• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Тренд, сезонність і цикл

Основними складовими часового ряду є тренд і сезонний компонент. Складові цих рядів можуть являти собою або тренд, або сезонний компонент.

Тренд є систематичним компонентом часового ряду, що може змінюватися в часі.

Трендом називають невипадкову функцію, що формується під дією загальних або довгострокових тенденцій, що впливають на часовий ряд.

Прикладом тенденції може виступати, наприклад, фактор росту досліджуваного ринку.

Автоматичного способу виявлення трендів у часових рядах не існує. Але якщо часовий ряд включає монотонний тренд (тобто відмічено його стійке зростання або стійке убування), аналізувати часовий ряд у більшості випадків неважко.

Існує велика розмаїтість постановок задач прогнозування, яку можна підрозділити на дві групи [24]: прогнозування односерійних рядів і прогнозування мультисерійних, або взаємновпливаючих рядів.

Група прогнозування односерійних рядів включає задачу побудови прогнозу однієї змінної за ретроспективним даними тільки цієї змінної, без обліку впливу інших змінних і факторів.

Група прогнозування мультисерійних, або взаємновпливаючих, рядів включає задачу аналізу, де необхідно враховувати взаємновпливаючі фактори на одну або декілька змінних.

Крім розподілу на класи по односерійності і багатосерійності, ряди також бувають сезонними і несезонними.

Останній розподіл має на увазі наявність або відсутність у часового ряду такої складової як сезонність, тобто включення сезонного компонента.

Сезонна складова часового ряду є періодично повторюваним компонентом часового ряду.

Властивість сезонності означає, що через приблизно рівні проміжки часу форма кривої, що описує поведінку залежної змінної, повторює свої характерні риси.

Властивість сезонності важливо при визначенні кількості ретроспективних даних, які будуть використовуватися для прогнозування.

Розглянемо простий приклад. На рис. 6.2. наведений фрагмент ряду, що ілюструє поведінку змінної "обсяги продажу товару Х" за період, що становить один місяць. При вивченні кривої, наведеної на рисунку, аналітик не може робити припущень щодо повторюваності форми кривої через рівні проміжки часу.

Рис. 6.2. Фрагмент часового ряду за сезонний період

Однак при розгляді більш тривалого ряду (за 12 місяців), зображеного на рис. 6.3, можна побачити явну наявність сезонного компонента. Отже, про сезонність продаж можна говорити тільки тоді, коли розглядаються дані за кілька місяців.

Рис. 6.3. Фрагмент часового ряду за 12-ть сезонних періодів

Таким чином, у процесі підготовки даних для прогнозування аналітикові варто визначити, чи володіє ряд, що він аналізує, властивістю сезонності.

Визначення наявності компоненти сезонності необхідно для того, щоб вхідна інформація мала властивість репрезентативності.

Ряд можна вважати несезонним, якщо при розгляді його зовнішнього вигляду не можна зробити припущень про повторюваність форми кривої через рівні проміжки часу.

Іноді по зовнішньому вигляді кривої ряду не можна визначити, є він сезонним чи ні.

Існує поняття сезонного мультиряду. У ньому кожен ряд описує поведінку факторів, які впливають на залежну (цільову) змінну.

Приклад такого ряду – ряди продажу декількох товарів, підданих сезонним коливанням.

При зборі даних і виборі факторів для вирішення задачі прогнозування варто враховувати, що вплив обсягів продажу товарів один на одного тут набагато менший, ніж вплив фактора сезонності.

Важливо не плутати поняття сезонного компонента ряду і сезонів природи. Незважаючи на близькість їхнього звучання, ці поняття відрізняються. Так, наприклад, обсяги продажу морозива влітку набагато більші, ніж в інші сезони, однак це є тенденцією попиту на даний товар.

Дуже часто тренд і сезонність присутні в часовому ряді одночасно.

Приклад. Прибуток фірми росте протягом декількох років (тобто в часовому ряді присутній тренд); ряд також містить сезонний компонент.

Відмінності циклічного компонента від сезонної:

1. Тривалість циклу, як правило, більше, ніж один сезонний період;
2. Цикли, на відміну від сезонних періодів, не мають певної тривалості.

При виконанні яких-небудь перетворень зрозуміти природу часового ряду значно простіше, такими перетвореннями можуть бути, наприклад, видалення тренда та згладжування ряду.

Перед початком прогнозування необхідно відповісти на наступні питання:

1. Що потрібно прогнозувати?
2. У яких часових елементах (параметрах)?
3. З якою точністю прогнозу?

При відповіді на перше питання, ми визначаємо змінні, які будуть прогнозуватися. Це може бути, наприклад, рівень виробництва конкретного виду продукції в наступному кварталі, прогноз суми продажу цієї продукції і т.д.

При виборі змінних варто враховувати доступність ретроспективних даних, переваги осіб, що приймають рішення, остаточну вартість Data Mining.

Часто при вирішенні задач прогнозування виникає необхідність передбачення не самої змінної, а змін її значень.

Друге питання при вирішенні задач прогнозування – визначення наступних параметрів:

Ø періоду прогнозування;

Ø горизонту прогнозування;

Ø інтервалу прогнозування.

Період прогнозування – основна одиниця часу, на яку робиться прогноз.

Наприклад, ми хочемо дізнатися доход компанії через місяць. Період прогнозування для даної задачі – місяць.

Горизонт прогнозування – це число періодів у майбутньому, які покриває прогноз.

Якщо ми хочемо дізнатися прогноз на 12 місяців наперед, з даними по кожному місяці, то період прогнозування в цій задачі – місяць, горизонт прогнозування – 12 місяців.

Інтервал прогнозування – частота, з якої робиться новий прогноз.

Інтервал прогнозування може збігатися з періодом прогнозування.

Рекомендації з вибору параметрів прогнозування.

При виборі параметрів необхідно враховувати, що горизонт прогнозування повинен бути не менше, ніж час, який необхідно для реалізації рішення, прийнятого на основі цього прогнозу. Тільки в цьому випадку прогнозування буде мати сенс.

Зі збільшенням горизонту прогнозування точність прогнозу, як правило, знижується, а зі зменшенням горизонту – підвищується.

Можна поліпшити якість прогнозування, зменшуючи час, необхідний на реалізацію рішення, для якого реалізується прогноз, і, отже, зменшивши при цьому горизонт і помилку прогнозування.

При виборі інтервалу прогнозування варто вибирати між двома ризиками: невчасно визначити зміни в аналізованому процесі і високі вартості прогнозу. При тривалому інтервалі прогнозування виникає ризик не ідентифікувати зміни, що відбулися в процесі, при короткому – зростають витрати на прогнозування.

При виборі інтервалу необхідно також враховувати стабільність аналізованого процесу і вартість проведення прогнозу.

Читайте також:

1. Сезонність функціонування туристичного ринку

Переглядів: 2308