Прогнозирование на основе тренда. Осуществляем прогноз по тренду — определяем его движение индикатором и без
Прогнозирование – это очень важный элемент практически любой сферы деятельности, начиная от экономики и заканчивая инженерией. Существует большое количество программного обеспечения, специализирующегося именно на этом направлении. К сожалению, далеко не все пользователи знают, что обычный табличный процессор Excel имеет в своем арсенале инструменты для выполнения прогнозирования, которые по своей эффективности мало чем уступают профессиональным программам. Давайте выясним, что это за инструменты, и как сделать прогноз на практике.
Целью любого прогнозирования является выявление текущей тенденции, и определение предполагаемого результата в отношении изучаемого объекта на определенный момент времени в будущем.
Способ 1: линия тренда
Одним из самых популярных видов графического прогнозирования в Экселе является экстраполяция выполненная построением линии тренда.
Попробуем предсказать сумму прибыли предприятия через 3 года на основе данных по этому показателю за предыдущие 12 лет.
Способ 2: оператор ПРЕДСКАЗ
Экстраполяцию для табличных данных можно произвести через стандартную функцию Эксель ПРЕДСКАЗ . Этот аргумент относится к категории статистических инструментов и имеет следующий синтаксис:
ПРЕДСКАЗ(X;известные_значения_y;известные значения_x)
«X» – это аргумент, значение функции для которого нужно определить. В нашем случае в качестве аргумента будет выступать год, на который следует произвести прогнозирование.
«Известные значения y» — база известных значений функции. В нашем случае в её роли выступает величина прибыли за предыдущие периоды.
«Известные значения x» — это аргументы, которым соответствуют известные значения функции. В их роли у нас выступает нумерация годов, за которые была собрана информация о прибыли предыдущих лет.
Естественно, что в качестве аргумента не обязательно должен выступать временной отрезок. Например, им может являться температура, а значением функции может выступать уровень расширения воды при нагревании.
При вычислении данным способом используется метод линейной регрессии.
Давайте разберем нюансы применения оператора ПРЕДСКАЗ на конкретном примере. Возьмем всю ту же таблицу. Нам нужно будет узнать прогноз прибыли на 2018 год.
Но не стоит забывать, что, как и при построении линии тренда, отрезок времени до прогнозируемого периода не должен превышать 30% от всего срока, за который накапливалась база данных.
Способ 3: оператор ТЕНДЕНЦИЯ
Для прогнозирования можно использовать ещё одну функцию – ТЕНДЕНЦИЯ . Она также относится к категории статистических операторов. Её синтаксис во многом напоминает синтаксис инструмента ПРЕДСКАЗ и выглядит следующим образом:
ТЕНДЕНЦИЯ(Известные значения_y;известные значения_x; новые_значения_x;[конст])
Как видим, аргументы «Известные значения y» и «Известные значения x» полностью соответствуют аналогичным элементам оператора ПРЕДСКАЗ , а аргумент «Новые значения x» соответствует аргументу «X» предыдущего инструмента. Кроме того, у ТЕНДЕНЦИЯ имеется дополнительный аргумент «Константа» , но он не является обязательным и используется только при наличии постоянных факторов.
Данный оператор наиболее эффективно используется при наличии линейной зависимости функции.
Посмотрим, как этот инструмент будет работать все с тем же массивом данных. Чтобы сравнить полученные результаты, точкой прогнозирования определим 2019 год.
Способ 4: оператор РОСТ
Ещё одной функцией, с помощью которой можно производить прогнозирование в Экселе, является оператор РОСТ. Он тоже относится к статистической группе инструментов, но, в отличие от предыдущих, при расчете применяет не метод линейной зависимости, а экспоненциальной. Синтаксис этого инструмента выглядит таким образом:
РОСТ(Известные значения_y;известные значения_x; новые_значения_x;[конст])
Как видим, аргументы у данной функции в точности повторяют аргументы оператора ТЕНДЕНЦИЯ , так что второй раз на их описании останавливаться не будем, а сразу перейдем к применению этого инструмента на практике.
