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.
Prinsippet for ekspon<strong>en</strong>tiell glatting gikk<br />
ut på å estimere µ't som d<strong>en</strong> underligg<strong>en</strong>de<br />
forv<strong>en</strong>tede verdi på nivået ved tidspunkt<br />
t. La som i ekspon<strong>en</strong>tiell glatting<br />
tidsseri<strong>en</strong>s forv<strong>en</strong>tningsverdi ved tidspunkt<br />
t være µ t og rekursjonslikning<strong>en</strong><br />
blir da:<br />
µ't = (1 - a) yt + aµ't-1 Her gis siste observasjon yt vekt (1-a) og<br />
det tidligere beregnete nivået 't-1 gis<br />
vekt<strong>en</strong> a.<br />
Hvis tidsrekk<strong>en</strong> inneholder <strong>en</strong> tr<strong>en</strong>d, vil<br />
d<strong>en</strong> glattede verdi<strong>en</strong> y't (som prognose<br />
for framtidige perioder) g<strong>en</strong>erelt være for<br />
lav eller for høy avh<strong>en</strong>gig av om tr<strong>en</strong>d<strong>en</strong><br />
er positiv eller negativ, se eksempel i<br />
avsnitt 3.1.2. Dette fordi funksjon<strong>en</strong> kun<br />
tar h<strong>en</strong>syn til verdi<strong>en</strong>e som er observert<br />
tidligere og ikke til <strong>en</strong>dring<strong>en</strong> mellom<br />
verdi<strong>en</strong>e. Derfor estimeres ikke <strong>en</strong> tr<strong>en</strong>d<br />
for framtidige verdier. Hvis det er <strong>en</strong><br />
tr<strong>en</strong>d, bør d<strong>en</strong> komme til syne i de glattede<br />
verdi<strong>en</strong>e.<br />
Figur 7 viser data med tr<strong>en</strong>d som er<br />
glattet ved hjelp av ekspon<strong>en</strong>tiell glatting.<br />
Det vises der tydelig at kurv<strong>en</strong> inneholder<br />
<strong>en</strong> tr<strong>en</strong>d.<br />
I Holts metode føres det inn <strong>en</strong> ekstra<br />
parameter som beskriver tr<strong>en</strong>d<strong>en</strong> i tidsseri<strong>en</strong>.<br />
Tr<strong>en</strong>d<strong>en</strong> beskrives ved hjelp av<br />
parameter<strong>en</strong> βt . βt vil være stigningskoeffisi<strong>en</strong>t<strong>en</strong><br />
til tidsseri<strong>en</strong> ved tidspunkt t.<br />
Dermed vil vi kunne beskrive <strong>en</strong> tidsserie<br />
med tr<strong>en</strong>d på følg<strong>en</strong>de måte:<br />
yt = yt-1 + βt-1 yt-1 = yt-2 + βt-2 Vårt mål blir nå å finne <strong>en</strong> h<strong>en</strong>siktsmessig<br />
måte å lage et godt estimat for yt ,<br />
µ't . Dette må gjøres slik at vi også tar<br />
h<strong>en</strong>syn til stigningskoeffisi<strong>en</strong>t<strong>en</strong> βt . Vi<br />
tar da utgangspunkt i yt som er de<br />
observerte verdi<strong>en</strong>e. Under ekspon<strong>en</strong>tiell<br />
glatting kom vi fram til funksjon<strong>en</strong><br />
µ't = (1 - a) yt + aµ't-1 og det er nå nødv<strong>en</strong>dig å legge til <strong>en</strong><br />
faktor som beskriver tr<strong>en</strong>d<strong>en</strong> i tidsseri<strong>en</strong>.<br />
Ut<strong>en</strong> å forklare for meget vil vi bare sette<br />
opp funksjonsformel<strong>en</strong> og la d<strong>en</strong>ne tale<br />
for seg. Intuitivt vil vi forstå at tidligere<br />
estimert verdi for nivået må økes med<br />
stigning<strong>en</strong> som tidsseri<strong>en</strong> inneholder og<br />
vi får dermed funksjon<strong>en</strong>:<br />
µ't = (1 - a) yt + a(µ't-1 + β't-1 )<br />
Spørsmålet er nå følg<strong>en</strong>de:<br />
Hvordan beregne et estimat for tr<strong>en</strong>dfaktor<strong>en</strong><br />
til formel<strong>en</strong>?<br />
D<strong>en</strong> observerte tr<strong>en</strong>dfaktor<strong>en</strong> β t , kan<br />
bestemmes ved å ta differans<strong>en</strong> mellom<br />
y t og y t-1 .<br />
β t = y t - y t-1<br />
Brukes dette estimatet for tr<strong>en</strong>d<strong>en</strong> i tidspunkt<br />
t vil vi få et dårlig estimat hvis det<br />
er store variasjon<strong>en</strong> i tr<strong>en</strong>d<strong>en</strong>. Vi velger<br />
heller å bruke <strong>en</strong>dring<strong>en</strong> i de estimerte<br />
nivå<strong>en</strong>e i stedet. Altså bytter vi ut y t med<br />
µ' t og får følg<strong>en</strong>de uttrykk:<br />
