Sunteți pe pagina 1din 8

TEMA 12 SERII DE TIMP Obiective

Cunoaterea conceptelor referitoare la seriile de timp Analiza principalelor metode de analiz i prognoz cu serii de timp Aplicaii rezolvate Aplicaii propuse

Cuprins
12.1 Concepte referitoare la seriile de timp 12.2 Componentele unei serii de timp 12.3 Tehnici de ajustare 12.4 Analiza tendinei 12.5 Analiza efectului ciclic 12.6 Analiza efectului sezonier 12.7 Metode de prognoz 12.8 Concepte cheie 12.2 12.2 12.4 12.6 12.6 12.6 12.7 12.8

12.2

MODULUL 4 METODE DE PROGNOZ

12. SERII DE TIMP


12.1 Concepte referitoare la seriile de timp
Orice variabil statistic care este msurat (observat) pe mai multe perioade de timp se numete serie de timp. Denumirea pune n eviden evoluia n timp a valorilor unei variabile statistice. Denumirile echivalente sunt serii cronologice sau serii dinamice. Denumirea n englez este time series. Obiectivele analizei seriilor de timp: Analiza structurii i a componentelor seriilor de timp, n vederea stabilirii modelului de comportare i de evoluie; Utilizarea informaiilor pentru prognoz, respectiv pentru determinarea valorilor viitoare ale seriilor de timp; Reprezentarea grafic a seriilor de timp se face cu ajutorul graficelor liniare (Figura 12.1). Exemple de utilizare a seriilor de tip: Firmele productoare sunt interesate s prognozeze cererea de produse, evoluia preului, a cotei de pia etc.; Instituiile financiare sunt interesate s prognozeze ratele dobnzilor, evoluia cursurilor de schimb, evoluia preului aciunilor .a. Notm seria de timp la momentul t: y1, y2,..., yt.

20 18 16 14 12 10 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Figura 12.1 Serie de timp reprezentat printr-un grafic liniar

12.2 Componentele unei serii de timp


O serie de timp este alctuit din patru componente: (1) Tendina pe termen lung (T) (2) Efectul ciclic (C) (3) Efectul sezonier (S) (4) Variaia aleatoare (R) (1) Tendina (T) reprezint comportarea pe termen lung sau direcia pe care o are seria de timp. Tendina poate fi liniar (reprezentat printr-o dreapt) sau neliniar (reprezentat printr-o funcie polinomial de grad 2 sau printr-o funcie exponenial sau logaritmic). Un exemplu de serie de timp cu tendin liniar este prezentat n Figura 12.2.

TEMA 12 SERII DE TIMP

12.3

10

11

Figura 12.2 Serie de timp cu tendin liniar

(2) Un ciclu (C) este o comportare de tip val, care se repet, descriind o tendin pe termen lung, care apare de-a lungul mai multor ani (Figura 12.3). Exemple de cicluri sunt aa-numitele cicluri de afaceri, care reflect perioadele de recesiune economic i de inflaie, urmate de perioade de cretere economic, ciclurile de producie pe termen lung, ciclurile monetare i financiare.

10 11 12 13 14 15 16

Figura 12.3 Serie de timp cu variaie ciclic

(3) Variaiile sezoniere (S) sunt similare ciclurilor, dar ele apar pe perioade mai scurte de timp i au o durat mai scurt de un an (Figura 12.4). Termenul de variaie sezonier se poate referi la cele patru anotimpuri, la trimestrele anului, la lunile anului, la sptmni sau chiar la zile sau ore. De exemplu, activitile din turism sunt legate cel mai direct de efectele sezoniere.

10 11 12 13 14 15 16 17 18 19 20

Figura 12.4 Serie de timp cu variaie sezonier

12.4

MODULUL 4 METODE DE PROGNOZ

(4) Variaia aleatoare (R de la random) cuprinde schimbrile neregulate ntr-o serie de timp care nu sunt cauzate de celelalte componente (T, C sau S). Variaia aleatoare tinde s mascheze (s ascund) celelalte componente ale seriei de timp, care pot fi prognozate mai uor. Deoarece variaia aleatoare este prezent n majoritatea seriilor de timp, vom ncerca s eliminm efectul acestei variaii, pentru a prognoza mai bine celelalte componente. O serie de timp poate fi exprimat printr-un model aditiv, n care valoarea seriei de timp la momentul t este: yt = Tt + Ct + S t + Rt , sau printr-un model multiplicativ de forma: yt = Tt Ct St Rt . Cele dou modele sunt similare, dar modelul multiplicativ este mai uor de neles, din punct de vedere al modului de determinare a componentelor sale.

