plik


ÿþModele szeregów czasowych Øð Modele naiwne. Øð Modele [redniej ruchomej. Øð Modele wygBadzania wykBadniczego. Øð Liniowy model Holta. Øð Modele trendu. Øð Model trendu peBzajcego. Øð Metoda wskazników. Øð Modele typu AR i ARMA. Analiza Rynku, Mariusz Mazurkiewicz 1 Metoda naiwna Zastosowania (typ szeregu): staBy poziom + wahania przypadkowe. Budowa prognozy: wT = yt 0 T = t0 +1 gdzie . Analiza Rynku, Mariusz Mazurkiewicz 2 Metoda naiwna Zastosowania (typ szeregu): staBy przyrost (liniowy) + wahania przypadkowe. Budowa prognozy: ( wT = yt + yt - yt -1 ) 0 0 0 T = t0 +1 gdzie . Analiza Rynku, Mariusz Mazurkiewicz 3 Metoda [redniej ruchomej Zastosowania (typ szeregu): staBy poziom + wahania przypadkowe. Budowa prognozy: t0 1 wT = "yi k i=t0-k +1 gdzie T=t0+1, k - staBa wygBadzania. Analiza Rynku, Mariusz Mazurkiewicz 4 Metoda [redniej ruchomej Zastosowania (typ szeregu): staBy poziom + wahania przypadkowe (mo|liwe uogólnienie). Budowa prognozy: t0 wT = Å" wi-t +k "yi 0 i=t0 -k+1 gdzie T=t0+1, k - staBa wygBadzania, w1<w2<w3<...<wk - wagi ustalone przez prognost, okre[lajce tempo  starzenia si k "w = 1 i informacji ( ). i=1 Analiza Rynku, Mariusz Mazurkiewicz 5 Metoda [redniej ruchomej Wybór staBej wygBadzania: minimalizacja bBdu [redniokwadratowego prognozy ex-post n 1 2 Sk = "( yt - wt) n - k t =k+1 t -1 t -1 1 wt = yi wt = yi Å" wi -t +k+1 gdzie albo . " " k i=t-k i=t-k Analiza Rynku, Mariusz Mazurkiewicz 6 Metoda [redniej ruchomej - przykBad StaBa Sk wygBadzania k=2 300,6346744 k=3 263,7718456 k=4 55,2620038 2 =5 39,0432869 2 k=6 36,0535092 k=7 230,8567217 k=8 226,1312865 k=9 236,5201966 k=10 23,9613435 227,2451 k=11 483 =12 228,7639257 =13 227,0464863 k=14 227,4108675 Analiza Rynku, Mariusz Mazurkiewicz 7 Metoda [redniej ruchomej - przykBad Ruchoma [rednia k=2 240 220 200 180 160 140 120 100 0 10 20 30 40 50 t Y prognoza Analiza Rynku, Mariusz Mazurkiewicz 8 Y Metoda [redniej ruchomej - przykBad Ruchoma [rednia k=3 240 220 200 180 160 140 120 100 0 10 20 30 40 50 t Y prognoza Analiza Rynku, Mariusz Mazurkiewicz 9 Y Metoda [redniej ruchomej - przykBad Ruchoma [rednia k=8 240 220 200 180 160 140 120 100 0 10 20 30 40 50 Y prognoza t Analiza Rynku, Mariusz Mazurkiewicz 10 Y WygBadzanie wykBadnicze Browna Zastosowania (typ szeregu): staBy poziom + wahania przypadkowe, staBy przyrost (trend liniowy) + wahania przypadkowe. Budowa prognozy: wT = ±yt + (1-±)wt 0 0 gdzie T=t0+1, ± - staBa wygBadzania. Analiza Rynku, Mariusz Mazurkiewicz 11 WygBadzanie wykBadnicze Browna Wybór parametru ± ±  » 1 - prognoza uwzgldnia w bardzo du|ym zakresie bBdy ex-post prognoz wygasBych - silna zale|no[ od najnowszej obserwacji, efekt wygBadzania maleje; ±  » 0 - prognoza uwzgldnia w niewielkim stopniu bBdy ex-post prognoz wygasBych - niewielki wpByw najnowszej obserwacji, efekt wygBadzania wzrasta. Analiza Rynku, Mariusz