамическим рядом или рядом динамики.

Если в качестве признака, в зависимости от которого происходит упорядочение, берется время, то такой динамический ряд называется временным рядом.

Составными элементами рядов динамики являются цифровые значения показателей, называемые уровнями этих рядов, и моменты или интервалы времени, к которым относятся уровни.

Временные ряды, образованные показателями, характеризующими экономическое явление на определенные моменты времени называются моментными.

Если уровни временного ряда образуются путем агрегирования за определенный промежуток времени, то такие ряды называются интервальными.

Под длиной временного ряда понимают время, прошедшее от начального момента наблюдения до конечного. Часто длинной ряда называют количество уровней, входящих во временной ряд.

Тренд – это изменение, определяющее общее направление развития, основную тенденцию временных рядов.

Экономико–математическая динамическая модель, в которой развитие модулированной экономической системы отражается через тренд её основных показателей, называется трендовой моделью.

В общем случае временной ряд можно разложить на 4 структурно-образующих элемента:

1. тренд (T_t)

2. сезонные компоненты (V_t)

3. циклическая компонента (S_t)

4. случайная компонента (E_t)

Если регулярные колебания носит строго периодический или близкий к нему характер и завершается в течение одного года, то их называют сезонными колебаниями. Когда период колебаний составляет несколько лет, то говорят, что во временном варианте присутствует циклическая компонента.

Тренд, сезонная и циклическая компоненты называется регулярными или систематическими компонентами временного ряда.

Составная часть временного ряда, остающаяся после выделения из нерегулярных компонентов представляет собой случайную нерегулярную компоненту (ряд остатков).

,

исходные данные

теоретические (или регрессионные) данные

Для оценивания моделей на адекватность анализирует ряд остатков. Ряд остатков должен обладать следующими свойствами:

1. случайность колебаний уровней;
2. соответствие распределения случайной компоненты нормальному закону распределения;
3. равенству математического ожидания случайной компоненты нулю;
4. независимость значений уровней случайной последовательности, т.е. отсутствие автокорреляции.

Если выполняются все четыре свойства, то модель считается адекватной.