β t = µ' t - µ' t-1<br />
Det må her gjøre klart at βt er å betrakte<br />
som <strong>en</strong> verdi på siste observerte tr<strong>en</strong>d, og<br />
ikke d<strong>en</strong> estimerte tr<strong>en</strong>dfaktor<strong>en</strong> β't .<br />
Vi har nå “observert verdi på tr<strong>en</strong>d<strong>en</strong>” og<br />
kan sette samm<strong>en</strong> <strong>en</strong> funksjon basert på<br />
ekspon<strong>en</strong>tiell glatting.<br />
β't = (1-b)βt + bβ't-1 β' t = (1-b)(µ' t - µ' t-1 ) + bβ' t-1<br />
b er her <strong>en</strong> parameter, slik som a, som<br />
skal ligge mellom 0 og 1 og som angir<br />
hvor mye siste observasjon for tr<strong>en</strong>d<strong>en</strong><br />
skal veie i forhold til de tidligere.<br />
4.1 Oppsummering<br />
Når <strong>en</strong> tidsrekke inneholder <strong>en</strong> tr<strong>en</strong>d<br />
beregnes glatting<strong>en</strong> basert på Holts<br />
metode med følg<strong>en</strong>de to formler:<br />
µ't = (1 - a) yt + a(µ't-1 + β't-1 )<br />
β' t = (1-b)(µ' t - µ' t-1 ) + bβ' t-1<br />
Tabell 3 viser hvordan dette gjøres på <strong>en</strong><br />
for<strong>en</strong>klet tidsserie som beskriver årlig<br />
vekst i hovedabonnem<strong>en</strong>t og hvordan<br />
prognos<strong>en</strong> fire år fram utvikler seg. a =<br />
0,5, b = 0,6.<br />
Tabell 3 viser hvordan Holts metode<br />
fungerer.<br />
4.2 Prognosemodell,<br />
Holts metode<br />
Prognosemodell<strong>en</strong> basert på Holts<br />
metode kan uttrykkes <strong>en</strong>kelt på følg<strong>en</strong>de<br />
matematisk form:<br />
Ft+m = µ't + mβ't Ut fra d<strong>en</strong>ne formel<strong>en</strong> ser vi at prognos<strong>en</strong><br />
er <strong>en</strong> fast stigning som vil <strong>en</strong>dre seg når<br />
nye observasjoner kommer til. µ't og β't finnes ved hjelp av rekursjonsformel<strong>en</strong><br />
som er beskrevet tidligere.<br />
Intuitivt vil vi forstå at har vi <strong>en</strong> tidsserie<br />
som er voks<strong>en</strong>de vil vi i prognos<strong>en</strong>e få <strong>en</strong><br />
øk<strong>en</strong>de verdi med konstant tr<strong>en</strong>d. Har vi<br />
for eksempel <strong>en</strong> tidsserie som inneholder<br />
sesong vil det være naturlig å anta at<br />
kurv<strong>en</strong>, observasjon<strong>en</strong>e i framtid<strong>en</strong>, vil<br />
inneholde sesong også i framtid<strong>en</strong>. Konklusjon<strong>en</strong><br />
blir altså at <strong>en</strong> prognosemodell<br />
basert på Holts metode ikke vil være<br />
aktuell å bruke på andre tidsserier <strong>en</strong>n de<br />
som inneholder <strong>en</strong> lineær tr<strong>en</strong>d og ikke<br />
sesongkompon<strong>en</strong>ter.<br />
4.2.1 Eksempel<br />
For å kunne vise Holts metode som prognosemetode<br />
rekapitulerer vi forrige talleksempel<br />
hvor vi i tillegg får inn beregning<br />
av prognos<strong>en</strong>e framover. Historikk<strong>en</strong><br />
er fra 1982 til 1990 og prognos<strong>en</strong> fra<br />
1991 til 1992.<br />
Tabell 4 viser hvordan Holts metode<br />
fungerer når <strong>en</strong> prognose skal konstrueres.<br />
D<strong>en</strong>ne tabell<strong>en</strong> kan ses på som <strong>en</strong><br />
fortsettelse av tabell 3.<br />
Figur 8 viser observerte verdier og glattede<br />
verdier, samt prognose.<br />
La oss ta tre forskjellige tidsserier hvor<br />
én er med tr<strong>en</strong>d og sesong, én er med<br />
tr<strong>en</strong>d og ut<strong>en</strong> sesong (lineær tr<strong>en</strong>d), og én<br />
ut<strong>en</strong> tr<strong>en</strong>d og sesong (stasjonær). På alle<br />
tidsseri<strong>en</strong>e bruker vi Holts metode med<br />
glattingskonstanter a = 0,3 b = 0,5.<br />
I figur 9 ser vi at prognos<strong>en</strong> ville blitt <strong>en</strong><br />
negativ kurve fordi data inneholder <strong>en</strong><br />
(x 1000)<br />
10<br />
9<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
observert verdi<br />
a = 0.9<br />
0<br />
1 10 20 30 40 50 60 70 80 90<br />
Figur 7 Data med tr<strong>en</strong>d som er glattet ved hjelp av ekspon<strong>en</strong>tiell<br />
glatting<br />
81