Метод прогнозирования динамических рядов с помощью экспоненциального сглаживания
Метод экспоненциального сглаживания является одним из распространенных методов экстраполяции динамических рядов. Сущность метода заключается в сглаживании исходного динамического ряда взвешенной скользящей средней, веса которой подчиняются экспоненциальному закону.
В качестве аппроксимирующей зависимости для прогнозирования динамического ряда y(t) в методе экспоненциального сглаживания применяется полином следующего вида
y(t) = b0 + b1t +
b2
2!
t2 + ... +
bp
p!
tp =
p
j = 0
bj
j!
tj (14.27)
где b0, b1, ..., bp - коэффициенты аппроксимирующей зависимости;
р - порядок полинома.
Введем понятие экспоненциальной средней.
Экспоненциальной средней первого порядка для ряда (14.27) называется функция вида:
S
[1]
t
(y) =
p
i = 0
(1 - )t yt - i, (14.28)
где - параметр сглаживания (0 1);
экспоненциальная среднего k-го порядка имеет вид:
S
[k]
t
(y) =
p
i = 0
(1 - )i S
|k - 1|
t - i
(y). (14.29)
Для определения экспоненциальной средней k-гo порядка Брауном была выведена следующая рекуррентная формула [56]
S
[k]
t
(y) = S
[k - 1]
t
(y) + (1 - ) S
[k]
t - 1
(y). (14.30)
При построении прогноза с помощью метода экспоненциального сглаживания одной из основных проблем является выбор значения параметра сглаживания а.
Часто для определения а (если число членов исходного динамического ряда мало) используют формулу:
=
2
n + 1
. (14.31)
Если число членов в ряде велико, то а определяется исходя из количества точек т в интервале сглаживания
=
2
m + 1
. (14.32)
Рассмотрим применение метода экспоненциального сглаживания, когда аппроксимирующая зависимость (тренд) описывается линейной функцией (р = 1) и параболой (р = 2).
Модель прогнозирования при линейном тренде
(линейная модель Брауна)
В этом случае аппроксимирующая зависимость (14.27) приобретает вид:
y(t) = b0 + b1t. (14.33)
Для того, чтобы воспользоваться формулами (14.28)-(14.30) нахождения экспоненциальных средних, необходимо иметь начальные приближения. Для линейного тренда они равны [56]:
S
[1]
0
(y) = b0 -
1 -
b1; (14.34)
S
[2]
0
(y) = b0 -
2(1 - )
b1; (14.35)
где b0 и b1 - значения коэффициентов, получаемые при аппроксимации исходного динамического ряда линейной функцией вида (14.33).
Коэффициенты b0 и b1 находятся методом наименьших квадратов.
Экспоненциальные средние 1-го и 2-го порядков будут соответственно определяться рекуррентными формулами вида (14.30):
S
[1]
t
(y) = yt + (1 - )S
[1]
t - 1
(y); (14.36)
S
[2]
t
(y) = S
[1]
t
(y) + (1 - )S
[2]
t - 1
(y); (14.37)
Оценки коэффициентов линейного тренда, полученные с учетом экспоненциальных весов, будут иметь вид:
b0 = 2S
[1]
t
(y) - S
[2]
t
(y); (14.38)
b1 =
1 -
[S
[1]
t
(y) - S
[2]
t
(y)]. (14.39)
Прогноз на 1 шагов (за время t1) будет равен
y
*
t1
= b0 + b1t1. (14.40)
Ошибка прогноза определяется по формуле
y* = t
(2 - )3
[1 + 4(1 - ) + 5(1 - )2 + 2(4 - 3)]te + 22t
2
1
, (14.41)
где t, - ошибка аппроксимации основного уравнения для тренда.
Модель прогнозирования при параболическом тренде
Аппроксимирующая зависимость (тренд) имеет вид:
y(t) = b0 + b1t +
1
2
b2t2. (14.42)
Начальные приближения определяются по формулам
S
[1]
0
(y) = b0 -
1 -
b1 +
(1 - )(2 - )
22
b2; (14.42)
S
[2]
0
(y) = b0 -
2(1 - )
b1 +
(1 - )(3 - 2)
2
b2; (14.43)
S
[3]
0
(y) = b0 -
3(1 - )
b1 +
3(1 - )(4 - 3)
22
b2; (14.45)
где b0, b1, b2 - определяются по исходному динамическому ряду методом наименьших квадратов.
