Адаптивные методы прогнозирования, которые имеют целью построение самонастраивающихся моделей, способных учитывать информационную ценность различных членов временного ряда и давать достаточно точные оценки будущих членов данного ряда. Среди адаптивных методов можно выделить такие, как методы авторегрессии и экспоненциального сглаживания [c.60]
Считается, что характерной чертой адаптивных методов прогнозирования является их способность непрерывно учитывать эволюцию динамических характеристик изучаемых процессов, подстраиваться под эту эволюцию, придавая, в частности, тем больший вес и тем более высокую информационную ценность имеющимся наблюдениям, чем ближе они к текущему моменту прогнозирования. Однако деление методов и моделей на адаптивные и неадаптивные достаточно условно. В известном смысле любой метод прогнозирования адаптивный, т.к. все они учитывают вновь поступающую информацию, в том числе наблюдения, сделанные с момента последнего прогноза. Общее значение термина заключается, по-видимому, в том, что адаптивное прогнозирование позволяет обновлять прогнозы с минимальной задержкой и с помощью относительно несложных математических процедур. Однако это не означает, что в любой ситуации адаптивные методы эффективнее тех, которые традиционно не относятся к таковым. [c.51]
ГЛАВА 2. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ АДАПТИВНЫХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ [c.71]
Экспоненциальная средняя может использоваться для прогнозирования адаптивным методом, последовательно переходя к значениям в следующий момент времени. [c.665]
К разновидности экстраполяционных методов методов можно отнести метод прогнозирования на основе адаптивных моделей, и, как утверждают его сторонники, модели такого типа способны учитывать эволюцию динамических характеристик. Наибольшее распространение получили модели с использованием процедуры экспоненциального сглаживания, в основе которых лежит предположение о наличии медленного дрейфа параметров прогнозируемой модели. [c.126]
Под адаптивным прогнозированием понимают методы прогнозирования, основанные на адаптации к данным либо другой информации, на базе которой строится прогноз. Основное свойство такого метода при поступлении новых данных значение прогноза меняется, адаптируясь к вновь поступившей информации, и становится таким образом более чувствительным к ней. При небольшом изменении значений данных прогноз также будет мало изменяться. [c.57]
Разумеется, подобная картина резкого повышения спроса может встретиться и на практике, однако прогнозирование рядов, подверженных с достаточной частотой подобным иррегулярным колебаниям вследствие применения адаптивных методов, вряд ли целесообразно. С точки зрения адаптивных методов предпочтительнее было бы относительно плавное повышение спроса, эффект которого был бы в будущем смягчен и распространился после подъема на достаточно длительный промежуток времени. [c.58]
Л у к а ш и н Ю. П. Адаптивные методы краткосрочного прогнозирования.— М. Статистика, 1979. [c.132]
Весьма эффективным и надежным методом прогнозирования является экспоненциальное сглаживание. Основные достоинства метода состоят в возможности учета весов исходной информации, в простоте вычислительных операций, в гибкости описания различных динамик процессов. Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Наибольшее применение метод нашел для реализации среднесрочных прогнозов. Для метода экспоненциального сглаживания основным и наиболее трудным моментом является выбор параметра сглаживания а, начальных условий и степени прогнозирующего полинома. На рисунке 4.51 показана зависимость качества прогнозов от изменения параметра сглаживания а для адаптивной модели первого порядка, построенной для курса акций ОАО РАО ЕЭС . Из рисунка хорошо видно, как влияет на качество прогнозов изменение параметра сглаживания а. [c.183]
Рынки, как известно, складываются из цены и времени. Идея успешной торговли состоит в равновесии этих двух составляющих, из которых, дна-ко, время является более сильной. Чтобы определять время образования вершин или оснований, грейдер должен владеть различными методами. Хронометраж может быть осуществлен путем выявления циклов, как естественных, так и адаптивных. Естественные циклы представлены природными явлениями, связанными с движением планет, а также могут быть созданы прошлым рыночным действием, - таким, как ежегодные даты и дробление времени. Хронометраж может также проводиться с использованием адаптивных методов -квадрата ценового диапазона, квадрата максимума и квадрата минимума. Продолжительность восходящих и нисходящих колебаний также может быть использована для прогнозирования будущих вершин и оснований. И, наконец, настоятельно рекомендуется сочетать различные методы работы со временем в практической деятельности. Опыт показывает, что "группировки" индикаторов времени наиболее эффективны для выявления вершин и оснований рынков. [c.292]
Адаптивные модели и методы прогнозирования имеют механизм автоматической настройки на изменение исследуемого показателя. Инструментом прогноза является модель, первоначальная оценка параметров которой производится по нескольким первым наблюдениям. На ее основе делается ретроспективный прогноз, который сравнивается с фактическими наблюдениями. Далее модель корректируется в соответствии с величиной ошибки прогноза и вновь используется для ретроспективного прогнозирования следующего уровня, вплоть до исчерпания последнего наблюдения. В итоге модель впитывает новую информацию, приспосабливается к ней и к концу периода наблюдения отражает тенденцию, сложившуюся на текущий момент времени. Прогноз получается как экстраполяция последней тенденции, которая более полно учитывает сезонные и малые циклические колебания динамического ряда. [c.247]