Способ 5: оператор ЛИНЕЙН
Оператор ЛИНЕЙН при вычислении использует метод линейного приближения. Его не стоит путать с методом линейной зависимости, используемым инструментом ТЕНДЕНЦИЯ . Его синтаксис имеет такой вид:
ЛИНЕЙН(Известные значения_y;известные значения_x; новые_значения_x;[конст];[статистика])
Последние два аргумента являются необязательными. С первыми же двумя мы знакомы по предыдущим способам. Но вы, наверное, заметили, что в этой функции отсутствует аргумент, указывающий на новые значения. Дело в том, что данный инструмент определяет только изменение величины выручки за единицу периода, который в нашем случае равен одному году, а вот общий итог нам предстоит подсчитать отдельно, прибавив к последнему фактическому значению прибыли результат вычисления оператора ЛИНЕЙН , умноженный на количество лет.
Как видим, прогнозируемая величина прибыли, рассчитанная методом линейного приближения, в 2019 году составит 4614,9 тыс. рублей.
Способ 6: оператор ЛГРФПРИБЛ
Последний инструмент, который мы рассмотрим, будет ЛГРФПРИБЛ . Этот оператор производит расчеты на основе метода экспоненциального приближения. Его синтаксис имеет следующую структуру:
ЛГРФПРИБЛ (Известные значения_y;известные значения_x; новые_значения_x;[конст];[статистика])
Как видим, все аргументы полностью повторяют соответствующие элементы предыдущей функции. Алгоритм расчета прогноза немного изменится. Функция рассчитает экспоненциальный тренд, который покажет, во сколько раз поменяется сумма выручки за один период, то есть, за год. Нам нужно будет найти разницу в прибыли между последним фактическим периодом и первым плановым, умножить её на число плановых периодов (3) и прибавить к результату сумму последнего фактического периода.
Прогнозируемая сумма прибыли в 2019 году, которая была рассчитана методом экспоненциального приближения, составит 4639,2 тыс. рублей, что опять не сильно отличается от результатов, полученных при вычислении предыдущими способами.
Мы выяснили, какими способами можно произвести прогнозирование в программе Эксель. Графическим путем это можно сделать через применение линии тренда, а аналитическим – используя целый ряд встроенных статистических функций. В результате обработки идентичных данных этими операторами может получиться разный итог. Но это не удивительно, так как все они используют разные методы расчета. Если колебание небольшое, то все эти варианты, применимые к конкретному случаю, можно считать относительно достоверными.
Самые точные результаты выравнивания ряда динамики дает аналитическое выравнивание, с помощью которого строят математическое уравнение, наилучшим образом описывающее тенденцию изменения показателя.
Понятие об уравнении тенденции динамики ввел в 1902 году английский ученый Р.Гукер. Он предложил называть такое уравнение трендом (the trend).
Под трендом понимают уравнение линии во времени, вдоль которой расположена ломаная ряда динамики.
Этапы построения тренда:
1. Выявляют этапы развития явления (спады, подъемы, однородные участки и т.д.).
2. Анализируют показатели ряда динамики на этих этапах и выбирают вид уравнения (вид тренда).
3. Вычисляют параметры тренда, используя метод наименьших квадратов.
4. Оценивают адекватность уравнения развитию анализируемого показателя, оценивая колеблемость фактических уровней ряда вокруг теоретических, т.е. вычисленных по тренду.
Рассмотрим 3-ий этап на простейшем примере, когда трендом является уравнение прямой линии. Будем искать уравнение в виде:
где t – параметр времени; Y t – соответствующие времени уровни ряда, Ŷ t – выровненные уровни ряда, т.е. вычисленные по тренду.
Исходную информацию и расчетные показатели представим в виде таблицы 7.9.
