Management
Prognoza seriilor cronologice cu metode
tradiionale, econometrice i modificrile lor
P entru a analiza diverse procese economice, este
nevoie de date statistice ce caracterizeaz
procesele studiate i se desfoar n timp sub
form de serii. Deseori, unele i aceleai serii se
utilizeaz la soluionarea problemelor, diferite dup
coninut.
Una din problemele fundamentale ale politicii
macroeconomice, inclusiv studierea parametrilor de baz,
este construirea de modele ce ne ofer posibilitatea
efecturii prognozei indicatorilor macroeconomici.
Prognoza macroeconomic este un instrument
important n dirijarea i monitorizarea politicii economice.
n majoritatea cazurilor, prognozele economice
acoper o perioad scurt de timp. Prognozele exacte, pe o
perioad ndelungat de timp, se ntlnesc foarte rar. Doar o
mic gam de prognoze se poate identifica dup
intercalarea sursei, scopului, ipotezelor, datelor, modelelor
i metodele utilizate, dei e greu de gsit o reet a
prognozelor de tipul dat. Mai ales pentru c puini analiti
las modelele i metodele lor neschimbate pe o perioad
ndelungat de timp, deoarece caut mbuntiri i adaptri
la tendinele noi ale economiei.
La analiza seriilor de timp, principala atenie se cere
acordat descrierii i modelrii structurii acestora. Scopul
tipului dat de cercetri, ca de obicei, cuprinde mai mult
dect doar modelarea. Deseori, modelul construit se
utilizeaz la extrapolarea i prognoza seriilor de timp
i, atunci, calitatea prognozei poate servi drept criteriu la
alegerea ctorva modele alternative. n lucrarea [11],
se analizeaz detaliat problema privind atribuirea
unor indicatori concrei la tipul seriilor staionare fa de
trend TS (trend stationary) sau la tipul seriilor cu trend
stochastic, ce duce la seria staionrii pe calea diferenierii
de unu sau k-ori seriei DS (difference stationary).
Aceste dou tipuri de serii difer prin faptul c TS
elimin din seria respectiv a trendului ajungnd la o serie
staionar, iar n cazul seriilor DS, seriile rmn
nestaionare dup eliminarea componentei determinate
deoarece conine trend stochastic.
Traiectoriile seriilor TS i DS difer considerabil una
de alta. Seriile TS au linia trendului n calitate de o linie
central, n preajma creia se afl traiectoria seriei.
Aceasta se plaseaz cnd mai sus, cnd mai jos fa de
aceast linie, cu o frecven destul de nalt de schimb a
poziiei sus jos. Seriile DS, n afar de trend (dac el
exist), mai au aa-zisul trend stochastic, datorit cruia
traiectoria seriei DS se afl pentru timp ndelungat de-o
parte fa de trend (mai sus sau mai jos fa de aceast
linie), ndeprtndu-se considerabil de ea. Aadar, linia
88
trendului pierde poziia de linie central n jurul creia
variaz traiectoria procesului.
n seriile TS, influena aciunilor de oc se micoreaz
o dat cu trecerea timpului, iar n seriile DS aceast
diminuare lipsete i fiecare oc acioneaz n aceeai
msur asupra tuturor valorilor care urmeaz. De aceea,
existena trendului stochastic poate necesita o politic
economic pentru revenirea variabilei macroeconomice la
tendina ei de lung durat, iar, n cazul lipsei trendului
stochastic, revenirea la tendina ei de lung durat se
produce datorit proprietilor din interiorul proceselor
macroeconomice.
Modelele DS i TS, aparinnd acelorai serii de timp,
pot duce la prognoze complet diferite. De aceea, decizia
privind modelul care va fi aplicat este foarte important la
efectuarea unei prognoze. n schimbul utilizrii modelului
implicit, se poate aplica criteriul rdcinii unitare, ca
instrument de diagnosticare la luarea deciziei.
Deseori, problemele legate de rdcina unitar erau
orientate spre incapacitatea rdcinii unitare de a diferenia,
n eantioanele finale, ipoteza nul despre existena
rdcinii unitare apropiate de alternativele staionare (vezi,
de exemplu, [10]). Mult timp s-a afirmat c rdcina
procesului tinde spre unu, dar, totui, e mai mic dect unu
i atunci, calitatea prognozei se poate mbunti utiliznd
modelul n diferene, dar nu n niveluri [1]. n general,
prezint interes nu ntrebarea dac criteriul rdcinii unitare
determin modelul, ci ntrebarea dac aceste criterii aleg
adevratele modele care ne dau prognoze ct mai calitative.