Mazurkiewicz 12 WygBadzanie wykBadnicze - przykBad WygBadzanie wykBadnicze ±=0,5 230 220 210 200 190 180 170 160 150 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 t Y Prognoza Analiza Rynku, Mariusz Mazurkiewicz 13 Y WygBadzanie wykBadnicze - przykBad Param Sk etr ± 0,055 216,565 0,1 18,095 ,2 226,598 ,3 238,767 0,4 253,784 0,5 71,502 ,6 92,152 316, ,7 272 0,8 344,665 ,9 378,433 Analiza Rynku, Mariusz Mazurkiewicz 14 WygBadzanie wykBadnicze - przykBad WygBadzanie wykBadnicze ±=0,9 230 220 210 200 190 180 170 160 150 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 t Y Prognoza Analiza Rynku, Mariusz Mazurkiewicz 15 Y WygBadzanie wykBadnicze - przykBad WygBadzanie wykBadnicze ±=0,055 230 220 210 200 190 180 170 160 150 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 t Y Prognoza Analiza Rynku, Mariusz Mazurkiewicz 16 Y Liniowy model Holta Zastosowania (typ szeregu): staBy przyrost (trend liniowy) + wahania przypadkowe. WygBadzenie metod Holta Ft -1 = ±yt-1 + (1-±)(Ft -2 + St-2) St -1 = ²( Ft -1 - Ft -2) + (1- ²)St -2 gdzie ±, ² - staBe wygBadzania z odcinka [0,1]. Analiza Rynku, Mariusz Mazurkiewicz 17 Liniowy model Holta - prognoza Budowa prognozy wT = Ft + (T - t0) Å" St 0 0 Ft - oszacowanie [redniej w chwili t St - oszacowanie przyrostu w chwili t Warto[ci startowe: F1=y1, S1=y2 - y1 (zazwyczaj). Analiza Rynku, Mariusz Mazurkiewicz 18 Liniowy model Holta - przykBad Warto[ci zmiennej prognozowanej 4,5 4 3,5 3 2,5 2 0 50 100 150 t Analiza Rynku, Mariusz Mazurkiewicz 19 Liniowy model Holta - przykBad Prognozy wygasBe 4,5 4 3,5 3 2,5 2 t 0 50 100 150 Analiza Rynku, Mariusz Mazurkiewicz 20 Liniowy model Holta - przykBad Prognoza - horyzont 12 4,5 4 3,5 3 2,5 2 t0 0 50 100 150 t Analiza Rynku, Mariusz Mazurkiewicz 21 Modele szeregów czasowych z trendem ØðModel addytywny Yt = f (t) + µt Model multiplikatywny Øð Yt = f (t)Å"µt Analiza Rynku, Mariusz Mazurkiewicz 22 Trend liniowy f (t) = a Å"t + b 80 70 60 50 40 30 20 10 0 0 20 40 60 80 100 Analiza Rynku, Mariusz Mazurkiewicz 23 f (t) = a Å"bt Trend wykBadniczy 600 500 400 300 200 100 0 0 20 40 60 80 100 Analiza Rynku, Mariusz Mazurkiewicz 24 aÅ"t f (t) = Trend ilorazowy b + t 160 140 120 100 80 60 40 20 0 0 20 40 60 80 100 Analiza Rynku, Mariusz Mazurkiewicz 25 a f (t) = Trend logistyczny 1+ b Å"e-cÅ"t 1200 1000 800 600 400 200 0 0 20 40 60 80 100 -200 Analiza Rynku, Mariusz Mazurkiewicz 26 Trend logarytmiczny f (t) = a + b Å"ln t 90 80 70 60 50 40 30 20 10 0 0 20 40 60 80 100 -10 Analiza Rynku, Mariusz Mazurkiewicz 27 Wielomianowy model trendu Posta ogólna Yt = a0 + a1 Å"t + a2 Å"t2 +...