Используя метод наименьших квадратов, построим систему уравнений:
(7.12)
Таблица 7.9. Схема таблицы для расчета параметров тренда
| t | Y i | t 2 | Y∙t | Ŷ |
| … n | Y 1 Y 2 Y 3 … Y n | Ŷ Ŷ | ||
| åt | åY | åt 2 | å(Y∙t) | ΣŶ |
Решение этой системы позволит найти значения параметров уравнения. Если уравнение построено качественно, то åY i = Σ Ŷ t .
Эти расчеты можно упростить, если иначе производить номерацию параметра t. Ее нужно произвести следующим образом: начало отсчета должно находиться в середине анализируемого ряда. Если количество точек нечетное, то в середине ряда t ставим 0; если количество точек четное, то нуль выбрасывается. К началу ряда счет идет со знаком «–», к концу – со знаком «+», тогда åt становиться равной 0 (т.е. åt=0).
Таблица 7.10. Схема номерации уровней ряда от середины ряда
Тогда в системе нормальных уравнений (7.12) исчезнут слагаемые, в которые входит сумма t (Σt=0), т.е. мы получим упрощенную систему
(7.13)
где n – количество точек анализируемого ряда.
Отсюда: (7.14)
Параметр а 1 соответствует абсолютному приросту за единицу периода времени.
Тенденции или тренды могут быть выражены в виде кривых. Это могут быть: парабола, ветка гиперболы, экспонента или показательная кривая, логарифмическая линия и т.д. Виды трендов в виде кривых и их построение рассмотрим ниже.
Прогноз по тренду . Используя уравнение можно построить точечный прогноз на последующие периоды времени, подставляя в уравнение тренда (7.11) номера t, следующие за последним фактическим номером, используемым при построении тренда. Например:
Таблица 7.11. Схема расчета прогноза при различной номерации показателей ряда динамики
Параметры а 0 и а 1 в уравнении тренда, построенных различным способом нумерации t, будут отличаться, а прогнозы будут совпадать.
Оценка точности тренда. В экономическом анализе необходимо оценить силу разброса фактических точек вокруг расчетных (трендовых). Это оценивается по величине остаточного среднеквадратического отклонения и коэффициенту вариации:
Доверительный интервал или предельная ошибка прогноза равна средней ошибке умноженной на коэффициент доверия t-Стьюдента, при доверительных вероятностях p=0,90; 0,95; 0,99. Строчку в таблицах находим по числу степеней свободы тренда n – m .
Задание 4.1. Спрогнозировать объем результативного показателя на 13-18-ый месяцы статистическими методами (с помощью среднего абсолютного прироста, среднегодового темпа роста) и по уравнению линейного тренда.
Проанализировать полученные результаты, представив их в виде табл. 5, и выбрать наилучшую модель, при прогнозировании по которой получены минимальные ошибки прогноза. Сделать выводы.
Задание 4.2. На основе данных за 1-12 месяцы по результативному показателю рассчитать коэффициенты автокорреляции 1-го и 2-го порядка.
Проанализировать полученные результаты. Сделать выводы.
Таблица 5
Результаты прогнозирования на основе трендовых моделей
|
Фактические значения результативного показателя |
Значение прогнозируемого показателя |
||||||
|
С помощью среднего абсолютного прироста |
Ошибка прогноза, % |
С помощью среднего темпа роста |
Ошибка прогноза, % |
По уравнению линейного тренда |
Ошибка прогноза, % |
||
|
=(гр.2-гр.1)/ гр.1*100 |
=(гр.4-гр.1)/ гр.1*100 |
=(гр.6-гр.1)/ гр.1*100 |
|||||
|
За полугодие | |||||||
4.2. Методические указания к практическим занятиям
Статистические методы прогнозирования.
Наиболее простой метод статистического прогнозирования предполагает использование средних характеристик ряда динамики: среднего абсолютного прироста и среднего темпа роста.
1. С помощью среднего абсолютного прироста.