Aprecierea calitativ a strategiilor, cum ar fi
ntotdeauna de difereniat, uneori de difereniat sau
niciodat de difereniat, bazate pe rezultatele testului
preliminar la existena rdcinii unitare, depinde, n
general, de gradul de inerie a procesului real, de orizontul
de prognoz, de mrimea extrasului i de particularitile
testului.
J. H. Stock i H. W. Watson n articolul [16] abor-
deaz cteva probleme, care se refer la prognoza seriilor
macroeconomice.
1. Pot, oare, modelele neliniare ale seriilor de timp s dea
prognoze n timp real, mai bune dect modelele
liniare?
2. Se pot, oare, mbunti prognozele pe o jumtate de
an sau un an nainte, utiliznd datele preliminare
asupra ineriei seriilor de timp la alegerea modelului
de prognoz?
Economia z 2/2003
 Management
3. Pot, oare, unele combinaii de prognoze s fie
superioare, dup exactitate, celor bazate pe o singur
metod, pentru tot spectrul seriilor de timp, i dac da,
atunci, n ce proporie trebuie s pondereze cele mai
bune metode de prognoze?
4. Este, oare, ctigul de la aplicarea acestor metode mai
complicate, n comparaie cu prognozele simple,
autoregresive, suficient pentru a motiva folosirea
acestora i pentru analitii care nu vor s-i asume
riscul?
Pentru a rspunde acestor ntrebri, n articol, se face
un experiment corespunztor. n acest experiment, se face o
comparaie ntre diferite prognoze cu orizontul de o lun,
ase sau dousprezece luni, pentru 215 serii de timp, din
economia SUA. Experimentul simuleaz aplicarea acestor
metode n timp real, adic toate prognozele (inclusiv
estimarea tuturor parametrilor, toate regulile de alegere a
modelului, toate testele preliminare .a.) se bazeaz,
exclusiv, pe observaiile efectuate, inclusiv pn la data
prognozei. Estimarea parametrilor, statisticilor pentru
alegerea modelului optim, testele preliminare i ponderea
lor n combinarea prognozelor se nnoiesc, pentru toate
modelele, lunar, i aceste nnoiri statistice se utilizeaz la
efectuarea prognozelor pentru urmtoarele luni.
Se analizeaz prognoze construite prin 49 de metode.
Ele se numesc metode i nu modele, deoarece multe din
aceste prognoze se bazeaz nu doar pe un singur model
estimat, ci pe rezultatele alegerii unuia din mai multe
modele, n urma testrilor preliminare sau aplicrii
criteriilor de alegere a modelelor. Modelele individuale,
utilizate de aceste metode de prognoze, se numesc modele
primare i autorul studiaz n total 121. De exemplu, una
din metodele de prognoz este autoregresia n niveluri cu
component fix i alegerea ordinului maxim al ntrzierilor
(ordinul modelului de autoregresie) n baza criteriului
informaional Acaiche (AIC), de ordinul ce se modific de
la 0 la 12; n terminologia articolului, aceast metod de
prognoz combin informaia de la 13 modele primare.
Modelele primare se submpart n patru grupe: de
autoregresie (AR), de nivelare exponenial (EX), de reele
neuronale artificiale (ANN), de autoregresie logic
(LSTAR). De asemenea, n calitate de nc un punct de
referin se ia lipsa modificrilor.
Se analizeaz i diferite proceduri de combinare a
informaiei din aceste 49 metode de prognoz (proceduri de
combinare a prognozelor). n lucrrile [2,4], se
demonstreaz c media prognozelor pe diferite modele
poate mbunti calitatea prognozelor, pe cnd toate
modelele sunt doar aproximaii. Procedurile de combinare,
vizate n articol, difer dup ponderea atribuit modelului
cu cele mai bune caliti la momentul dat, incluznd
ponderi egale pentru toate prognozele, ponderea
prognozelor n proporii inverse fa de abaterea medie
ptratic (MSE), utilizarea prognozelor medii i atribuirea
ponderii acelei metode, care, la momentul dat, are cea mai
Economia z 2/2003
mic MSE simulat n regim real. Ultima procedur const
n simularea alegerii n regim real, n baza celor mai mici
ptrate ale prognozei (PLS).
