Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
0.5<br />
0.4<br />
0.3<br />
0.2<br />
0.1<br />
0<br />
40<br />
10.1 Ekspon<strong>en</strong>tiell glatting<br />
D<strong>en</strong>ne metod<strong>en</strong> skal bare brukes når tidsrekk<strong>en</strong><br />
er stasjonær <strong>–</strong> det vil si at det ikke<br />
eksisterer no<strong>en</strong> tr<strong>en</strong>d i tidsrekk<strong>en</strong>. Det<br />
kan være hopp i tidsrekk<strong>en</strong>, m<strong>en</strong> det<br />
antas at tidsrekk<strong>en</strong> etter hvert hopp ligger<br />
i et stabilt leie. Metod<strong>en</strong> kan ikke brukes<br />
til å modellere sesongsvingninger.<br />
Metod<strong>en</strong> er også kalt Browns metode<br />
[25].<br />
I ekspon<strong>en</strong>tiell glatting veies de tidligere<br />
observasjon<strong>en</strong>e ekspon<strong>en</strong>tielt med <strong>en</strong><br />
glattingsparameter a som har verdi<br />
mellom 0 og 1. De relative vekt<strong>en</strong>e blir<br />
da, sett fra siste observasjon og bakover i<br />
tid:<br />
1, a, a2 , a3 , ... (10.1)<br />
Det stilles imidlertid et krav om at<br />
summ<strong>en</strong> av alle vekt<strong>en</strong>e skal være lik 1.<br />
Summ<strong>en</strong> av <strong>en</strong> ekspon<strong>en</strong>tiell rekke med<br />
a som kvoti<strong>en</strong>t er lik 1/(1 - a). Følgelig<br />
må hver av vekt<strong>en</strong>e deles med d<strong>en</strong>ne<br />
summ<strong>en</strong>. Vi får da følg<strong>en</strong>de vekter som<br />
allokeres til observasjon<strong>en</strong>e:<br />
(1-a),(1-a)a,(1-a)a2 ,(1-a)a3 , ... (10.2)<br />
Figur 10.1 viser vekt<strong>en</strong>e når a er lik 0,5.<br />
Det ses at når a = 0,5 blir vekt<strong>en</strong>e raskt<br />
små. Det betyr at det spesielt er de siste<br />
observasjon<strong>en</strong>e som har betydning for<br />
d<strong>en</strong> videre utvikling<strong>en</strong> av tidsrekk<strong>en</strong>.<br />
Hadde a fått verdi<strong>en</strong> 0,9, er det et tegn på<br />
at tidsrekk<strong>en</strong> er mer stabil og atskillig<br />
flere observasjoner i større grad påvirker<br />
videre utvikling. Dette ses også på vekting<strong>en</strong><br />
som er gitt i figur 10.2.<br />
D<strong>en</strong> ekspon<strong>en</strong>tielle glattingsmodell<strong>en</strong> er<br />
uttrykt ved:<br />
ˆy t+1 =(1 − a)y t +(1 − a)ay t−1<br />
+(1 − a)a 2 y t−2 +...<br />
Her er y d<strong>en</strong> glattede verdi<strong>en</strong> ved tidspunkt<br />
t+1.<br />
(10.3)<br />
En alternativ modellform som det er lettere<br />
å foreta beregning<strong>en</strong> med, er:<br />
ˆy t+1 =(1 − a)y + aˆy t<br />
(10.4)<br />
Dette kan uttrykkes verbalt på følg<strong>en</strong>de<br />
måte: Glattet verdi ved tidspunkt t + 1 er<br />
lik (1 - a) ganger siste observasjon + a<br />
ganger glattet verdi ved tidspunkt t.<br />
Ved rekursiv utvikling av (10.4) kan det<br />
vises at (10.3) og (10.4) er tilnærmet like<br />
(og id<strong>en</strong>tiske hvis vi har med u<strong>en</strong>delig<br />
antall ledd).<br />
D<strong>en</strong> glattede verdi<strong>en</strong> fra likning (10.4)<br />
blir da også prognos<strong>en</strong> som vil være <strong>en</strong><br />
konstant størrelse uavh<strong>en</strong>gig av tid<strong>en</strong>.<br />
Dette fordi d<strong>en</strong>ne modell<strong>en</strong> skal brukes<br />
på stasjonære tidsrekker.<br />
Glattingsparameter<strong>en</strong> a bestemmes <strong>en</strong>t<strong>en</strong><br />