Скорость изменения уровней временного ряда за определенный отрезок времени характеризуется средним абсолютным приростом. Предполагая его стабильным, прогноз можно дать в виде следующей экстраполяции:
,
где
-
прогнозируемый уровень,
k - период экстраполяций (год, два,....),
у n - последний уровень динамического ряда,
-
средний абсолютный прирост,
.
2. С помощью среднего темпа роста.
Прогнозное значение уровня, исходя из среднего коэффициента роста, можно получить по формуле:
где
- средний темп роста в коэффициентах,
.
Прогнозирование по уравнению тренда в случае линейной зависимости осуществляется по уравнению:
y = a + b * t ,
где y - зависимая переменная, показатель, который прогнозируется;
a - отрезок, начальное значение зависимой переменной, экономической интерпретации чаще всего не имеет;
b - наклон, показывает, на сколько единиц изменится прогнозируемый показатель y при изменении фактора времени на единицу; наклон является статистическим нормативом;
t - фактор времени (если время измеряется месяцами, то для прогнозирования надо подставить месяц, следующий за отчетным).
Для этого необходимо:
1. Определить параметры уравнения тренда:
Назначение сервиса . Сервис используется для расчета параметров тренда временного ряда y t онлайн с помощью метода наименьших квадратов (МНК) (см. пример нахождения уравнения тренда), а также способом от условного нуля. Для этого строится система уравнений:a 0 n + a 1 ∑t = ∑y
a 0 ∑t + a 1 ∑t 2 = ∑y t
и таблица следующего вида:
| t | y | t 2 | y 2 | t y | y(t) |
| 1 | |||||
| ... | ... | ... | ... | ... | ... |
| N | |||||
| ИТОГО | ∑ | ∑ | ∑ | ∑ | ∑ |
Инструкция . Укажите количество данных (количество строк). Полученное решение сохраняется в файле Word и Excel .
Тенденция временного ряда характеризует совокупность факторов, оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя.
Способ отсчета времени от условного начала
Для определения параметров математической функции при анализе тренда в рядах динамики используется способ отсчета времени от условного начала. Он основан на обозначении в ряду динамики показаний времени таким образом, чтобы ∑t i . При этом в ряду динамики с нечетным числом уровней порядковый номер уровня, находящегося в середине ряда, обозначают через нулевое значение и принимают его за условное начало отсчета времени с интервалом +1 всех последующих уровней и –1 всех предыдущих уровней. Например, при обозначения времени будут: –2, –1, 0, +1, +2 . При четном числе уровней порядковые номера верхней половины ряда (от середины) обозначаются числами: –1, –3, –5 , а нижней половины ряда обозначаются +1, +3, +5 .Пример . Статистическое изучение динамики численности населения.
- С помощью цепных, базисных, средних показателей динамики оцените изменение численности, запишите выводы.
- С помощью метода аналитического выравнивания (по прямой и параболе, определив коэффициенты с помощью МНК) выявите основную тенденцию в развитии явления (численность населения Республики Коми). Оцените качество полученных моделей с помощью ошибок и коэффициентов аппроксимации.
- Определите коэффициенты линейного и параболического трендов с помощью средств «Мастера диаграмм». Дайте точечный и интервальный прогнозы численности на 2010 г. Запишите выводы.
| 1990 | 1996 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 | 2008 |
| 1249 | 1133 | 1043 | 1030 | 1016 | 1005 | 996 | 985 | 975 | 968 |
а) Линейное уравнение тренда имеет вид y = bt + a
1. Находим параметры уравнения методом наименьших квадратов
. Используем способ отсчета времени от условного начала.
