Модели временных последовательностей

Используемые для наших целей временные последовательности представляют собой последовательность наблюдений за интересующей переменной. Переменная наблюдается через дискретные промежутки времени. Анализ временных последовательностей включает описание процесса или феномена, который генерирует последовательность. Для предсказания временных последовательностей, необходимо представить поведение процесса в виде математической модели, которая может быть распространена в будущем. Для этого необходимо, чтобы модель хорошо представляла наблюдения в любом локальном сегменте времени, близком к настоящему. Обычно нет необходимости иметь модель, которая представляла бы очень старые наблюдения, так как они скорее всего не характеризуют настоящий момент. Также нет необходимости представлять наблюдения в далеком будущем, т.е. через промежуток времени, больший чем горизонт прогнозирования. После того, как будет сформирована корректная модель для обработки временной последовательности, можно разрабатывать соответствующие средства прогнозирования.

Большинство моделей прогнозирования временных последовательностей разрабатываются для представления этих вариантов последовательностей: константных, тренда, периодических (циклических), или их комбинаций. Кроме этих моделей существуют их варианты, появляющиеся, когда в процессе, генерирующем переменную, возникают глубинные изменения.

На один период процесс перешел на более высокий уровень, а потом ввернулся на предыдущий уровень. Примером может быть кратковременное увеличение продаж из-за забастовки на заводе конкурентов. Например, переход на новый уровень остается постоянным, о таком процессе мы будем говорить, как о процессе с шаговым изменением. Причиной такого изменения, например, может быть приобретение нового клиента. И, наконец, пример последовательности, которая некоторое время находилась на постоянном уровне, а потом неожиданно перешла в тренд. Так как эти три типа изменений достаточно часто встречаются на практике, мы хотим, чтобы наша прогнозирующая система идентифицировала постоянные изменения и подстраивала модель прогнозирования под изменения в процессе.

Обсудить на форуме | опубликовано: 10.01.07