+ ak Å"tk + µt gdzie k oznacza ustalony stopieD wielomianu. Analiza Rynku, Mariusz Mazurkiewicz 28 Trend wielomianowy  szacowanie parametrów ZakBadamy, |e dysponujemy obserwacjami y1 , y2 , y3 , y4 ,... yn. Zatem, s to obserwacje przypisane okresom o numerach t=1, 2, 3, ...,n. Wielomianowy model trendu w postaci macierzowej: Y = X Å"a + µ Analiza Rynku, Mariusz Mazurkiewicz 29 Model trendu w postaci macierzowej wektor obserwacji wektor parametrów zmiennej obja[nianej strukturalnych y1 îø ùø îøa0 ùø ïøy úø ïøa úø 2 1 ïø úø ïø úø Y = a = ïø : úø ïø : úø ïøy úø ïøa úø n k ðø ûø ðø ûø Analiza Rynku, Mariusz Mazurkiewicz 30 Model trendu w postaci macierzowej macierz warto[ci wektor skBadników  zmiennych obja[niajcych losowych îø ùø 1 1 12 : 1k îøµ1 ùø ïø úø ïøµ úø ïø1 2 22 : 2k úø 2 ïø úø ïø1 3 32 : 3k úø X = µ = ïø úø ïø : úø : : ïø: : : úø ïøµ úø ïø1 n n2 : nk úø n ðø ûø ðø ûø Analiza Rynku, Mariusz Mazurkiewicz 31 Szacowanie parametrów Estymator wektora parametrów strukturalnych otrzymany KMNK wyra|a si wzorem -1 T T â = (X X ) X Y Analiza Rynku, Mariusz Mazurkiewicz 32 Wybór stopnia wielomianu Minimalizacja odchylenia standardowego reszt, k0 jest optymalnym stopniem wielomianu wtedy, gdy k0 speBnia warunek Sk = min{Sk} 0 k n 2 1 2 k Sk = (yt - â0 - â1 Å" t - â2 Å" t - ... - âk Å" t ) " n - k -1 t=1 Analiza Rynku, Mariusz Mazurkiewicz 33 Kryteria doboru stopnia wielomianu Maksymalizacja skorygowanego wspóBczynnika determinacji, k0 jest optymalnym stopniem wielomianu wtedy, gdy k0 speBnia warunek adj2 adj2 Rk = max{Rk } 0 k n ëø 2 öø ìø (â0 + â1 Å"t + â2 Å"t2 + ... + âk Å" tk - y) ÷ø " n -1 ìø1- t=1 ÷ø Rkadj2 = 1- n ÷ø n - k -1ìø 2 ìø "( yt - y) ÷ø íø t=1 øø Analiza Rynku, Mariusz Mazurkiewicz 34 Dobór stopnia wielomianu Obserwacje oraz warto[ci teoretyczne 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 35 Dobór stopnia wielomianu Wielomian stopnia 2-ego 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 36 Dobór stopnia wielomianu Wielomian stopnia 3-ego 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 37 Dobór stopnia wielomianu Wielomian stopnia 4-tego 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 38 Dobór stopnia wielomianu Wielomian stopnia 5-tego 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 39 Dobór stopnia wielomianu Wielomian stopnia 6-tego 1200 1000 800 600 400 200 0 0 50 100 150 200 250 Analiza Rynku, Mariusz Mazurkiewicz 40 Dobór stopnia wielomianu StopieD wielomianu Odchylenie 2 2 dopasowany 2 0,360 0,3530 141,650 3 0,804 0,8012 78,526 4 0,8810 0,8788 61,306 5 ,883 0,8804 60,891 6 0,884 ,8800 1,010 Analiza Rynku, Mariusz Mazurkiewicz 41 Modele trendu - prognozy Budowa prognozy (punktowej): vT = fÆ(T ) gdzie T>t0., oszacowana funkcja trendu. fÆ Budowa prognozy przedziaBowej: ( ) P wT - upvT d" YT d" wT + upvT = p gdzie T>t0., up - wspóBczynnik zwizany z wiarygodno[ci (p) prognozy, vT - bBd [redniokwadratowy prognozy. Analiza Rynku, Mariusz Mazurkiewicz 42 Modele trendu - bBdy ex-ante Trend liniowy. Trend liniowy. bezwzgldny bBd prognozy: wzgldny bBd prognozy: 2 vT (T - t ) 1 vT = S + +1 ·T = Å"100% n 2 wT "(t - t ) n t =1 wT gdzie S - odchylenie standardowe gdzie - warto[ prognozy. n 1 reszt w modelu trendu, t = "t n t =1 Analiza Rynku, Mariusz Mazurkiewicz 43 Szereg czasowy 12 10 8 6 4 2 0 0 10 20 30 40 50 60 Analiza Rynku, Mariusz Mazurkiewicz 44 Model trendu peBzajcego Dostpne obserwacje: . y1, y2, y3,..., yn PodziaB na grupy (n-k+1 grup, k -staBa wygBadzania): y1, y2, y3,..., yk y2 , y3, y4,..., yk +1 y3, y4, y5,..., yk+2 yn -k +1, yn-k+2, yn-k+3,..., yn Analiza Rynku, Mariusz Mazurkiewicz 45 Model trendu peBzajcego ZaBo|enie: W ka|dej z n-k+1 grup wystpuje trend liniowy postaci: f1(t) = a1t + b1 f2(t) = a2t + b2 f3(t) = a3t + b3 fn-k+1(t) = an-k+1t + bn-k+1 Analiza Rynku, Mariusz Mazurkiewicz 46 PrzykBadowe obliczenia yt a1 a2 b2 a3 b3 t 1 0, ,157812 ,179355 029699 - - - - 2 0,490892 0,179355 0,029699 0,439531 -0,52614 - - 3 ,516522 0,179355 0,029699 0,439531 -0,52614 0,843795 -2,01165 0,43 4 1,369954 ,448624 -0,29603 9531 -0,52614 0,843795 -2,01165 -0,296 5 ,204111 0,448624 03 0,203816 1,13812 ,843795 -2,01165 6 2,267202 0,448624 -0,29603 0,203816 1,13812 0,574929 -1,25917 7 ,611744 ,036606 2,611739 0,203816 1,13812 0,574929 -1,25917 8 3,417061 0,036606 2,611739 0,13965 4,336813 0,574929 -1,25917 0, 9 2,684956 ,036606 2,611739 -0,13965 ,336813 327576 -0,22149 Analiza Rynku, Mariusz Mazurkiewicz 47 Model trendu peBzajcego Parametry poszczególnych trendów liniowych szacuje si KMNK. Dla t=1,2,...,n mo|na wyznaczy kilka warto[ci teoretycznych w zale|no[ci od k i n: ~ Æ yt = âjt + bj ogólnie dla j=d(t),...,g(t), gdzie: t t = 1,2,..., n - k +1 ñø 1 t =1,2,..., k ñø g(t) = d (t) = òøn - k +1 t = n - k + 2,...,n òøt - k +1 t = k +1,...,n óø óø Analiza Rynku, Mariusz Mazurkiewicz 48 Model trendu peBzajcego Ostateczne wygBadzenie: g (t) 1 Æj yt = t + b "â j 1+ g (t) - d (t) j =d (t ) Konstrukcja prognozy algorytmem wag harmonicznych: wt+1 = yt+1 - yt 1. t n-1 1 1 n ctn+1 = w = " 2. "c wt+1 , gdzie . t +1 n -1 n - i t=1 i=1 Analiza Rynku, Mariusz Mazurkiewicz 49 Model trendu peBzajcego Warto[ prognozy dla chwili T konstruowana w chwili t0: wT = yt + (T - t0)Å" w 0 Bezwzgldny bBd prognozy ex-ante: 2 (T - t ) 1 vT = S + +1 n 2 "(t - t ) n t =1 Analiza Rynku, Mariusz Mazurkiewicz 50 Trend peBzajcy staBa wygBadzania k=3 12 10 8 6 4 2 0 0 10 20 30 40 50 60 Analiza Rynku, Mariusz Mazurkiewicz 51 Trend peBzajcy staBa wygBadzania k=10 12 10 8 6 4 2 0 0 10 20 30 40 50 60 Analiza Rynku, Mariusz Mazurkiewicz 52 Trend peBzajcy + prognoza staBa wygBadzania k=10 14 12 10 8 6 4 2 0 0 10 20 30 40 50 60 Analiza Rynku, Mariusz Mazurkiewicz 53 Wahania sezonowe Modele szeregów czasowych z wahaniami sezonowymi: Øð wahania bezwzgldnie staBe, ró|nice pomidzy warto[ciami zmiennej prognozowanej a warto[ciami teoretycznymi z modelu trendu w przybli|eniu jednakowe; Øð wahania wzgldnie staBe, zmiany wahaD systematyczne, staBy przyrost