Система уравнений МНК для линейного тренда имеет вид:
a 0 n + a 1 ∑t = ∑y
a 0 ∑t + a 1 ∑t 2 = ∑y t
| t | y | t 2 | y 2 | t y |
| -9 | 1249 | 81 | 1560001 | -11241 |
| -7 | 1133 | 49 | 1283689 | -7931 |
| -5 | 1043 | 25 | 1087849 | -5215 |
| -3 | 1030 | 9 | 1060900 | -3090 |
| -1 | 1016 | 1 | 1032256 | -1016 |
| 1 | 1005 | 1 | 1010025 | 1005 |
| 3 | 996 | 9 | 992016 | 2988 |
| 5 | 985 | 25 | 970225 | 4925 |
| 7 | 975 | 49 | 950625 | 6825 |
| 9 | 968 | 81 | 937024 | 8712 |
| 0 | 10400 | 330 | 10884610 | -4038 |
Для наших данных система уравнений примет вид:
10a 0 + 0a 1 = 10400
0a 0 + 330a 1 = -4038
Из первого уравнения выражаем а 0 и подставим во второе уравнение
Получаем a 0 = -12.236, a 1 = 1040
Уравнение тренда:
y = -12.236 t + 1040
Оценим качество уравнения тренда с помощью ошибки абсолютной аппроксимации.
Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.
б) выравнивание по параболе
Уравнение тренда имеет вид y = at 2 + bt + c
1. Находим параметры уравнения методом наименьших квадратов.
Система уравнений МНК:
a 0 n + a 1 ∑t + a 2 ∑t 2 = ∑y
a 0 ∑t + a 1 ∑t 2 + a 2 ∑t 3 = ∑yt
a 0 ∑t 2 + a 1 ∑t 3 + a 2 ∑t 4 = ∑yt 2
| t | y | t 2 | y 2 | t y | t 3 | t 4 | t 2 y |
| -9 | 1249 | 81 | 1560001 | -11241 | -729 | 6561 | 101169 |
| -7 | 1133 | 49 | 1283689 | -7931 | -343 | 2401 | 55517 |
| -5 | 1043 | 25 | 1087849 | -5215 | -125 | 625 | 26075 |
| -3 | 1030 | 9 | 1060900 | -3090 | -27 | 81 | 9270 |
| -1 | 1016 | 1 | 1032256 | -1016 | -1 | 1 | 1016 |
| 1 | 1005 | 1 | 1010025 | 1005 | 1 | 1 | 1005 |
| 3 | 996 | 9 | 992016 | 2988 | 27 | 81 | 8964 |
| 5 | 985 | 25 | 970225 | 4925 | 125 | 625 | 24625 |
| 7 | 975 | 49 | 950625 | 6825 | 343 | 2401 | 47775 |
| 9 | 968 | 81 | 937024 | 8712 | 729 | 6561 | 78408 |
| 0 | 10400 | 330 | 10884610 | -4038 | 0 | 19338 | 353824 |
Для наших данных система уравнений имеет вид
10a 0 + 0a 1 + 330a 2 = 10400
0a 0 + 330a 1 + 0a 2 = -4038
330a 0 + 0a 1 + 19338a 2 = 353824
Получаем a 0 = 1.258, a 1 = -12.236, a 2 = 998.5
Уравнение тренда:
y = 1.258t 2 -12.236t+998.5
Ошибка аппроксимации для параболического уравнения тренда.
Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.
Минимальная ошибка аппроксимации при выравнивании по параболе. К тому же коэффициент детерминации R 2 выше чем при линейной. Следовательно, для прогнозирования необходимо использовать уравнение по параболе.
Интервальный прогноз.
Определим среднеквадратическую ошибку прогнозируемого показателя.
m = 1 - количество влияющих факторов в уравнении тренда.
Uy = y n+L ± K
где
L - период упреждения; у n+L - точечный прогноз по модели на (n + L)-й момент времени; n - количество наблюдений во временном ряду; Sy - стандартная ошибка прогнозируемого показателя; T табл - табличное значение критерия Стьюдента для уровня значимости α и для числа степеней свободы, равного n-2
.
По таблице Стьюдента находим Tтабл
T табл (n-m-1;α/2) = (8;0.025) = 2.306
Точечный прогноз, t = 10: y(10) = 1.26*10 2 -12.24*10 + 998.5 = 1001.89 тыс. чел.
