Шаги системы прогнозирования

Дать определение компонентам временных серий

Восемь шагов системы прогнозирования. Кроме методов, используемых для прогнозирования, имеются следующие восемь шагов прогнозирования.

1. Определение пользы прогноза, т. е. какие объекты мы рассматриваем

2. Отбор объектов, которые будут прогнозироваться.

3. Определение временных горизонтов прогноза—является он краткосрочным, среднесрочным или долгосрочным.

4. Отбор модели (моделей) прогнозирования.

5. Сбор данных, необходимых для прогноза.

6. Обоснование модели прогнозирования.

7. Выполнение прогноза.

8. Отслеживание результатов.

Эти шаги следует осуществлять системным путем, инициируя, решая и отслеживая систему EMV прогнозирования. Когда система используется для генерации прогнозов регулярно в течение времени, данные должны быть соответствующим образом собраны, и текущие расчеты прогнозов могут делаться автоматически, обычно на компьютере.

ВРЕМЕННЫЕ ИНТЕРВАЛЫ ПРОГНОЗИРОВАНИЯ

Временные серии базируются на последовательности равных промежутков (недельных, месячных, квартальных и т. д.) между точками данных.

Декомпозиция временных серий. Анализ временных серий ведется посредством разбивания прошлых данных на компоненты и затем проецированием их вперед. Временные серии обычно имеют четыре компоненты: тренд, сезонность, циклы и случайные вариации .

1. Тренд (Т) является градацией повышения или понижения данных за период.

2. Сезонность (5) является моделью данных, которая повторяется через определенные промежутки, измеряемые днями, неделями, месяцами или кварталами (чаще термин «сезонность» относится к наступлению зимы, весны, лета и осени).

3. Циклы (С) — это модели данных, которые встречаются каждые несколько лет. Они обычно связаны с циклами в бизнесе и, главным образом, важны в краткосрочном анализе и планировании бизнеса.

4. Случайные вариации (К) — это «блики» в данных, связанные со случайными и необычными ситуациями; они, следователь но, безразличны для модели.

Существуют две основные формы временных серий моделей в статистике. Наиболее широко используется мультипликативная модель, которая предполагает, что спрос является продуктом четырех компонент:

Спрос =ТхSхСхR.

Аддитивная модель требует прогнозирования суммированием компонент друг с другом. Это выглядит так:

Спрос =Т+S+С+R.

Рис 1. Спрос на товар за четыре года с трендом и сезонными колебаниями.

В большинстве реальных моделей прогнозирующие предполагают, что случайные вариации усредняются за рассматриваемый период. Тогда они концентрируют внимание только на сезонных компонентах и компонентах, которые являются комбинацией тренда и циклических факторов.