Markidakis et al. (vezi [7]) au cercetat calitatea
metodelor cu o singur variabil pe mai multe serii, inclusiv
economice, i au ajuns la o concluzie privind aplicarea cu
succes a nivelrii exponeniale. Meese, Geveke (vezi [8])
au comparat diverse modele liniare, utiliznd 150 de serii
macroeconomice i au determinat faptul c, de obicei,
lucreaz bine modelele AR cu ntrzieri lungi, determinate
n baza AIC. De asemena, ei au constatat c prin
combinarea prognozelor liniare se mbuntete
nesemnificativ calitatea acestora. Weigand, Gershenfeld
(vezi [17]) au comparat modelele liniare cu o mulime de
modele neliniare. Chiar dac ei au gsit dinamica neliniar
n cteva serii de timp neeconomice, modelele de prognoz
neliniar nu au fost destul de bune pentru seriile economice
studiate de ei (cursul valutar).
Swanson, White (vezi [13, 14]) au comparat modelele
cu mai multe variabile (ANN) cu modelele liniare
vectoriale autoregresive i au ajuns la concluzia c
autoregresiile vectoriale au, de obicei, abaterea medie
ptratic (MSE) mai mic dect modelele ANN n timpul
real simulat. n comparaie cu lucrrile menionate, lucrarea
lui Stock J. H., Watson M. W. (vezi [16]) difer prin
utilizarea unui numr mare de serii cronologice
macroeconomice, utilizarea unui numr mare de modele
neliniare, studierea metodelor de testare la existena
rdcinii unitare i studierea intensiv a procedurilor de
combinare a prognozelor.
Toate modelele n experimentul dat au forma:
yt+h=fi(Zt; ih)+uit+h,
unde: yt seria pentru care se efectueaz prognoza
h orizontul de prognoz
i indicele modelului de prognoz (i=1,,121),
ih vectorul parametrilor necunoscui
uit eroare
Zt vectorul variabilelor predictorii.
De obicei, Zt=(yt,,yt-p,yt,, ,yt-p,1,t), unde
p largul maxim.
Toate prognozele, n totalitate, se efectueaz prin
metoda recursiv, adic prognoza mrimii yt+h utilizeaz
informaia pentru momentul 1,2,,t. Pentru prognoza lui
yt+h, valoarea vectorului parametrilor ih se efectueaz pe
observaiile y1, y2,, yt. n toate modelele, vectorul
parametrilor se verific pe calea minimizrii sumei
ptratelor reziduului prognozei cu h pai nainte.
De menionat c, de obicei, fiecare metod de
prognoz aplicat unei serii concrete ia valori diferite ale
parametrilor la modificarea orizontului, adic prognoza pe
h pai nainte nu se calculeaz ca iteraia pentru h perioade
nainte pentru modelul prognozei de un singur pas.
Pentru obinerea rezultatelor de baz, toate prognozele
n lucrarea [16] se scurteaz automat, astfel nct, dac
variaia prognozei depete dup mrime absolut toate
variaiile anterioare pentru seria dat, atunci se aplic
prognoza fr schimbri. Un astfel de tip de corecie se
utilizeaz pentru simularea implicrii factorului uman, care
lipsete n experimentul computerizat. Deoarece prognozele
89
 Management
n experimentul dat se nfptuiesc automat, unele modele Bibliografie
pot da (i dau n realitate) prognoze extremale puin
posibile. Algoritmul utilizat de cioplire poate fi neles ca 1. BOX, J., Time Series Analysis.
JENKINS, G. Forecasting and Control,
o regul practic, pe care analistul o poate folosi n timp
real pentru depistarea problemei date i luarea deciziei Holden Day, 1976
corespunztoare. 2. BATES, J. M., The Combination of
Pentru fiecare serie, se aplic trei tipuri de perioade: GRANGER, C. W. J. Forecasts, Operation
de start, n care se face estimarea primar a modelului; Research Quarterly, 20/1969,
intermediar, n care se fac prognoze n baza a 121 de p. 451-468
modele primare i 49 metode de pronosticare, dar fr 3. CLEMENTS, M. P., Forecasting Non-Stationary
utilizarea prognozelor combinate, i perioada de simulare a HENDRY, D. F. Economic Time Series.