Экспоненциально сглаживать на самом деле можно не только сам но и коэффициенты трендов, линейного или экспоненциального, циенты сезонности и т.п. Параметр сглаживания а в модели (1) также может быть не постоянной, а изменяющейся величиной (соответствующие методы называют методами адаптивного прогнозирования). [c.32]
Давние В. В. Адаптивное прогнозирование модели и методы. Воронеж ВГУ, 1997. [c.212]
Для анализа каждого из описателей удобно применить методы адаптивного прогнозирования. Когда поступают новые значения, происходит так называемая адаптация к этой информации и прогноз становится более чувствительным. Польза заключается в том, что более чувствительный прогноз приводит к меньшей разнице между прогнозируемыми и фактическими результатами и, следовательно, повышается точность используемого значения описателя. Представленный график на рис. 1.4 является типичным примером для нефтехимических предприятий, когда возможны и низкие импульсы (3-6 месяцев), и достаточно высокие (9-11 месяцев). Здесь можно применить метод Чоу [301, который основан на построении трех вариантов экспоненциального среднего с тремя различными константами сглаживания [c.50]
Чоу предложил метод адаптивного прогнозирования, основанный на построении трех одновременных прогнозов по схеме экспоненциально взвешенного среднего с тремя различными константами экспоненциального сглаживания а. [c.60]
Обычно при прогнозе на сутки определяются ожидаемая почасовая нагрузка, а также пиковая нагрузка и суммарное суточное потребление электроэнергии в обслуживаемом районе. Для таких задач наибольшее распространение получили линейные регрессионные модели, основанные на анализе временных рядов, а также в последнее время - более совершенные - адаптивные обучаемые нелинейные модели, создаваемые на принципах искусственных нейронных сетей . Эти инструменты прогнозирования образуют широкий класс методов экстраполяции. [c.405]
Принцип альтернативности прогнозирования связан с возможностью развития объекта, отдельных его компонентов и технологии изготовления изделия по разным траекториям, с различными затратами в зависимости от использования тех или иных принципов, закладываемых в конструкцию или технологию. Вероятностный характер прогнозирования отражает наличие случайных процессов и отклонений при сохранении устойчивости прогнозируемых тенденций. На формирование альтернатив влияют конкретные цели удовлетворения определенных потребностей потребителя и сокращение затрат на достижение этих целей. Принцип адаптивности прогнозирования заключается в изучении и максимальном использовании факторов внешней и внутренней среды объекта как системы, в приспособлении методов и параметров прогнозирования к этим факторам, к конкретной ситуации. [c.172]
Принцип адаптивности прогнозирования заключается в изучении и максимальном использовании факторов внешней и внутренней среды объекта как системы, в приспособлении методов и параметров прогнозирования к этим факторам, к конкретной ситуации. [c.103]
Д. Оценка математической модели прогнозирования. На этом этапе исследования определяются параметры различных видов аппроксимирующих функций. Наиболее распространенными методами оценки параметров аппроксимирующих зависимостей являются метод наименьших квадратов (МНК) и его модификации, метод экспоненциального сглаживания, метод вероятностного моделирования, метод адаптивного сглаживания. [c.169]
Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, то есть он позволяет оценить параметры модели, описывающей тенденцию, которая сформировалась в конце базисного периода, и тем самым не просто экстраполирует действующие зависимости в будущее, а приспосабливается, адаптируется к изменяющимся во времени условиям. Преимущества метода в том, что он не требует обширной информационной базы, а предполагает ее интенсивный анализ с точки зрения информационной ценности различных членов временной последовательности. Модели, описывающие динамику показателя, имеют простую математическую формулировку, а адаптивная эволюция параметров позволяет отразить неоднородность и текучесть свойств временного ряда. Метод применяется при кратко- и среднесрочном прогнозировании. [c.161]
Л у к а ш и н Ю. П. Программы адаптивных методов прогнозирования на Фортране-IV. — М. ротапринт ИМЭМО, 1978. [c.132]
Во второй части рассмотрены классические адаптивные модели прогнозирования, реализованные в MS Ex el. Несмотря на то, что они программно реализованы в некоторых статистических и эконо-метрических пакетах прикладных программ, предложен именно ручной счет, освоив который гораздо легче понимать принципы и специфику данных методов прогнозирования. [c.6]
При краткосрочном прогнозировании обычно более важна динамика развития исследуемого показателя на конце периода наблюдений, а не тенденция его развития, сложившаяся в среднем на всем периоде предыстории. Свойство динамичности развития финансово-экономических процессов часто преобладает над свойством инерционности, поэтому более эффективными являются адаптивные методы, учитывающие информационную неравнозначность данных. [c.71]
