Documente Academic
Documente Profesional
Documente Cultură
Yt = f (Tt , Ct , S t , t )
Modele de descompunere a seriilor de timp
Modelul aditiv Yt = Tt + Ct + S t + t
Modelul multiplicativ Yt = Tt Ct S t t
MM = i
i
L cu
i = − m1
i =1 LYt = Yt −1
i = − m1
Observații:
1. Media mobilă lasă invariantă o constantă, condiţie echivalentă cu
m
=1
i =− m
i
1
2. Raportul de reducere a varianței erorii este: 2m + 1
Ipoteză:
Seria prezintă componentă pe termen lung tendință-ciclu dar nu se emite nici o
ipoteză privind forma acestora
Se folosește metoda raportării la mediile mobile
1. Model multiplicativ
1. Se calculează mediile mobile de ordin p egal cu perioada componentei sezoniere (Y t)
Se calculează rapoartele: S ij = Yij / Y ij
Se determină un indice mediu pentru fiecare sezon:
1 n −1
Ij = Sij ;
n − 1 i =1
j = 1, 2,..., p
p
Se determină componenta sezonieră astfel incat
Gourieroux & Monfort, 1990
S
i =1
i =1
1 p j = 1, 2,..., p
S = I /
j I
j p i
i =1
Numărul biletelor de odihnă într-o staţiune montană, vândute de o agenţie de voiaj, a cunoscut în perioada
2004-2006 următoarea evoluţie:
Tabelul 1
Anul Numar de bilete vandute in trimestrul:
I II III IV
2004 32 48 64 58
2005 40 52 74 66
2006 44 60 82 74
Se cere:
a) Să se reprezinte grafic seria cronologică prezentată
b) Să se determine abaterile sezoniere şi coeficienţii sezonieri.
c) Să se previzioneze vanzarile trimestriale de bilete pentru anul 2007.
Exemplu:
90
80
70
60
50
40
30
20
10
0
Tr. I Tr. II Tr. III Tr. IV Tr. I Tr. II Tr. III Tr. IV Tr. I Tr. II Tr. III Tr. IV
‘04 ‘04 ‘04 ‘04 ‘05 ‘05 ‘05 ‘05 06 06 06 06
Reprezentarea grafică a trendului exprimat prin mediile mobile este redată în graficul anterior.
Exemplu:
b) Pentru determinarea abaterilor sezoniere Cj, diferentele Yij- Y ij se vor sistematiza astfel:
Trim. Yij- Y ij
Anii Suma
I II III IV
2004 - - 12,5 5
2005 -14,75 -5 15,5 6
2006 -18 -4 - -
Devieri sez. brute (Cj) -16,375 -4,5 14 5,5 -1,375
Devieri sez. corectate -16 -4 14 6 0
(Sj)
Exemplu:
Determinarea trendului seriei desezonalizate:
~ˆ
Yij = 46 + 1,8112 t unde t momentul de timp la care se realizează previziunea
flexibilităţii modelelor;
Distribuţia lui (Yt, Ys) este aceeaşi cu distribuţia lui (Yt+k,Ys+k) pentru toate
decalajele (t-s) şi pentru orice întreg k
Cov (Yt, Ys) = Cov (Yt+k, Ys+k) = (k) pentru orice s, t, k.
cov (Yt , Ys ) = k , t s unde k=s-t: covarianţa dintre două variabile este funcţie
doar de lungimea intervalului de timp ce separă cele 2 variabile.
Procese staţionare
Observaţii:
1. Dacă seria de timp este normal distribuită, atunci staţionaritatea slabă
şi staţionaritatea strictă sunt echivalente.
2. Seriile cronologice staţionare au proprietatea că media, varianţa şi
covarianţele (atunci când există), pot fi calculate pe baza unui eşantion.
3. Staţionaritatea slabă implică faptul că reprezentarea grafică a datelor va
arăta că cele n valori fluctuează cu o variaţie constantă în jurul unui nivel
constant.
Procese nestaţionare
Procese nestaţionare - exemple
Procese staţionare
Definiţie: Un caz particular de proces staţionar este procesul Zgomot
Alb (White Noise) care este un proces ce descrie o variabilă aleatoare
cu media zero şi varianţa constantă, dar fără o structură anume.
Dacă t este un şir de variabile aleatoare necorelate (independente), fiecare cu
media zero şi varianţa constantă finită, atunci t este staţionar, fiind satisfăcute
condiţiile de staţionaritate, adică:
E ( t ) = 0
Var ( t ) = 2
cov( t , s ) = 0 , t s
Observaţie: Pentru un proces zgomot alb:
2 , k = 0
funcţia de autocovarianţă este: k =
0 , k 0
1, k = 0
funcţia de autocorelaţie este: k =
0 , k 0
Notaţie: t ~ WN (0, 2 )
Proces stochastic nestaţionar
Definitie: O serie de timp y t este mers la întâmplare (Random Walk)
dacă:
yt = yt −1 + t
unde y 0 este unnumăr real care indică valoarea de start a procesului şi t
este zgomot alb.
Observatii:
1. Dacă t are o distribuţie simetrică în jurul lui zero, atunci y t , condiţionat de
y t −1 , are şanse 50-50%, să crească sau să scadă, adică y t creşte sau scade la
întâmplare.
2. Modelul mers la întâmplare este un model de tip AR(1) cu = 1 şi este o serie
nestaţionară cu o rădăcină unitară.
3. Procesul Random Walk este o serie staţionară în prima diferenţă deoarece
prima diferenţă a procesului yt − yt −1 = t este un proces staţionar. Este o
serie I(1), adică integrată de ordinul 1.