prognozelor n timp real, n care se obin prognoze Cambridge, Massachusetts:
recursive cu toate modelele, metodele i procedurile de The MIT Press, 2001
combinare. 4. GRANGER, C. W. J., Forecasting Economic Time
NEWBOLD, P. Series, Second Edition, New
Modele i metode de prognoz York, Academic Press, 1986
5. GRANGER, C.W. J., Improved Methods of
Pentru a verifica ipoteza existenei rdcinii unitare, RAMANATHAN, R. Combining Forecasting,
exist o mulime de criterii. n lucrarea lui Stock [14], prin Journal of Forecasting
metoda Monte-Carlo, s-au cercetat modelele cu 3/1984, p. 197-204
autoregresie prin testarea preliminar a existenei rdcinii 6. ELLIOTT, G., Efficient Tests for an
unitare. Stock a testat cteva metode cu diferite niveluri de ROTHENBERG, T. J., Autoregressive Unit Root,
semnificaie i a hotrt c cea mai bun calitate a STOCK, J. H. Econometrica, 64/1996,
prognozei, pentru diferite valori ale rdcinii cu p. 813-836
autoregresie, o d utilizarea criteriului DF-GLS [vezi [6]], 7. MARKIDAKIS, S.A., The Accuracy of
cu nivel mic de semnificaie. Respectiv, n lucrarea lui ANDERSON, A., Extrapolation (Time-Series)
Stock Watson [15] se utilizeaz testul DF-GLS pentru CARBONNE, R., Methods: Results of a
diverse modele cu constant, dar fr trend i includerea FLIDES, R., Forecasting Competition,
liniar a trendului. HIBON, M., Journal of Forecasting,
Concluziile principale, care se pot trage, sunt: LEWANDOWSKI, R., 1/1982, p. 111-153
1. Chiar dac pentru unele serii prognozele neliniare dau NEWTON, J.,
PARSEN, E.,
rezultate mai bune dect cele liniare, majoritatea
WINKLER, R.
metodelor de prognoz neliniar i toate metodele
bazate pe reele neuronale duc la prognoze care au o 8. MEESE, R., A Comparison of
calitate mai joas dect prognozele obinute prin GEWEKE, J. Autoregressive Univariate
Forecasting Procedures for
metode liniare.
Macroeconomic Time
2. mbuntirea prognozelor, pentru toate orizonturile Series, Journal of Business
de prognoz cercetate, favorizeaz verificarea i and Economic Statistics,
testarea preliminar a existenei rdcinii unitare. 2/1984, p. 191-200
3. Combinarea prognozelor, obinute prin diverse
9. PRACHI, I. Aspecte conceptuale ale
metode, servete drept protecie fa de erorile prea analizei seriilor de timp,
mari ale prognozelor i poate fi recomandat pentru Revista Drept, economie i
utilizarea ei n practica de prognoz. informatic, 5/2001,
4. Dac analistul prefer s utilizeze doar o metod de Galai, p. 13-18,
prognoz, atunci, n cazul dat, se recomand utilizarea 10. RUDEBUSCH, G. D. The Uncertain Root in Real
modelului cu autoregresie cu testarea preliminar la GNP, American Economic
existena rdcinii unitare i alegerea gradului de Review, 83/1993, p. 264-272
autoregresie n baza datelor statistice. 11. .-
, .,
, .,
, .,
, ., ,
Prof. univ. dr. Ion PRACHI
, 2001
Academia de Studii Economice Chiinu

90 Economia z 2/2003
 Management
12. SWANSON, N. R., A Model Selection Approach
WHITE, H. to Assessing the Information
in Term Structure Using
Linear Models and Artificial
Neural Networks, Journal of
Business and Economic Sta-
tistics, 13/1995, p. 265-275
13. SWANSON, N. R., Forecasting Economic Time
WHITE, H. Series Using Flexible versus
Fixed Specification and Linear
versus Nonlinear Econometric
Models, International Journal
of Forecasting, 13/1997, N4,
p. 439-461
14. SWANSON, N. R., A Model Selection Approach
WHITE, H. to Real-Time Macroeconomic
13 Forecasting Using Linear
Models and Artificial Neural
Networks, Review of Econo-
mics and Statistics, 79/1997,
p. 540-550
Economia z 2/2003
15. STOCK, J. H. VAR, Error Correction and
Pretest Forecasts at Long
Horizons, Oxford Bulletin of
Economics and Statistics,
58/1996, N4, p. 685-701
16. STOCK, J. H., A Comparison of Linear and
WATSON, M. W. Nonlinear Univariate
Models for Forecasting
Macroeconomic Time Series,
Journal of Business and
Economic Statistics, 14/1996,
N1, p. 11-30
17. WEIGAND, A. S., Time Series prediction:
GERSHENFELD Forecasting the Future and
Understanding the Past.
Addison-Wesley for
Santa Fe Institute: Reading,
1994
91