Программа прогноза данных "СтатЭксперт" основана на использовании статистических методов прогнозирования. В программе используются 4 метода кривые роста, адаптивные модели, метод Бокса-Дженкинса и модели ОЛИМП. [c.73]
Такой переход позволяет определить знак изменения курса валюты, что достаточно для достижения прибыли от операций с ней. При наличии у временного ряда линейного тренда могут быть применены и другие методы адаптивного прогнозирования Брауна, Хольта и Тей-ла-Вейджа. [c.676]
В 12-й главе изучены методы адаптивного моделирования динамических рядов, которые основаны на экспоненциальном сглаживании (экспоненциальной скользящей средней). Преимуществом этих методов является учет временной ценности данных и, следовательно, постоянное адаптирование к изменяющимся уровням динамического ряда, что имеет решающее значение при моделировании и прогнозировании волатильных рядов. [c.12]
Динамические эконометрические модели. Модели с распределённым лагом. Изучение структуры лага и выбор вида модели с распределённым лагом лаги Алмон, метод Койка, метод главных компонент. Модели адаптивных ожиданий. Оценка параметров моделей авторегрессии. Прогнозирование на основе временных рядов. Тесты на устойчивасть тест Чоу, F-тест. Оценка качества прогнозов. [c.4]
ОЖИДАНИЯ (в экономическом смысле), иногда предположения [expe tations] — представление о будущих характеристиках экономической системы в условиях неопределенности. В процессе исследований рыночного равновесия разработана, в частности, теория "рациональных ожиданий" — статистических оценок будущего развития. Изучаются методы формирования ожиданий и их влияние на экономическое поведение индивидуумов, фирм и государства (очевидно, напр., что прогнозирование возможной выручки определяет принятие решений о начале производства того или иного товара). "Инфляционные ожидания", т.е. ожидания будущего повышения цен, стимулируют покупательский спрос (иногда принимающий форму ажиотажного), и это, в свою очередь, стимулирует ускорение инфляции. В этом случае О. выступают как самооправдывающийся прогноз. "Адаптивные О." — те, которые постоянно пересматриваются с учетом реально происходящих изменений. [c.238]
В разд. 1 гл. 1 вводится понятие простого экспоненциального взвешенного среднего, на котором основаны все модели сглаживания. В гл. 2 разбираются более сложные варианты основной модели, применяющиеся в условиях тренда и сезонных колебаний. В гл. 3 обсуждаются различные меры точности прогноза. В гл, 4 рассматривается методы сглаживания, используемые в автоматическом рёйсШе краткосрочного прогнозирования, В следующей главе обсуждаются возможности адаптивного прШиозирования. Гл. 6, хотя и не имеет прямого отношения к методам экспоненциального сглаживания, посвящена другой немаловажной проблеме — анализу автокорреляции в задаче определения типа динамики прогнозируемого ряда — необходимому условию выбора прогностической модели. [c.14]
Хотя метод Чоу с практической точки зрения и кажется весьма привлекательным по сравнению с методом адаптивной скорости реакции Тригга и Лича, описание которого читатель найдет ниже, он уступает ему в простоте, поскольку требует запоминания всех трех прогнозов. Однако этот метод весьма интересен и представляет собой одну из первых попыток создания методов адаптивного прогнозирования. [c.61]
По этому методу, если в результате резких изменений показателя применяемый прогностический метод становится неудовлетворительным, значение следящего контрольного сигнала автоматически увеличивается, вследствие чего ббльший вес придается последним наблюдениям, а прогноз переходит на новый уровень среднего. После того как система перестроилась на новый уровень, значение Tt автоматически уменьшится и прогнозы станут менее чувствительны к изменению данных. Метод адаптивной скорости реакции значительно быстрее приспосабливается к резким колебаниям показателя, чем простейший метод экспоненциального сглаживания (рис. 5.3), и может с успехом применяться и для прогнозирования сезонной и трендовой компоненты. [c.62]
Существенной является возможность использования не только традиционных оперативных методов анализа и прогнозирования, но и специальных методов для многоаспектного оперативного анализа в рамках концепции информационного хранилища и формирования семейства адаптивных моделей. В зависимости от ситуации на рынке и квалификации конечного пользователя целесообразно предусматривать использование "быстрых", "стандартных" и "точных" прогнозов. СППР должна ориентироваться на различные группы конечных пользователей. Так, для типовых задач желательно использовать преимущественно эконометрические термины, не требующие глубоких знаний в области статистики и математики. Для детального аналитического исследования необходимо иметь возможность применять исследовательский блок для нетрадиционных и плохо формализуемых задач. Целесообразно комплексное использование математических методов на протяжении всего цикла управления - от планирования до выработки корректирующих воздействий. Особое внимание должно уделяться планированию, управленческому учету и выработке решений на основе оценки результатов за прошедший период. Современные методы планирования, рассмотренные в ряде работ [6, 11, 18], используют в качестве целевой функции те или иные виды обобщенных показателей качества. [c.127]
Смотреть страницы где упоминается термин Адаптивные методы прогнозирования
: [c.341] [c.2] [c.80] [c.72] [c.380] [c.141] [c.6]Смотреть главы в:
Методы прогнозирования в условиях рынка -> Адаптивные методы прогнозирования