Стр. 42 - Социально-экономическое прогнозирование

СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ
40
где Yt - значение временного ряда в точке t, α - коэффициент сглаживания,
Et - сглаженное значение временного ряда в точке t, Et+1 - сглаженное значение
временного ряда в точке t+1.
Значение коэффициента сглаживания выбирается в зависимости от
ситуации. Чем выше стабильность прогнозируемого показателя, тем меньшее
значение следует принимать для коэффициента α. При быстром росте или
падении прогнозируемого показателя следует увеличивать значение α.
Существует усовершенствованный метод экспоненциального
сглаживания, названный именем своего создателя – метод Холта [29].
В предложенном алгоритме значения уровня и тренда сглаживаются с
помощью экспоненциального сглаживания. Причем параметры сглаживания у
них различны. Аналитически метод представлен системой из трех уравнений,
где первое уравнение описывает сглаженный ряд общего уровня, второе
уравнение служит для оценки тренда, третье уравнение определяет прогноз на
несколько отсчетов по времени вперед.
Постоянные сглаживания в методе Хольта идеологически играют ту же роль,
что и постоянная в простом экспоненциальном сглаживании. Подбираются они,
например, путем перебора по этим параметрам с каким-то шагом.
Частным случаем метода Холта является метод Брауна . Данный метод
используется для прогнозирования динамических рядов, которые имеют
сложный характер изменения, не описывающийся линейным или
квадратическим законом [29].
Метод Холта (метод двухпараметрического экспоненциального
сглаживания) не позволяет учитывать сезонные колебания при
прогнозировании. Существует расширение метода Холта до
трехпараметрического экспоненциального сглаживания. Этот алгоритм
называется методом Уинтерса [29]. Метод Уинтерса хорошо подходит для
рядов с выраженной периодичностью, соответствующей, например,
«сезонным» колебаниям переменной. При его использовании число прогнозных
значений выбирают исходя из числа значений, полученных за период
колебаний.
Методы экстраполяции нашли широкое применение в прогнозировании,
так как обладают несколькими преимуществами.
Во-первых, это наиболее доступные методы с точки зрения потребности в
исходных данных. Для применения методов экстраполяции необходим лишь
временной ряд изменения показателя.
Во-вторых, для построения прогноза не нужны исследования взаимосвязи
прогнозируемого показателя с множеством факторов и определения силы их
влияния на показатель.