|
|
|
Наиболее часто при практическом построении прогнозов экономических показателей приходиться учитывать их сезонность и цик- личность. Для прогнозирования несезонных и сезонных процессов используется различный математический аппарат. Динамика многих финансово-экономических показателей имеет устойчивую колеба- тельную составляющую. При исследовании месячных и кварталь- ных данных часто наблюдаются внутри годичные сезонные колеба- ния соответственно с периодом 12 и 4 месяцев. При использовании дневных наблюдений часто наблюдаются колебания с недельным (пятидневным) циклом. В этом случае для получения более точных прогнозных оценок необходимо правильно отобразить не только тренд, но и колебательную компоненту. Решение этой задачи воз- можно только при использовании специального класса методов и моделей [6, 62, 79]. В основе сезонных моделей лежат их несезонные аналоги, кото- рые дополнены средствами отражения сезонных колебаний. Сезон- ные модели способны отражать как относительно постоянную се- зонную волну, так и волну, динамически изменяющуюся в зависи- мости от тренда. Первая форма относится к классу аддитивных, а вторая – к классу мультипликативных моделей. Большинство моде- лей имеет обе эти формы. Наиболее широко в практике используют- ся модели Хольта-Уинтерса, авторегрессии, модели Бокса- Дженкинса [15, 34]. При краткосрочном прогнозировании обычно более важна ди- намика развития исследуемого показателя на конце периода наблю- дений, а не тенденция его развития, сложившаяся в среднем на всем периоде предыстории. Свойство динамичности развития финансово- экономических процессов часто преобладает над свойством инерци- онности, поэтому более эффективными являются адаптивные мето- ды, учитывающие информационную неравнозначность данных. Адаптивные модели и методы имеют механизм автоматической настройки на изменение исследуемого показателя. Инструментом прогноза является модель, первоначальная оценка параметров которой производится по нескольким первым наблюдениям. 
|
|
|