12.3 Tehnici de ajustare


Dac determinm componentele unei serii de timp, aceasta ne va permite o prognoz mai bun. Din pcate, existena variaiei aleatoare poate masca prezena celorlalte componente. n acest scop va trebui s aplicm metode pentru eliminarea sau ndeprtarea variaiei aleatoare. Una din cele mai simple metode de a elimina sau ndeprta fluctuaia aleatoare a unei serii de timp este metoda de ajustare sau netezire a seriei de timp. Cele mai cunoscute metode de ajustare sunt: Metoda de ajustare cu medii mobile (moving average smoothing); Metoda de ajustare exponenial (exponential smoothing). Media mobil (n englez moving average) pentru o anumit perioad de timp este media aritmetic a valorilor seriei n perioada respectiv de timp. De exemplu, pentru seria de timp: y1 , y2 , y3 , y4 , y5 ,..., yk , yk +1 , yk + 2 ,..., yn 1 , yn , irul mediilor mobile cu 3 perioade este y2|3 , y3|3 , y4|3 ,..., yk +1|3 ,..., yn 1|3 .

irul mediilor consecutive cu 3 valori este determinat cu relaiile:


y2|3 = y1 + y2 + y3 , 3

y3|3 = y4|3 =

y2 + y3 + y4 , 3 y3 + y 4 + y5 , 3 ... yk + yk +1 + yk + 2 , 3 ... yn 2 + yn 1 + yn . 3

yk +1|3 =

yn 1|3 =

TEMA 12 SERII DE TIMP

12.5

irul mediilor cu 5 perioade (medii consecutive cu 5 valori) este dat de relaiile: y3|5 = y4|5 = y1 + y2 + y3 + y4 + y5 , 5 y 2 + y3 + y 4 + y5 + y 6 , 5 ... yk |5 = yk 2 + yk 1 + yk + yk +1 + yk + 2 , 5 ... yn 2|5 = yn 4 + yn 3 + yn 2 + yn 1 + yn . 5

Utilizarea unui numr par de perioade (de exemplu 4 perioade), poate crea anumite probleme asupra plasrii valorilor ajustate, ct i de reprezentare grafic. Pentru a rezolva aceast situaie se utilizeaz mediile mobile centrate. Mediile mobile centrate se calculeaz ca medie aritmetic a valorilor obinute cu perioade pare. Aa cum se poate observa din exemplul urmtor. Metoda mediilor mobile are dou inconveniente:
Nu avem medie mobil pentru primele i ultimele (n1)/2 perioade; Media mobil uit valorile anterioare ale seriei de date.

Aceste probleme sunt rezolvate de ajustarea exponenial. Media mobil ponderat exponenial (n englez Exponentially Weighted Moving Average EWMA) pentru o serie de timp este: St = w yt + (1 w) St 1 , t 2 , unde:

St = valoarea ajustat exponenial la momentul t; yt = seria de timp la momentul t; St1 = valoarea ajustat exponenial la momentul t 1; w = constanta de ajustare, 0 w 1.

Media mobil ponderat exponenial EWMA memoreaz toate valorile seriei pn la momentul t (St depinde de toate celelalte valori anterioare ale seriei de timp), aa cum rezult din relaiile urmtoare:
S1 = y1 ,

S 2 = w y2 + (1 w) S1 = w y2 + (1 w) y1 ,

S 3 = w y3 + (1 w) S 2 = w y3 + (1 w) [w y2 + (1 w) y1 ] = = w y3 + w (1 w) y2 + (1 w) y1 ,
2

...
S t = w yt + w (1 w) yt 1 + w (1 w) yt 2 + ... + (1 w) y1 .
2 t 1

12.6

MODULUL 4 METODE DE PROGNOZ

12.4 Analiza tendinei


n consideraiile anterioare am analizat modul n care ajustarea (netezirea) seriei de timp ne poate oferi o imagine asupra componentelor acesteia. n scopul realizrii unei prognoze corecte, avem ns nevoie de evaluri mai precise ale tendinei sau ale efectelor sezoniere. Vom considera n continuare pentru analiza tendinei modelul liniar i modelul ptratic. Modelul liniar pentru tendina pe termen lung este de forma: y = 0 + 1 x + .
Modelul ptratic pentru tendina pe termen lung este de forma:

y = 0 + 1 x + 2 x 2 + , unde t este perioada de timp, iar este eroarea modelului Pentru a evalua care model este mai bun, calculm abaterea absolut medie MAD (n englez Mean Absolute Deviation) cu relaia: MAD = y y
i =1 i n i

