КОМПОНЕ́НТЫ ВРЕМЕННО́ГО РЯ́ДА
-
Рубрика: Экономика
-
-
Скопировать библиографическую ссылку:
КОМПОНЕ́НТЫ ВРЕМЕННО́ГО РЯ́ДА, факторы, влияющие на уровни временного ряда (см. Ряды динамики). Обычно выделяют четыре базовые К. в. р.: трендовую, циклическую, сезонную и нерегулярную (или случайную). Анализ временны́х рядов путём разложения их на перечисленные компоненты называется декомпозицией.
Трендовая компонента отражает долговременную тенденцию. Для её построения используют метод аналитич. выравнивания, который заключается в подборе функции, наилучшим образом описывающей зависимость уровней временнóго ряда от времени. Параметры функции определяются на основе метода наименьших квадратов (МНК). Наиболее часто используют линейную, экспоненциальную, логарифмическую и полиномиальную функции. Циклическая компонента отражает циклич. изменения уровней временнóго ряда для периодов св. 1 года. Циклич. компонента связана с циклами деловой активности; её периодичность составляет от 2 до 10 лет. Циклич. компоненту сложно идентифицировать, если анализировать данные за непродолжительный, относительно цикла, период времени. В этом случае циклич. компоненту невозможно отделить от трендовой. Сезонная компонента отражает периодич. изменения уровней временнóго ряда внутри года и может отражать квартальные, месячные или недельные циклы. Сезонная компонента может быть измерена с помощью индексов сезонности; наиболее часто используют месячные индексы. Нерегулярная компонента отражает нерегулярные флуктуации (от лат. fluctuatio – колебание) уровней временнóго ряда, которые невозможно предсказать, является следствием однократных, а не систематич. событий, влияющих на уровни ряда.
Выделяют два осн. способа (модели), с помощью которых К. в. р. могут взаимодействовать:
1) аддитивная модель: $y_i=T_i+C_i+S_i+I_i;$
2) мультипликативная модель: $y_i=T_i\times C_i\times S_i \times I_i$,
где $y_i$ – уровень ряда динамики; $T_i$ – трендовая компонента; $C_i$ – циклич. компонента; $S_i$ – сезонная компонента; $I_i $– нерегулярная компонента.
Выбор между аддитивной и мультипликативной моделью зависит от характера исходных данных. Напр., если каждый год амплитуда циклич. и сезонных изменений постоянна, используют аддитивную модель; если амплитуда этих изменений увеличивается вместе с ростом показателя, используют мультипликативную модель. В практике прогнозирования мультипликативная модель применяется чаще.
В случае когда невозможно выделить циклич. компоненту, модель состоит из трёх элементов – трендовой, сезонной и нерегулярной компонент.