Метод наименьших квадратов

Распространение получила сумма квадратов, т.к. на её основе параметры тренда могут быть получены сравнительно (с методом математического программирования) легко – алгебраическим путём. Подобный расчет получил название метода наименьших (критерий) квадратов.

В соответствии с критерием, необходимом подобрать такие параметры тренда, чтобы минимизировать сумму квадратов отклонений трендовых значений от фактических.

По методу Лапласа, решение этой экстремальной задачи находится из системы уравнений. В данной системе приравнены к нулю все частные производные целевой функции по параметрам тренда.

,

где a,b,c…- параметры тренда.

Система уравнений для линейного тренда

Подставим уравнение прямой (с параметрами a,b) в функцию критерия:

Т.о., для определения параметров тренда необходимо сосчитать четыре суммы , и, подставив их вместе с количеством известных наблюденийn в систему уравнений, решить её.

Система уравнений для экспоненциального тренда

Прежде чем подставить уравнение экспоненциальной функции (с параметрами a,b) в функцию критерия, прологарифмируем её:

По методу МНК, будем минимизировать расхождения логарифмов:

Т.о., для определения параметров тренда необходимо сосчитать четыре суммы , и, подставив их вместе с количеством известных наблюденийn в систему уравнений, решить её.

11. Способы определения типа тренда. Тест на линейную функцию.

В соответствии ряда виду функции тренда.

Определение тренда на основе сглаживания ряда

Выявить сразу (графически) тип тренда бывает трудно, поэтому можно произвести сглаживание ряда.

Сглаживание - построение производного ряда меньшей колеблемости.

Мерой колеблемости могут служить первичные характеристики ряда - среднее, мода, медиана, дисперсия, СКО (ст.ошибка), минимум, максимум и т.д.

Размах колебаний уменьшается за счет усреднения значений в исходном ряду за ряд наблюдений. Различают механическое (карандашом по бумаге) и аналитическое (математическим преобразованием) сглаживание.

Способ основан на определении того, какая из основных характеристик ряда наиболее постоянна. Для этого:

1. Строятся соответствующие производные ряды.

2. Определяется, какой из них более постоянен (похож на константу).

Для этого рассчитывают параметры линейного тренда производного ряда Y`=at+b. Отношение a/b характеризует «похожесть» ряда на константу. (Очевидно, что похожесть возрастает с убыванием a, если же a=0 – ряд есть константа b).

Error: Reference source not found иллюстрирует выбор между тремя видами тренда. Для этого рассчитаны три производных от дохода ряда. На основании параметров тренда рассчитаны коэффициенты «похожести». Наименьший (по модулю) коэффициент у ряда темпов роста (5,9%), следовательно ряд доходов описывается экспоненциальным трендом.

Рисунок 1-Тестовое определение вида тренда.

12. Определение параметров линейного тренда. Смысл параметров линейного тренда. Прогнозирование на основе линейного тренда.

Обычно предполагают, что тренд — это некоторая функция или кривая достаточно простого вида (линейная, квадратичная и т.п.), описывающая «среднее поведение» ряда или процесса. Если оказывается, что выделение такого тренда упрощает исследование, то предположение о выбранной форме тренда считается допустимым. B техническом анализе обычно предполагается, что тренд линеен (и его график — прямая линия) или кусочно линеен (и тогда его график — ломаная линия).

Предположим, что реализация временного ряда в моменты времени Т=t1, t2,...tN принимает значения X=x1,х2,...xN. Линейный тренд имеет уравнение x=at+b. Известны специальные методы нахождения коэффициентов а и b этого уравнения. В том техническом анализе, который описывается в большинстве книг, тренд находится некоторыми графическими или несложными приближенными приемами. Однако в современной практике широко используются компьютеры, которые за считанные секунды могут по заданному массиву данных выписать точное уравнения тренда заданного вида (в частности, линейного тренда).

