Перевод первоначальных данных в логарифмическую форму, предпринятый на шаге 3, лишь частично удаляет тренд, и, как только что было показано, остатки тренда в данных могут значительно повлиять на проверку статистической надежности. Отклонения от скользящей средней являются наилучшим способом полностью снять направленность с данных. Отклонения вычисляются путем вычитания скользящей средней данных из самих данных. Поскольку скользящая средняя отражает тренд в данных, вычитание ее из данных приводит к сериям, в которых нет тренда (рис. 16.11). Когда центрированная скользящая .средняя вычитается из первоначальных данных, в результате получаются новые временные ряды, составленные из отклонений или остатков от скользящей средней. Для каждого потенциального цикла, идентифицированного с помощью спектрального анализа, будут выведены отдельные серии отклонений. Вычисление серий отклонений проиллюстрировано на тех же данных, которые ранее были использованы, чтобы показать процесс вычисления центрированной скользящей средней:
Начальные данные 134,500 141,20 132,40 138,90
Логарифмы данных 2,1287 2,1498 2,1219 2,1427
Рисунок 16.11. УДАЛЕНИЕ ТРЕНДА С ПОМОЩЬЮ ОТКЛОНЕНИЙ
Значение центрированной скользящей средней 2,1335 2,1381
Отклонение (остаток) 0,0163 -0,0162
Метод отклонений от скользящей средней следует использовать очень осторожно из-за взаимодействия длины скользящей средней и периода данных (если они цикличны). Рис. 16.12 показывает, как выглядит скользящая средняя данных с безупречным 25-дневным циклом: скользящая средняя, рассчитанная по количеству точек, меньшему чем период цикла, будет содержать тот же цикл, но с меньшей амплитудой; скользящая средняя той же длины, что и цикл, будет постоянной величиной и не будет содержать цикла; скользящая средняя, более протяженная, чем период цикла, будет содержать цикл с инвертированной фазой и уменьшенной амплитудой. (Именно из-за последнего свойства в предыдущем шаге сглаживания данных было необходимо использовать скользящую среднюю более короткую, чем самый короткий из отыскиваемых циклов.)
Центрированная скользящая средняя с длиной, равной длине цикла, не содержит этого цикла. Следовательно, вычитание этой скользящей средней из первоначальных данных удалит тренд и оставит только цикл.
Рисунок 16.12.
ВЛИЯНИЕ СКОЛЬЗЯЩИХ СРЕДНИХ НА АМПЛИТУДУ И ФАЗУ ЦИКЛА
Однако если скользящая средняя существенно длиннее, чем отыскиваемый цикл, она будет скорее трансформировать первоначальный цикл, чем удалять его. Следовательно, при вычитании подобной скользящей средней из первоначальных серий будет получаться цикл с неправильными параметрами. Таким образом, если для снятия направленности с данных используются отклонения от средней, важно использовать скользящую среднюю, по длине примерно равную отыскиваемому циклу. Вот почему было необходимо сначала найти циклы (используя спектральный анализ) и лишь потом завершить процедуру удаления тренда. Если длительности потенциальных циклов не были бы известны, мы не могли бы знать длину скользящих средних, необходимых для нахождения рядов отклонений.
