Читать курсовая по финансовому менеджменту, финансовой математике: "Статистический анализ и прогнозирование доходов бюджета" Страница 11

(Назад) (Cкачать работу)

Экспоненциальное сглаживание - это очень популярный метод прогнозирования многих временных рядов. Исторически метод был независимо открыт Броуном и Холтом. Броун служил на флоте США во время второй мировой войны, где занимался обнаружением подводных лодок и системами наведения. Позже он применил открытый им метод для прогнозирования спроса на запасные части. Свои идеи он описал в книге, вышедшей в свет в 1959 году. Исследования Холта были поддержаны Департаментом военно-морского флота США. Независимо друг от друга, Броун и Холт открыли экспоненциальное сглаживание для процессов с постоянным трендом, с линейным трендом и для рядов с сезонной составляющей.

Простое экспоненциальное сглаживание

Простая и прагматически ясная модель временного ряда имеет следующий вид:

(2.2.4). Xt = b + t,

где b - константа и (эпсилон) - случайная ошибка.

Константа b относительно стабильна на каждом временном интервале, но может также медленно изменяться со временем. Один из интуитивно ясных способов выделения b состоит в том, чтобы использовать сглаживание скользящим средним, в котором последним наблюдениям приписываются большие веса, чем предпоследним, предпоследним большие веса, чем пред-предпоследним и т.д. Простое экспоненциальное именно так и устроено. Здесь более старым наблюдениям приписываются экспоненциально убывающие веса, при этом, в отличие от скользящего среднего, учитываются все предшествующие наблюдения ряда, а не те, что попали в определенное окно. Точная формула простого экспоненциального сглаживания имеет следующий вид:

(2.2.5)St = * + (1-)*St-1, где

St – экспоненциальная средняя (сглаженное значение уровня ряда) на момент t (параметр сглаживания);

α – вес текущего наблюдения при расчете экспоненциальной средней;

– фактический уровень динамического ряда в момент времени t;

St-1–экспоненциальная средняя предыдущего периода.

Когда эта формула применяется рекурсивно, то каждое новое сглаженное значение (которое является также прогнозом) вычисляется как взвешенное среднее текущего наблюдения и сглаженного ряда. Очевидно, результат сглаживания зависит от параметра (альфа). Если равно 1, то предыдущие наблюдения полностью игнорируются. Если равно 0, то игнорируются текущие наблюдения. Значения между 0, 1 дают промежуточные результаты.

Эмпирические исследования показали, что весьма часто простое экспоненциальное сглаживание дает достаточно точный прогноз.

Параметр сглаживания часто ищется с поиском на сетке. Возможные значения параметра разбиваются сеткой с определенным шагом. Например, рассматривается сетка значений от = 0.1 до = 0.9, с шагом 0.1. Затем выбирается , для которого сумма квадратов (или средних квадратов) остатков (наблюдаемые значения минус прогнозы на шаг вперед) является минимальной.

Однако возможен и другой подход к определению параметра сглаживания, например, Броун предложил следующий метод определения значения

(2.2.6)=2/(n+1), где

n – длина исходного ряда динамики.

3 глава. Статистический анализ и прогнозирование доходов бюджета Республики Бурятия

3.1 Статистический анализ доходов бюджета региона

Для статистического анализа динамики доходов бюджета Республики Бурятия необходимо произвести расчет

Похожие работы