Анализ динамики импорта и экспорта США (стр. 3 из 6)

Рис. 3. Графическое изображение первого периода динамики импорта и экспорта

Таблица 5

2 период: 1991 – 2007 гг.

№ п/п	Год	Объем импорта, млрд. $	Объем экспорта,млрд. $
1	1991	508,363	421,730
2	1992	553,923	448,163
3	1993	603,438	464,773
4	1994	689,215	512,627
5	1995	770,852	584,743
6	1996	822,025	625,073
7	1997	899,020	689,182
8	1998	944,353	682,138
9	1999	1059,440	695,797
10	2000	1259,300	781,918
11	2001	1179,180	729,100
12	2002	1200,230	693,103
13	2003	1303,050	724,771
14	2004	1525,680	818,520
15	2005	1732,350	907,158
16	2006	1919,430	1038,270
17	2007	2016,98	1162,98

Рис. 4. Графическое изображение второго периода динамики импорта и экспорта

2. Анализ основной тенденции динамики ряда

Одной из важнейших задач статистического анализа рядов динамики является выявление и описание основной тенденции развития изучаемого явления.

Тенденция – это объективно существующее свойство того или иного процесса, которое лишь приближенно описывается трендом определенного вида.

Тренд – это представление тенденции развития в форме той или иной монотонной кривой.

Для выявления и измерения общей тенденции развития изучаемого явления необходимо абстрагироваться от влияния на уровень ряда несуществующих факторов. Достичь этого позволяют приемы сглаживания или выравнивания динамического ряда.

Методы выравнивания динамического ряда делят на две группы:

1 – механический;

2 – аналитический.

Суть различных приемов, с помощью которых осуществляется сглаживание, сводится к замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные. Уменьшение колеблемости уровней позволяет тенденции развития проявиться более отчетливо.

2.1 Выравнивание динамического ряда по скользящей средней

Один из наиболее простых приемов сглаживания заключается в расчете скользящих, или, как иногда их называют, подвижных средних. Применение последних, позволяет сгладить периодические и случайные колебания и тем самым выявить присутствующую в развитии тенденцию.

Пусть динамический ряд состоит из уровней yt, t = 1,..., n. Для каждых m последовательных уровней этого ряда (т < n) можно подсчитать среднюю величину. Вычислив значение средней для первых т уровней, переходят к расчету средней для уровней y2,..., yт+i, затем y3,..., ym+2 и т. д. Таким образом, интервал сглаживания, т. е. интервал, для которого подсчитывается средняя, как бы скользит по динамическому ряду с шагом, равным единице. При сглаживании предпочтительнее использовать нечётное число уровней, поскольку в этом случае расчётное значение уровня окажется в центре интервала сглаживания и им легко заменить фактическое значение. Другими словами при нечётном m (интервал сглаживания) исходный ряд и ряд скользящих средних оказываются полностью синхронизированными и в полной мере сопоставимыми.

, где

– значение скользящей средней для момента t,

yi – фактическое значение уровня в момент i;

i – порядковый номер уровня в интервале сглаживания;

m – интервал сглаживания (период скольжения).

Величина р легко определяется из продолжительности интервала сглаживания. Поскольку т = 2р + 1 при нечетном т, то

.

Расчет скользящей средней при большом числе уровней можно несколько упростить, применив ряд приемов. Так, последовательные значения скользящей средней можно определить рекурсивно

или путем последовательного расчета накопленных сумм уровней. Обозначим кумулятивную сумму уровней от начала ряда до уровня j включительно как uj; u1=y1; u2=u1+y2; u3=u2+y3 и т. д. Тогда числитель формулу можно записать как:

.

Выбор периода скольжения имеет большое значение, особенно, если в изучаемом ряду имеются циклические колебания. В этом случае период скольжения должен быть равным, либо кратным периоду колеблемости. Средние, рассчитанные по большому периоду, лучше сглаживают случайные колебание. Но использование многочленных скользящих средних может быть ограничено незначительной продолжительностью исходного ряда. Необходимо учитывать, что использование метода скользящих средних приводит к получению укороченного временного ряда.

Для выбора лучшего варианта выравнивания по скользящей средней может быть использован формальный критерий, основанный на сравнении сумм квадратов отклонений фактических уровней ряда от значений уровней выровненного ряда:

,

где

– значения уровней исходного ряда;

– значения уровней выровненного ряда;

– число выровненных уровней.

Очевидно, что если тенденция в результате сглаживания проявляется достаточно четко, то чем меньше

, тем лучше выравнивание.

В рамках курсового проекта требуется провести сглаживание 3-х и 7-членной скользящей средней.

Рис. 6. Вырезка из ППП Statistica: динамические ряды импорта и экспорта, сглаженные 3-х членными и 7-ми членными скользящими средними.

Рис. 7. Динамический ряд импорта, сглаженный 3-х членными скользящими средними.

Рис. 8. Динамический ряд импорта, сглаженный 7-ми членными скользящими средними

Рис. 9. Динамический ряд экспорта, сглаженный 3-х членными скользящими средними.

Рис. 10. Динамический ряд экспорта, сглаженный 7-ми членными скользящими средними.

Более точно динамику изменения объема экспорта и импорта описывают тренды, выраженные 3-х членными скользящими средними. Но простые скользящие средние – относительно грубый статистический прием выявления тенденции. В ряде случаев сглаживание с помощью простой скользящей средней оказывается настолько сильным, что тенденция развития проявляется лишь в самом общем виде, а отдельные важные для экономического анализа детали теряются. Часто после сглаживания мелкие волны или вообще исчезают, или меняют свой знак, т. е. вместо выпуклого участка на кривой получают вогнутый, и наоборот.

2.2 Аналитическое выравнивание динамического ряда

Кривые роста, описывающие закономерности развития явлений во времени, получают путём аналитического выравнивания динамических рядов. Выравнивание ряда с помощью тех или иных функций (то есть их подгонка к данным) в большинстве случаев оказывается удобным средством описания эмпирических данных, характеризующих развитие во времени исследуемого явления. Это средство при соблюдении ряда условий можно применить и для прогнозирования. Процесс выравнивания состоит из следующих основных этапов:

выбора типа кривой, форма которой соответствует характеру изменения динамического ряда;

определения численных значений (оценивание) параметров кривой;

апостериорного контроля качества выбора тренда.

Найденная функция позволяет получить выровненные, или, как их иногда называют, теоретические значения уровней динамического ряда, то есть те уровни, которые наблюдались бы, если бы динамика явления полностью совпадала с кривой. Эта же функция с некоторой корректировкой или без неё, применяется и для экстраполяции.

Вопрос о выборе типа кривой является основным при выравнивании ряда. При всех прочих равных условиях ошибка в решении этого вопроса оказывается более значимой по своим последствиям (особенно для прогнозирования), чем ошибка, связанная со статистическим оцениванием параметров.

Весьма распространенным приемом выявления формы тренда является графическое изображение временного ряда. Но при этом весьма велико влияние субъективного фактора, даже при отображении выровненных уровней. Наиболее надежные методы выбора уравнения тренда основаны на свойствах различных кривых, применяемых при аналитическом выравнивании. Такой подход позволяет увязать тип тренда с теми или иными качественными свойствами развития явления.

Итак, рассмотрим следующие типы уравнений тренда:

линейная форма:

;

полином 2-ой степени:

;