Metoda średniej ruchomej

Prognozowanie i symulacje

Strona główna | Ekonometria | Statystyka | Prognozowanie i symulacje | Formularz kontaktowy

 

 

 

Modele średniej ruchomej służyć mogą zarówno do wygładzania szeregu czasowego jak i  do prognozowania.

Kolejne wartości prognoz wygasłych powstają poprzez obliczanie średniej arytmetycznej dla wybranej liczby elementów i tak np: dla średniej ruchomej trzyelementowej uśredniamy 3 poprzednie obserwacje.

Innym sposobem jest obliczanie średnich dla 3ech obserwacji w okresach t-1,t oraz t+1 zaś prognoza obliczana jest dla momentu t .

Sposób  obliczania prognozy na podstawie modelu średniej ruchomej prostej można wyrazić wzorem:

a)                                                 

 

gdzie: * -prognoza zmiennej Y wyznaczona naokres t,

      * - wartość prognozowanej  okresie i,

       k - stała wygładzania (np. 3 dla średniej trzyelementowej itd)

 

Aby określić jaka średnia będzie najlepsza obliczamy prognozy wygasłe dla każdej  średniej ruchomej  a następnie obliczamy średni kwadratowy błędu prognozy ex post . Błąd ten oblicza się sumując odchylenia prognoz wygasłych od wartości zmiennej prognozowanej, dzieląc przez n-k (liczna obserwacji minus stała wygładzania) i pierwiastkując .

Można to wyrazić  wzorem:

 b)                                          

 

 

Spośród badanych średnich wygrywa ta, która posiada błąd najmniejszy czyli można powiedzieć, iż jest najlepiej dopasowana do danych rzeczywistych szeregu.

Średnia ruchoma prosta ma wadę polegającą na tym, iż  każda z przyjętych do wygładzania obserwacji ma jednakową równą 1 wagę, czyli taki sam udział w szacunku  prognozy.

Lepiej jest nadawać większe wagi obserwacjom nowszym, które są świeższe i mają większy wpływ na prognozę. Wnioskowanie takie, określamy terminem postarzania informacji a  spełnia go model średniej ruchomej ważonej, według którego prognozę oblicza się wg wzoru:

                                                        

gdzie:

-waga nadana przez prognostę wartości zmiennej prognozowanej w momencie lub okresie i,

 k - stała wygładzania.

                0 <  <  < ... <  ≤ 1       oraz   

Jeśli szacujemy model średniej ruchomej musimy podać stałą wygładzania oraz wagi jakie przyjmujemy.

Wagi możemy przyjmować stosując metodę prób i błędów jednocześnie obserwując błąd prognozy ex-post.

Jeśli chcemy ten proces przyspieszyć warto zapoznać się z funkcją Solver zawartą w Excelu, która daje możliwość znalezienia optymalnego wyniku  przy zadanych warunkach.

Narzędzie to służy do rozwiązywania zadań optymalizacyjnych i może być także wykorzystane w innych modelach jak Holta, Browna i Wintersa gdzie poszukujemy parametrów alfa , beta i gamma w celu najlepszego dopasowania modelu. Szukanie "ręcznie" jest niezwykle pracochłonne i nigdy nie da tak dobrego rezultatu jak Solver. 

 

Modele średniej ruchomej powinno się stosować gdy zmienna zachowuje sią stabilnie czyli ma wahania przypadkowe ale nie charakteryzuje się wyraźnym trendem lub wahaniami sezonowymi.

Dopuszcza się jedynie wahania przypadkowe i najlepiej niezbyt silne.

Inną wadą modelu średniej ruchomej jest to, iż uwzględnia on tylko k ostatnich obserwacji nie biorąc pod uwagę wszystkich poprzednich, które także mogą oddziaływać na wartość prognozy. J

ednak metoda ta jest powszechnie stosowana ze względu na swoją prostotę i satysfakcjonujące prognozy dla  szeregów bez trendu oraz niskiej zmienności.

 

Przykład

Prognozy dla średniej ruchomej ważonej obliczamy:

yt* = prognozowana wartość .

 

Przyjmę wagi:

w1 =0,01
w2 =0,49
w3 =0,5

 

ŚREDNIA RUCHOMA 3-ELEMENTOWA ważona

 

Średni błąd absolutny

 

MAPE - wartość średnia względnych błędów prognoz

 

Średni kwadrat błędów prognoz wygasłych

 

s* - pierwiastek kwadratowy z średniego błędu prognozy

 

Wykres wartości rzeczywistych i wygładzonych:

średnia ruchoma ważona

 


 

ŚREDNIA RUCHOMA 3-ELEMENTOWA

 

Średni błąd absolutny

 

MAPE - wartość średnia względnych błędów prognoz

 

Średni kwadrat błędów prognoz wygasłych

 

s* - pierwiastek kwadratowy z średniego błędu prognozy

 

Wykres wartości rzeczywistych i wygładzonych:

średnia ruchoma prosta

 

 


 

Mapa strony ekonometria.4me.pl

 

Ekonometria
Model ekonometryczny teoria
Jednorównaniowy model ekonometryczny
Metoda Hellwiga
MNK
Podstawy weryfikacji
Hipoteza o istotności parametrów strukturalnych
Funkcja produkcji
Ekonometria  korelacja i regresja  wzory
Założenia i własności predykcji ekonometrycznej
Jak to robią profesjonaliści ?
Analiza przepływów międzygałęziowych
Programowanie liniowe
Analiza popytu
Analiza kosztów
Współczynniki Pearsona  dwie zmienne objaśniające
Współczynniki Pearsona trzy zmienne objaśniające
Zadania obowiązujące na SGH cz.1

 

Statystyka

Statystyka  pojęcia podstawowe

Parametry statystyczne

Opracowanie materiału statystycznego

Tablica korelacyjna

Podstawowe prawdy statystyki

Kilka rozkładów

Statystyka  wzory

Dystrybuanta rozkładu normalnego N

Rozkład Durbina Watsona

Rozkład t-Studenta

Rozkład wartości krytycznej współczynnika korelacji dla 0,05

Rozkład F dla 0,05

Rozkład F dla 0,01

Rozkład liczby serii

Rozkład Poissona

Rozkład G.Cochrana

Rozkład chi kwadrat

Prognozowanie i symulacje

Prognozowanie sprzedaży

Prognozowanie popytu
Prognozowanie -metody heurystyczne
Składowe szeregów czasowych
Modele szeregów czasowych
Metody naiwne
Metoda średniej ruchomej

Wygładzanie wykładnicze
Prognozowanie ekonometryczne
Modele tendencji rozwojowej
Modele analityczne
Trend pełzający
Modele składowej periodycznej
Metoda wskaźników
Analiza harmoniczna
Modele autoregresyjne
Modele ARMA i ARIMA
Model nieliniowy
Model tendencji rozwojowej
Metoda prognozowania Hellwiga
Metoda trendu pełazającego
Prognozowanie ekonometryczne


Copyright © ekonometria.4me.pl 2005-2013. Wszelkie prawa zastrzeżone. Zabrania się kopiowania, redystrybucji, publikacji lub modyfikacji jakichkolwiek materiałów zawartych na stronie internetowej , bez wcześniejszej pisemnej zgody autorów.


 

Metoda średniej ruchomej