енд - це зміна, що б загальне напрям розвитку, основну тенденцію часових рядів. Під ним розуміється характеристика основної закономірності руху в часі, в деякій мірі вільною від випадкових впливів. Тренд - Це тривала тенденція зміни економічних показників. При розробці моделей прогнозування тренд виявляється основною складовою прогнозованого часового ряду, на яку вже накладаються інші складові. Результат при цьому пов'язується виключно з ходом часу. Передбачається, що через час можна висловити вплив всіх основних чинників.
Задача прогнозу полягає у визначенні виду екстраполіруемого функцій на основі вихідних емпіричних даних і параметрів обраної функції. Першим етапом є вибір оптимального виду функції, яка дає найкраще опис тренда. Наступним етапом є розрахунок параметрів вибраної екстраполяціонной функції. При оцінці параметрів залежностей найбільш поширеними є метод найменших квадратів і його модифікацій, метод експоненціального згладжування, метод ковзної середньої та інші.
Сутність методу найменших квадратів полягає у знаходженні параметрів моделі тренда, мінімізують її відхилення від точок вихідного часового ряду, тобто мінімізації суми квадратичних відхилень між що спостерігаються і розрахунковими величинами. Модель тренду може відрізнятися за виглядом. Її вибір у кожному конкретному випадку здійснюється відповідно до низки статистичних критеріїв. Найбільше поширення в практичних дослідженнях отримали наступні функції: лінійна, квадратична, статечна, показова, експонентна, логічна. Особливо широко застосовується лінійна, або лінеарізуемая, тобто сводимая лінійній формі, як найбільш і проста в достатньою мірою задовольняє вихідними даними. Метод найменших квадратів широко застосовується в прогнозуванні в силу його простоти і те, що модель тренду жорстко фіксується, а це робить можливим його застосування тільки при невеликих періодах попередження, тобто при короткостроковому прогнозуванні.
Метод експоненціального згладжування дає можливість отримати оцінки параметрів тренда, що характеризують не середній рівень процесу, а тенденцію, сформовану до моменту останнього спостереження. Цей метод дозволяє оцінити параметри моделі, яка описує тенденцію, яка сформувалася наприкінці базисного періоду. Він не просто екстраполює діючі залежності в майбутнє, а пристосовується, адаптується до мінливих в часі умовам.
Метод експоненціального згладжування застосовується при коротко-і середньостроковому прогнозуванні. Його переваги полягають у тому, що він не вимагає обширної інформаційної бази та передбачає її інтенсивний аналіз з точки зору інформаційної цінності різних членів тимчасової послідовності. Моделі, описують динаміку показника, мають просту метематіческую формулювання, а адаптивна еволюція параметрів дозволяє відобразити неоднорідність і плинність властивостей часового ряду.
Метод ковзної середньої дає можливість вирівнювати динамічний ряд шляхом його розчленування на рівні частин...