1001.89 - 71.13 = 930.76 ; 1001.89 + 71.13 = 1073.02
Интервальный прогноз:
t = 9+1 = 10: (930.76;1073.02)
Привет Всем!
Все трейдеры рынка Форекс четко осознают, что правильное прогнозирование рынка может практически, со 100% вероятностью, обеспечить прибыль от проведенной сделки на основе такого анализа. Что же такое прогноз тренда, какие способы его осуществления и какие технические инструменты могут в этом помочь, подробнее об этом мы разберем в этом посте.
Прогноз тренда — это умение спрогнозировать движение цены на ценовом графике в течение конкретного периода времени. Это чрезвычайно хлопотливое дело, требующее немалого опыта и натренированного ощущения рынка, и как ни крути, достижение этого умения является основной задачей для любого участника рынка, поскольку именно от его успешной реализации зависит размер полученной прибыли.
Кроме обычных методов технического и фундаментального анализа, для прогнозирования были разработаны специальные индикаторы прогноза тренда. Парочку самых точных и проверенных, мы и разберем ниже.
Итак, первый индикатор прогноза движения цены, который пользуется наибольшей популярностью среди трейдеров, это — Xprofuter . Данный индикатор состоит из двух компонентов:
#1 . Первый компонент — XprofuterDD — это собственно окно визуального прогноза, которое находится ниже основного графика и отображает общую с его кратковременным прогнозом.
#2 . Второй компонент — XprofuterOverlay — это визуальное построение прогнозной линии на главном ценовом графике на максимальное расстояние двенадцать (12) . Это позволяет трейдеру провести соответствующий анализ и опираясь на (которой он оперирует), выставить ордера для входа в позицию.
Более наглядно как полноценно должен отображаться данный индикатор прогноза тренда в :
Что можно сказать о его преимуществах, больше всего он подходит для (для «пипсовки»), соответственно на коротких временных промежутках, и не более, для долговременного трейдинга он к сожалению не подходит. Относительно недостатков, в большинстве случаев некорректно показывает ситуации , хотя для исправления этого можно дополнительно использовать любой проверенный трендовый индикатор.
Скачать индикатор прогноза тренда Xprofuter можете по ссылке
Еще один не менее популярный пример индикатора прогноза тренда, который построен на теории Фурье и является более динамичным в применении, чем его вышеописанный «коллега», это — Fourier Extrapolator .
Данный индикатор прогноза тренда дает трейдеру уже больший диапазон анализа рынка, но не более одного торгового дня. Этот индикатор будет вполне благоприятен для внутридневной торговли на рынке Форекс.
На графике, как видите на рисунке выше, данный технический инструмент не имеет дополнительного окна, и отображается только в виде визуальной линии, которая прогнозирует движение цены на определенный период в будущем.
При торговле индикатор прогноза тренда Fourier Extrapolator некорректно реагирует на непредвиденные резкие движения цены, которые как вариант, могут быть спровоцированы выходом важных событий (изменением ). При этом желательно, не входить в рынок по сигналам от индикатора в период выхода таких новостей. Для этого, чтобы быстро реагировать на такие ситуации можно дополнительно использовать . Кроме этого для отсеивания некоторых неточностей прогноза тренда, также желательно использовать другие трендовые инструменты для выявления не только текущего направления движения цены, но и его силы.
Скачать индикатор прогноза тренда Fourier Extrapolator и инструкцию с подробным описанием его параметров можно по ссылке
Итак, друзья трейдеры, мы рассмотрели технические инструменты прогноза тренда, Вы можете загрузить их, протестировать собственноручно на результативность и использовать в дальнейшем в своей торговле. Возможно вы знаете другие методы или индикаторы прогноза тренда, которые являются более эффективными, чем вышеописанные, тогда оставьте свой отзыв, и при желании, поделитесь результатами их работы в комментариях, буду благодарен за Ваши ответы;-).
Всем удачи и до встречи в следующих статьях!
С уважением, Александр Сивер