ved å forsøke seg fram med ulike verdier<br />
eller ved bruk av ikke-lineær estimeringsmetode.<br />
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39<br />
Figur 10.1 Eksempel på vekter i <strong>en</strong> ekspon<strong>en</strong>tiell glattingsmodell a = 0,5<br />
10.2 Holts metode<br />
Holts metode er <strong>en</strong> utvidelse av ekspon<strong>en</strong>tiell<br />
glatting der det også inkluderes <strong>en</strong><br />
tr<strong>en</strong>d. Det betyr at d<strong>en</strong>ne metod<strong>en</strong> kan<br />
brukes til å lage modeller av tidsrekker<br />
som er ikke-stasjonære. Metod<strong>en</strong> kan<br />
imidlertid ikke brukes på tidsrekker med<br />
sesongsvingninger.<br />
Modell<strong>en</strong>e er bygget på et nivå som<br />
<strong>en</strong>drer seg med tid<strong>en</strong> og på <strong>en</strong> tr<strong>en</strong>d eller<br />
stigningskoeffisi<strong>en</strong>t som også <strong>en</strong>drer seg<br />
med tid<strong>en</strong>. Disse størrels<strong>en</strong>e er betegnet<br />
med:<br />
- nivået, µ<br />
- stigning<strong>en</strong>, β.<br />
Vi forutsetter her at det er samme tidsl<strong>en</strong>gde<br />
mellom hver observasjon. Stigningskoeffisi<strong>en</strong>t<strong>en</strong><br />
i d<strong>en</strong>ne samm<strong>en</strong>h<strong>en</strong>g<br />
er definert som hvor mye tidsrekk<strong>en</strong> øker<br />
(eller avtar) i løpet av <strong>en</strong> tidsl<strong>en</strong>gde. Dersom<br />
vi eksempelvis har årlige observasjoner,<br />
vil stigningskoeffisi<strong>en</strong>t<strong>en</strong> reflektere<br />
årlig <strong>en</strong>dring. Når nivået og stigning<strong>en</strong><br />
ved tidspunkt t er kj<strong>en</strong>t, vil et<br />
anslag for nivået ved tidspunkt t + 1 være<br />
gitt som summ<strong>en</strong> av nivået ved tidspunkt<br />
t og stigning<strong>en</strong> ved tidspunkt t. R<strong>en</strong>t<br />
matematisk kan dette skrives som:<br />
µ t+1 = µ t + βt (10.5)<br />
På samme måte som for ekspon<strong>en</strong>tiell<br />
glatting oppdateres både nivået og stigning<strong>en</strong><br />
rekursivt. I metod<strong>en</strong> dobbel ekspon<strong>en</strong>tiell<br />
glatting, som imidlertid ikke<br />
omtales her, brukes <strong>en</strong> glattingsparameter.<br />
I Holts metode, som er <strong>en</strong> mer<br />
fleksibel metode, brukes to glattingsparametere.<br />
Parameter<strong>en</strong> a b<strong>en</strong>yttes til glatting<br />
av nivået, og parameter<strong>en</strong> b brukes til<br />
glatting av stigning<strong>en</strong>.<br />
Glatting av nivået gjøres etter følg<strong>en</strong>de<br />
resonnem<strong>en</strong>t: Nivået ved tidspunkt t +1<br />
kan uttrykkes ved likning (10.5), som da<br />
er basert på tidligere observasjoner.<br />
Imidlertid har vi også fått inn <strong>en</strong> observasjon<br />
av tidsrekk<strong>en</strong> ved tidspunkt t + 1.<br />
Begge disse størrelser sier noe om nivået<br />
ved tidspunkt t + 1. Analogt med hva<br />
som ble gjort i ekspon<strong>en</strong>tiell glatting<br />
multipliseres siste observasjon med (1 -<br />
a) og det tidligere glattede nivå med a.<br />
Vi får da følg<strong>en</strong>de modell for oppdatering<br />
av nivået på tidsrekk<strong>en</strong>:<br />
ˆµ t+1 =(1 − a)y t+1 + a( ˆµ t + ˆ β t )<br />
(10.6)<br />
På samme måte oppdateres stigning<strong>en</strong>.<br />
Vi multipliserer anslaget for stigning<strong>en</strong><br />
som er differans<strong>en</strong> mellom nivået ved t +