Экспоненциальные средние рассчитываются по формулам:
S
[1]
t
(y) = yt + (1 - )S
1
t - 1
(y); (14.46)
S
[2]
t
= S
[1]
t
(y) + (1 - )S
2
t - 1
(y); (14.47)
S
[3]
t
= S
[2]
t
(y) + (1 - )S
3
t - 1
(y); (14.48)
Оценки коэффициентов параболической зависимости для тренда будут иметь вид :
b0 = 3[S
[1]
t
(y) - S
[2]
t
(y)] + S
[3]
t
(y); (14.49)
b1 =
2(1 - )2
[(6 - 5)S
[1]
t
(y) - 2(5 - 4)S
[2]
t
(y) + (4 - 3)S
[3]
t
(y)]; (14.50)
b2 =
(1 - )2
[S
[1]
t
(y) - 2S
[2]
t
(y) + S
[3]
t
(y)]. (14.51)
Прогноз на момент t1 будет равен
y
*
t1
= b0 + b1t1 +
1
2
b2t
2
1
. (14.52)
Ошибка прогноза
y* t 2 + 32 + 33t1. (14.53)
Оценка коэффициентов аппроксимирующей зависимости методом наименьших квадратов
В случае равной точности измерений для динамического ряда, заданного таблицей (yi, ti), i = l, n , критерий оптимальности МНК будет иметь вид
S = [yi - f(ti, b0, b1, ..., bp)]2 min, (14.54)
где f(ti, b0, b1, ..., bp) - аппроксимирующая зависимость вида (14.27).
Дифференцируя (14.54) по параметрам b0,b!,...,bp и приравнивая частные производные нулю, получаем систему нормальных линейных уравнений:
f(ti, b0, b1, ..., bp)]2[ZEBR_TAG_/td
n - 1
. (14.58)
Пример прогнозирования объема продаж методом экспоненциального сглаживания
Рассмотрим задачу прогнозирования объема продаж ГП фирмы с помощью линейной модели Брауна. Исходный ретроспективный ряд объема продаж за период с 1993 по 1996 годы дан в табл.
14.4.
Для определения начальных приближений по формулам (14.34), (14.35) нам необходимо предварительно найти оценки коэффициентов линейного тренда
y(t) = Q = b0 + b1t.
Коэффициенты b0, b1 определяем по МНК, используя данные
табл. 14.4 и формулы (14.56), (14.57).
Расчет сводим в табл. 14.5, графы 3-8.
Определяем коэффициенты линейного тренда по формулам (14.56), (14.57):
D0 =
|
4
10
|
10
30
= 20; D1 =
|
177
10
|
456
30
= 750; D2 =
|
4
177
|
10
456
= 54;
b1 =
D1
D0
=
750
20
= 37,5; b2 =
D2
D0
=
54
20
= 2,7.
Уравнение линейного тренда, полученное по МНК с использованием ретроспективного ряда (табл. 14.4) имеет вид
у = f(t) = 37,5 + 2,7t.
Таблица 14.4
Исходный динамический ряд объемов продаж ГП
Годы, t
1993 г.
1994 г.
1995 г.
1996 г.
1997 г.
Объем продаж (тыс. усл. ед.), yi
40
43
46
48
прогноз
i
1
2
3
4
5
Таблица 14.5
Расчет прогноза объема продаж на 1997 год
f (ti) (гр. 8 табл. 14.5) и подставляем их в формулу (14.58) для определения ошибки t: [ZEBR_TAG_br t =
(0,2)2 + (0,1)2 + (0,4)2 + (0,3)2
4 - 1
= 0,3
Вычисляем параметр сглаживания . Для этого используем формулу (14.31)
=
2
n + 1
=
2
4 + 1
= 0,4.
Рассчитываем по формулам (14.34), (14.35) начальные приближения для определения экспоненциальных средних:
S
[1]
0
= 37,5 -
1 - 0,4
0,4
2,7 = 33,45;
S
[2]
0
= 37,5 -
2(1 - 0,4)
0,4
2,7 = 29,4.
Далее формируем рекуррентную процедуру вычисления экспоненциальных средних и прогноза по формулам (14.36) - (14.40). Данные расчета заносим в таблицу (14.5) (графы 9-11).
Шаг 1: t = 2, (1993г.)