Предыдущий раздел | Меню навигации | Следующий раздел |
Этот метод, названный именами его авторов, является изощренным усовершенствованием метода экспоненциального сглаживания временного ряда. Экспоненциальное сглаживание обеспечивает наглядное представление о тренде и позволяет делать краткосрочные прогнозы, а при попытке распространить прогноз на больший период получаются совершенно бессмысленные значения: создается впечатление, что развитие процесса в сторону роста или убывания совершенно прекратилось - на любой период будущего прогнозируются одни и те же значения отклика.
Более изощренный (или, если хотите, утонченный) метод Хольта-Винтерса успешно справляется и со среднесрочными, и с долгосрочными прогнозами, поскольку он способен обнаруживать микротренды (тренды, относящиеся к коротким периодам) в моменты времени, непосредственно предшествующие прогнозным, и экстраполировать эти тренды на будущее. И хотя возможна только линейная экстраполяция в будущее, в большинстве реальных ситуаций ее оказывается достаточно.
При использовании метода необходимо последовательно вычислять сглаженные значения ряда и значение тренда, накопленное в любой точке ряда.
где через E и T обозначены сглаженное значение ряда и тренд, рассчитываемые по всем точкам ряда, а U и V – константы сглаживания, относящиеся к оценкам уровня и тренда соответственно. Выбор значений этих констант опять-таки является крайне субъективным. Из приведенных уравнений метода следует, что значения U и V могут находится в интервале (0..1), но чаще всего исследователь выбирает их значения из более узкого диапазона [0.25 < U,V < 0.5] и при этом значения констант не обязаны совпадать. Лучше всего, если нет специальных соображений, начать моделирование с U = V = 0.3, а затем по необходимости их несколько варьировать. При более высоких значениях U в большей степени учитываются прошлые значения ряда и тенденция развития процесса, чем мгновенные; аналогично более высокие значения V переоценивают прошлое движение процесса по сравнению с современным.
В первой точке ряда значения E1 и T1 не рассчитываются, для их расчета не существует предшествующих экспериментальных значений. Во второй точке ряда принимается, что сглаженное значение E2 в точности равно наблюдаемому Y2, а микротренд за этот период считается линейным и рассчитывается как разность между текущим и прошлым значениями отклика T2 = Y2 – Y1. Начиная с третьей точки уже можно пользоваться указанными выше формулами: вначале рассчитывается сглаженное значение E3 по сглаженному значению и микротренду для прошлой точки ряда и отклику для текущей точки, а затем рассчитывается новый микротренд по своему предшествующему значению и разности между прошлым и только что оцененным сглаженным значением. Затем описанная процедура повторяется по всем последующим точкам временного ряда.
Поскольку схема расчета циклична, ее опять-таки удобнее всего реализовывать в электронных таблицах. Вы можете загрузить таблицу Quattro или таблицу в формате Excel и выполнить упражнение, а затем сравнить свои результаты с представленными ниже или сразу посмотреть итоговые результаты моделирования объема продаж фирмы Kodak по методу Хольта-Винтерса и их обсуждение.
