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.

---

---