albo spadek warto[ci. Analiza Rynku, Mariusz Mazurkiewicz 54 Wahania sezonowe Modele matematyczne: Øð model addytywny Yt = f (ti ) + si + µt i i Øð model multiplikatywny Yt = f (ti )Å" si Å"µt i i si - wskaznik sezonowo[ci, i - numer fazy cyklu, i=1,2,3,...,r; r- liczba faz cyklu (dBugo[). Analiza Rynku, Mariusz Mazurkiewicz 55 Metoda wskazników - etapy prac Øðwyodrbnienie trendu, Øðeliminacja trendu, Øðwyznaczenie wskazników sezonowo[ci. Analiza Rynku, Mariusz Mazurkiewicz 56 Wyodrbnienie trendu Efektywna eliminacja trendu wymaga wygBadzenia danych, najcz[ciej stosuje wstpne wygBadzanie danych ruchom [redni ze staB wygBadzania r. Eliminacja trendu " t (model addytywny), z = yt - fÆ(ti ) i i gdzie fÆ oznacza oszacowan funkcj trendu. Analiza Rynku, Mariusz Mazurkiewicz 57 Surowe wskazniki sezonowo[ci k-1 1 zi = "z (i+ jr )i k j =0 gdzie k - liczba faz jednoimiennych w okresie obserwacji. Ostatecznie wskazniki sezonowo[ci (oszacowane): " ]i = zi - z (model addytywny). Analiza Rynku, Mariusz Mazurkiewicz 58 Surowe wskazniki sezonowo[ci Oszacowane wskazniki sezonowo[ci speBniaj warunki: r " model addytywny, "] = 0 i i=1 r " ]i = 1 " model multiplikatywny. i=1 Analiza Rynku, Mariusz Mazurkiewicz 59 Jednoimienne fazy cyklu Wahania sezonowe 200 150 100 50 0 -50 -100 -150 -200 t Analiza Rynku, Mariusz Mazurkiewicz 60 Metoda wskazników - prognozy Prognoza na okres (moment) T w j-tej fazie cyklu: " ( ) vT = fÆ Tj + ] j model addytywny, j " model multiplikatywny. ( ) vT = fÆ Tj Å" ]j j Analiza Rynku, Mariusz Mazurkiewicz 61 WspóBczynnik Theila - definicja PrzedziaB empirycznej weryfikacji prognoz: In,m = [ yn+1, yn+2,..., ym] WspóBczynnik Theila: m 2 "( yt - wt) 2 t =n+1 I = m yt2 " t =n +1 Analiza Rynku, Mariusz Mazurkiewicz 62 WspóBczynnik Theila - dekompozycja Dekompozycja wspóBczynnika Theila: 2 2 2 I = I12 + I2 + I3 Interpretacja skBadowych: I12 " obci|ono[ prognozy (niezgodno[ [rednich), " 2 niedostateczna elastyczno[ (zbyt maBe wahania zmiennej I2 prognozowanej), I3 " 2 niezgodno[ kierunku zmian zmiennej prognozowanej i rzeczywistych obserwacji. Analiza Rynku, Mariusz Mazurkiewicz 63 WspóBczynnik Theila - skBadowe 2 2 ( ) Sy - S (y - w) w 2 I2 = I12 = m m 1 1 yt2 yt2 " " m - n m - n t =n +1 t =n +1 2SySw(1 - ryw) 2 I3 = m 1 yt2 " m - n t =n +1 Analiza Rynku, Mariusz Mazurkiewicz 64

Wyszukiwarka

Podobne podstrony:
Przywództwo kobiet bariery i prognozy na przyszłość
Prognozowaniem sytuacji gieldow Nieznany
4i Prognozowanie efektów końcowych leczenia NZK, kończenie resuscytacji i problemy donacji narządów
projekt analiza prognoza
Zagadnienie2 PrognozaWstep handout
prognoza
Zad III 1 Prognozy
Wykład 4 trend prognozy
W05 prognozowanie
C3 prognozy ocieplenia klimatu
08 02 KPGO Prognoza ooÅ›
Elektroniczne metody płatności Istota, rozwój, prognozy
HL prognozowany obraz wojny w Europie

więcej podobnych podstron