Для временного ряда общее уравнение линейного тренда имеет вид:

Величина МТ — среднее значение моментов времени t1, t2,...tN. Выбирая подходящую единицу времени, мы всегда можем считать, что t1, t2... — это просто натуральные числа 1,2.... Например, так будет для ценового ряда, в котором цены на акции фиксируется ежедневно на момент начала торгов, если за единицу времени взять один день. В таком случае:

Величины от и о называются средними квадратичными отклонениями, они характеризуют разброс значений вокруг средних значений МТ и MX величин Т и X соответственно. Вычисление о вручную довольно утомительно, особенно для больших массивов данных. Однако все компьютерные программы, ориентированные на финансовые приложения, и даже такие универсальные программы, как Excel (не говоря уж о специальных статистических пакетах, таких как SPSS, Statistica, Statgraphics и др.) дают возможность мгновенно вычислить о для любого массива данных, который введен в память компьютера (и записан в некоторой определенной форме). Что касается величины от, то для случая ряда натуральных чисел она равна:

Величина г играет в формуле тренда ключевую роль. Она называется коэффициентом корреляции (другое название: нормированный коэффициент корреляции) и характеризует степень взаимосвязи переменных Х и Т. Коэффициент корреляции принимает значения в промежутке от — 1 до +1. Если он близок к нулю, то это значит, что нет возможности выделить значимый линейный тренд. Если он положителен, то есть тенденция роста изучаемого индекса, причем, чем ближе г к единице, тем эта тенденция становится все более определенной. При отрицательном г имеем тенденцию к убыванию.

Вычисление г весьма громоздко, но современный компьютер делает это практически мгновенно.

При r>0 говорят о положительном тренде (с течением времени значения временного ряда имеет тенденцию возрастать), при r<0 — об отрицательном (тенденция убывания). При г, близких к нулю, иногда говорят о боковом тренде (его еще называют флэт — от английского flat — плоский). В техническом анализе говорят соответственно о бычьем тренде, медвежьем тренде, названия эти были впервые введены на Лондонской фондовой бирже и связаны, по-видимому, с тем, что при охоте медведь наносит удары сверху вниз, а бык при атаке подкидывает врага рогами снизу вверх.

После вычисления линейного тренда нужно выяснить, насколько он значим. Это делается с помощью анализа коэффициента корреляции. Дело в том, что отличие коэффициента корреляции от нуля и тем самым наличие тренда (положительного или отрицательного) может оказаться случайным, связанным со спецификой рассматриваемого отрезка временного ряда. Иначе говоря, при анализе другого набора экспериментальных данных (для того же временного ряда) может оказаться, что полученная при этом оценка величины г намного ближе к нулю, чем исходная (и, возможно, даже имеет другой знак), и говорить о реальном, выраженном тренде тут уже становится трудно.

Для проверки значимости тренда в математической статистике разработаны специальные методики. Одна из них основана на проверке равенства г = 0 с помощью распределения Стьюдента (Стьюдент — это псевдоним английского статистика У.Госсета).

Предположим, что имеется набор экспериментальных данных — значения х1, х2,...xN временного ряда в равноотстоящие моменты времени t1, t2...tN. С помощью специальных программ (см. выше) по этим данным можно вычислить приближение г* к точному значению г коэффициента корреляции (это приближение называют оценкой). Назовем это значение г* экспериментальным. Общая идея метода статистической проверки гипотез такова. Выдвигается некоторая гипотеза, в нашем случае это гипотеза о равенстве нулю коэффициента корреляции. Далее, задается некоторый уровень вероятности а. Смысл этой величины заключается в том, что она является вероятностной мерой допустимой ошибки. А именно, мы допускаем, что сделанный нами вывод о справедливости или несправедливости гипотезы на основании заданного массива экспериментальных данных может оказаться ошибочным, ибо абсолютно точного вывода на основании лишь частичной информации ожидать, конечно, не стоит. Однако мы можем потребовать, чтобы вероятность этой ошибки не превосходила некоторой заранее выбранной величины а (уровня вероятности). Обычно берут ее значение равным 0.05 (т.е. 5%) или 0.10, иногда прут и 0.01. Событие, вероятность которого меньше, чем а, считается настолько редким, что мы берем на себя смелость им пренебрегать. Для временных рядов разной природы эту величину выбирают по-разному. Если речь идет о ряде цен на акции какой-то небольшой фирмы, то риск ошибиться не несет катастрофических последствий (для независимых от этой фирмы участников торгов) и потому а можно взять не очень маленьким. Если же речь идет о крупной сделке, то последствия ошибки могут быть очень тяжелыми и значение а берут поменьше.