12.5 Analiza efectului ciclic


Diferena fundamental dintre efectul ciclic i efectul sezonier const n durata de timp care se are n vedere la analiza seriei de timp. n general, se consider c efectele sezoniere sunt predicitibile, n timp ce majoritatea ciclurilor sunt considerate impredicitibile. De aceea, variaia ciclic este identificat prin metoda procentajului de tendin. Metoda procentajului de tendin const din urmtorii pai:
[1]: Se determin tendina liniar (prin regresie).

t . [2]: Pentru fiecare perioad de timp t se determin valoarea de tendin y


[3]: Procentajul de tendin se determin cu relaia:

pt =

yt 100(%) . t y

12.6 Analiza efectului sezonier


Efectul sezonier poate s apar n cadrul unui an sau la un interval de timp mai mic (luni, sptmni, zile sau ore). Pentru a msura efectul sezonier, se calculeaz indici sezonieri, care evalueaz gradul n care sezoanele difer ntre ele. Pentru analiza efectului sezonier, seria de timp trebuie s fie suficient de lung (pentru o analiz trimestrial, date pe cel puin 4 ani, iar dac sezoanele sunt zilele, atunci date la nivel de lun). Indicii sezonieri, se calculeaz aplicnd urmtorul algoritm: [1]: Se elimin efectul sezonier i variaia aleatoare.

Aceasta se poate realiza n dou moduri:

TEMA 12 SERII DE TIMP

12.7

[1.1]: Se calculeaz mediile mobile, lund numrul de perioade egal cu numrul tipului de sezoane. De exemplu, pentru trimestre calculm media mobil MA cu 4 perioade (cu 4 trimestre). Efectul mediilor mobile se poate vedea n modelul multiplicativ al seriei de date:

yt = Tt Ct St Rt . Mediile mobile elimin efectul sezonier St i variaia aleatoare Rt, lsnd MAt = Tt Ct . Considernd raportul dintre seria de timp i MA la momentul t obinem: yt T C S R = t t t t = St Rt . MAt Tt Ct
[1.2]: A doua metod utilizeaz analiza de regresie. Dac seria de timp nu este ciclic, atunci avem:

yt = Tt St Rt . Deoarece dreapta de regresie: t = 0 + 1t , y reprezint tendina (Tt), atunci seria de timp mprit la valoarea de predicie conduce la:

yt Tt St Rt = = St Rt . t y Tt
[2]: Pentru fiecare sezon, se calculeaz media rapoartelor calcula te la pasul [1]. Aceast procedur elimin cea mai mare parte a variaiei aleatoare. Media este o msur a diferenei ntre sezoane. [3]: Indicii sezonieri rezult din ajustarea valorilor medii calculate la pasul [2].

12.7 Metode de prognoz


Utiliznd seriile de timp, se pot aplica mai multe metode de prognoz (n englez forecast). Pentru a decide care metod ne furnizeaz o prognoz mai bun se folosesc dou statistici:
Abaterea absolut medie (MAD); Suma ptratelor erorilor de prognoz (SSE).

Evident, se va alege metoda care ne d statistica cu valorile mai mici. Abaterea absolut medie (MAD) este: MAD =

y
t =1

Ft .

n
n

Suma ptratelor erorilor de prognoz (SSE) este:

SSE = ( yt Ft ) ,
2 t =1

unde:

12.8

MODULUL 4 METODE DE PROGNOZ

yt = valoarea seriei de timp la momentul t; Ft = valoarea prognozat la momentul t; n = numrul de perioade de timp. Metoda de ajustare exponenial (EWMA) este dat de:

St = w yt + (1 w) St 1 , t 2 . Dac seria de timp are o tendin gradual, fr s pun n eviden prezena efectelor ciclice sau sezoniere, atunci valoarea prognozat la momentul t +1 este: Ft +1 = St .
Prognoza cu regresie i indici sezonieri este dat de relaia:
+ t SI , Ft = 0 1 t

unde:
Ft = prognoza pentru perioada t; SIt = indicele sezonier pentru perioada t. Algoritmul pentru prognoz cu regresie i indici sezonieri:
+ t; t = [1]: Se determin dreapta de regresie y 0 1

[2]: Se utilizeaz linia de tendin pentru calculul indicilor sezonieri;

t ; [3]: Pentru perioada t, se determin valoarea tendinei y


[2]: Se calculeaz valoarea de prognoz:

t SI t . Ft = y

12.8 Concepte cheie

Serie de timp Tendin pe termen lung Efect ciclic Efect sezonier Variaie aleatoare Ajustare Netezire Medie mobil - MA Medie mobil centrat

Ajustare exponenial Medie mobil ponderat exponenial EWMA Abatere absolut medie MAD Metoda procentajului de tendin Indici sezonieri Suma ptratelor erorilor de prognoz (SSE)