к.д.льюис
методы прогнозирования
Издательство «Финансы и статистика» выпускает на русском языке серию книг иностранных авторов, рассчитаиных на специалистов, нуждающихся в пополнении своих математических и етатистических знаний. Задача серии - познакомить советского читателя с ireitMii, применяемыми за рубежом в экономическом анализе и раздачных Хозяйствшаых расчетах. В серию включаются также работы по общим вопросам статистики. Выходит с 1968 г.
С 1980 г. вышли из печати:
1. Н. Хает и н ГС, Дш Пи ко к. Справочник по статистическим распределениям, 1980.
2. А. Гильберт. Как работать с матрицами. 1981.
3. М. Кендэл. Временные ряды. 1981.
4. Ю. К юн. Описательная и индуктивная статистика. 1981.
5. А. Эр ен б ер г. Анална к интерпретация статистических данных. 1981.
6. П. Мюллер, П. Н о й м а н Р. Шторм. Таблицы по математической статистике. 182.
7. Г. Ки м бл. Как правильно пользоваться статистикой. 1982.
8. Э. Ф ё р С т е р, Б. Р ё н ц. Методы корреляционного и регрессионного анализа. 1983.
9. М. Холлендер, Д. Вулф. Непараметрические методы статистики.
1983.
10. И. Лик еш, Р1. Ляга. Основные таблицы математической статистики. 1985.
П. Р. Д ж ее сен. Методы статистических обследований. 1985.
12. X. Арене, Ю. Лейтер Многомерный дисперсионный анализ. 1985.
Подготавливается к изданию:
Д ж. М е р д о к. Контрольные карты.
т on
НАУЧНАЯ БИБ.ЛИОТЕКА Тульского орда Грудоадгв
Красного Знамени политехнического института
Редколлегия серии:
в. и. ДАНИЛОВ-ДАН ил ЬЯН, Е. 3. ДЕМИДЕНКО, В. М. ИВАНОВА, А. В, ПАВЛЮКаВ, г. г. ПИРОГОВ, А. А. РЫБКИН, Е. М. ЧЕТЫРКИН, Р. fA. ЭНТОВ.
Q702060000-Q14 010(01)-86 М0-аб
© Butterworth & Со Piblishers Lid, 1982
(g) Перевод на русский язык, предисловие к русскому изданию, -....."ИИИЩ
статистика», 1986
ПРЕДИСЛОВИЕ
К РУССКОМУ ИЗДАНИЮ
В прогнозировании можно идти двумя путями. Первый - попытаться вскрыть причинно-следственный механизм, т. е. найти факторы, определяющие поведение прогнозируемого показателя, прогноз по котсым либо известен, либо найти нетрудно. Этот путь приводит собственно к экономико-математическому моделированию» построению модели поведения экономического объекта (статистические модели такого типа иногда называют эконометрическими). Второй путь - не вдаваясь в механику движения, попытаться предсказать будущее положение, анализируя временной ряд показателя изолированно. Именно такие методы изолированного анализа и прогнозирования рассматриваются в книге К. Д. Льюиса «Методы прогнозирования экономических показателей».
Методы прогнозирования существенно различаютсд в зависимости от того, является ли прогнозирование краткосрочным или qpeднecpoч-ным. В первом случае прогноз строится на один-два момента времени (квартал, месяц, неделю и т. п.) вперед и, как правило, оперативен и непрерывен. В большинстве случаев краткосрочного прогнозирования данные берутся либо за месяц, либо за неделю; соответственно прогноз необходимо построить на один-два месяца или неделю вперед. При среднесрочном прогнозировании данные, как правило, ежегодные, а прогноз необходимо строить на 5-10 лет вперед.
Указанные различия между задачами кратко- и среднесрочного прогнозирования приводят к необходимости решать их разными методами. В первом случае это основанные на идее экспоненциального сглаживания методы, впервые предложенные Р. Брауном [4], а во втором- методы выравнивания и экстраполяции трендов.
В соответствии с задачагди кратко- и среднесрочного прогнозирования и построена книга К- Д. Льюиса.
[Статистическое прогнозирование за рубежом стало неотъемлемым атрибутом экономической деятельности любой самостоятельной еди-дацы» от мелкой фирмы до компаний-гигантов. Наибольшее практическое распространение, особенно в США, получили методы краткосрочного прогнозирования спроса, встроенные в более общую систему автоматического контроля управления запасами Данная книга (особенно первая ее часть) и посвящена методам прогнозирования спроса.
Нам кажется, что прогнозирование спроса - далеко не единственная задача, которую можно решать этими методами, их потенциальные возможности гораздо шире.
В частности, ш р успехом можно применять в АСУ промышленности или торговли» управлении запасами - везде, где прогнозы строятся непреры»Ш) я по большому числу показателей.
Книга К. Д. Л1даиса рассчитана на широкий круг специалистов. Применение математического аппарата в ней минимально. Изложение по большей части рецептурно. Автор не ставит задачу полностью объяснить метод, гйжазать его свойства, раскрьдь сущность. Однако нарочито «закругляя углы» и упршцая дело, автор таким образом заставляет 4KTaTCmjlW,Hfto ошибках постигать сферу и рамки жштьвоШтйШШя йиого метода. Основная цель предисловия к русскому изданию закгночается в том, чтобы показать читателю некоторые 1 Идаодные камни применения статистических методов в прогнозирова- j НИИ и методов, обсуждаелшх в этой книге в частности. /
Методы !фат8Жроч1Юго гюгиозированяя, основанные иа экспо-* венцйальном сглаживании. Первая часть книги базируется на идее,, шдаинутой впервые Р. Брауном 141,- идее экспоненциалыю взвешен-j ной средней (экспоненциального сглаживания): если cff - ряд факти-1ких значений показателя d и О < а < I - константа сглаживания, / то экспоиенциально сглаженным рядом будет ряд uu получаемый! по рекуррентной формуле
ut = <xdt + {I - а) Ut. (l)
Тогда если мы находимся в точке t п и необходимо посЩШ» npor-i ноз на момент времени п + 1, то по модели экспоненциального сглаживания (1) прогноз на (п -+ 1)*й момент времени показатя rf равен adn + (1 -а)«д-1. Экспоненциально сглйжквать на самом деле: можж) не только сам ряд, но и коэффициенты трендов линейиогс или экспоненциального, коэффициенты сезонности и т. п, -эти приемы описываются в гл. 2. Параметр сглаживания а в модели (1) также может быть не постоянной, а изменяющейся величиной; соответствующие метода обсуждаются К- Д. Льюисом в гл. 5 и названы им ме годами адаптивного прогнозирования.
Использование модели экспоненциального сглаживания (1) пред полагает решение трех вопросов, которые автор книги обходит молча нием, }
1. Выбор константы сглаживания и, Д. Льюис считает выбо а -=.0,2 удовлетворительным и предлагает в некоторых случаях брат его в качестве значения константы сглаживания. Понятш>,<жонечь что это явное упрои;ение ситуации. Ведь а есть покааатьШкорос! адаптации и старения данных; для одних рядов а дол)1й» iSBfi доста точно выёоюш для других - низким. >
2. Выбор штльного уровня сглаживания ряда щЩШ чтоЩ начать вычисления по формуле (1), на первом шаге определить «1 = iarfi + (1 - а) а для этого надо тшЩШ Вот несколько советов по выбору нача;1ыш№чирЩПКьсх, а качестве «о можно взять первый член р€да{ хЖШЩяа = d.