Работа в Quattro Pro
|
Работа в MS Excel
|
Результаты расчета коэффициентов регрессии
Год | Объем выпуска | Коэффициенты в уравнении | |||||
U = 0.3; V = 0.3 | U = 0.2; V = 0.5 | U = 0.5; V = 0.2 | |||||
E | T | E | T | E | T | ||
1970 | 2.8 | — | — | — | — | — | — |
1971 | 3.0 | 3.000 | 0.200 | 3.000 | 0.200 | 3.000 | 0.200 |
1972 | 3.5 | 3.410 | 0.347 | 3.440 | 0.320 | 3.350 | 0.320 |
1973 | 4.0 | 3.927 | 0.466 | 3.952 | 0.416 | 3.835 | 0.452 |
1974 | 4.6 | 4.538 | 0.567 | 4.554 | 0.509 | 4.444 | 0.577 |
1975 | 5.0 | 5.032 | 0.516 | 5.012 | 0.484 | 5.010 | 0.569 |
1976 | 5.4 | 5.444 | 0.444 | 5.419 | 0.445 | 5.490 | 0.497 |
1977 | 6.0 | 5.966 | 0.499 | 5.973 | 0.499 | 5.993 | 0.502 |
1978 | 7.0 | 6.839 | 0.761 | 6.894 | 0.711 | 6.748 | 0.704 |
1979 | 8.0 | 7.880 | 0.957 | 7.921 | 0.869 | 7.726 | 0.923 |
1980 | 9.7 | 9.441 | 1.380 | 9.518 | 1.233 | 9.175 | 1.344 |
1981 | 10.3 | 10.456 | 1.125 | 10.390 | 1.052 | 10.409 | 1.256 |
1982 | 10.8 | 11.034 | 0.742 | 10.929 | 0.795 | 11.233 | 0.910 |
1983 | 10.2 | 10.673 | -0.030 | 10.505 | 0.186 | 11.171 | 0.133 |
1984 | 10.6 | 10.613 | -0.051 | 10.618 | 0.150 | 10.952 | -0.149 |
1985 | 10.6 | 10.588 | -0.032 | 10.634 | 0.083 | 10.702 | -0.230 |
1986 | 11.5 | 11.217 | 0.430 | 11.343 | 0.396 | 10.986 | 0.181 |
1987 | 13.3 | 12.804 | 1.240 | 12.988 | 1.020 | 12.234 | 1.034 |
1988 | 17.0 | 16.113 | 2.688 | 16.402 | 2.217 | 15.134 | 2.527 |
1989 | 18.4 | 18.521 | 2.492 | 18.444 | 2.130 | 18.031 | 2.823 |
1990 | 18.9 | 19.534 | 1.457 | 19.235 | 1.460 | 19.877 | 2.041 |
1991 | 19.4 | 19.877 | 0.677 | 19.659 | 0.942 | 20.659 | 1.034 |
1992 | 20.1 | 20.236 | 0.455 | 20.200 | 0.742 | 20.897 | 0.397 |
Прогнозные значения | |||||||
1993 | — | 20.691 | 20.942 | 21.293 | |||
1994 | — | 21.146 | 21.684 | 21.690 | |||
1995 | — | 21.600 | 22.426 | 22.087 | |||
1996 | — | 22.055 | 23.167 | 22.484 |
При расчете прогноза в методе Хольта-Винтерса предполагается, что сглаженное значение в последней точке является опорным, а определенный для нее микротренд сохранит свое значение и в будущем; функция прогноза оказывается линейной, и тогда
где j - номер периода в будущем, на который рассчитывается прогноз. Было бы слишком наивным надеяться, что микротренд, выступающий в функции прогноза в качестве коэффициента пропорциональности, сможет сохранить свою оценку на значительный период времени в будущем, но уж во всяком случае за 4-5 периодов он не сможет значительно измениться, и мы получим достоверный прогноз. Что же для более отдаленного будущего, то необходимо применение иных методов, которые не применяются в экономике хотя бы по той простой причине, что "как всем известно, предсказать состояние экономических показателей возможно не более чем на 20 минут вперед" (Ст. Лем, Экстелопедия Вестранда. Мнимая величина и Идеальный вакуум).
Графическое представление результатов для случая U = 0.3; V = 0.3 показывает хорошее соответствие между сглаженным и наблюдаемыми значениями отклика практически по всему ряду, и от метода в данном случае естественно ожидать хороших средне- и долгосрочных прогнозов. Оценить же ошибку прогноза нет возможности, поскольку невозможно построить статистические характеристики модели, сопоставимые с характеристиками моделей, построенных регрессионными методами. И хотя можно определить невязки в точках ряда и остаточную сумму квадратов модели, невозможно рассчитать дисперсию адекватности ввиду отсутствия достоверной информации о числе степеней свободы. Можно, правда, условно принять, что в процессе вычислений теряются две степени свободы, связанные коэффициентами U и V, и таким образом число степеней свободы на 2 меньше числа точек ряда, но серьезному статистику подобные рассуждения покажутся слишком спекулятивными. Если же не требовать от метода излишней строгости, подобную оценку вполне можно использовать.
Предыдущий раздел | Меню навигации | Следующий раздел |