| Головна |
| « Попередня | ЗМІСТ |
|---|
Побудова моделей послідовних періодів прогнозування для забезпечення введення початкових умов для динамічних систем, розрахованих на більш тривалий час, є надійною дослідницької стратегією. В інформаційний вік цю процедуру застосовують при розробці складаються з високою частотністю систем для ініціалізації квартальних і річних систем, які використовуються при екстраполяції на кілька років.
В даний час щомісячні дані, а в окремих випадках дані більш високої частотності можуть забезпечити екстраполяції, які можна застосовувати для уточнення або ініціалізації складаються з більш низькою частотністю систем квартальних або річних даних.
Що складається з високою частотністю система має два типи взаємозв'язків, заснованих на двох головних джерелах даних (збережені оригінальні позначення, що використовуються в моделі).
1. Щомісячні або виводяться з більш високою частотністю показники (щотижневі, щоденні або квазіреальність часу):
mix = i-й щомісячний показник;
т = т, -й місяць.
2. Квартальні змінні національних рахунків доходів і продуктів (НСДП) (СНС США), включаючи номінальні, реальні, пов'язані ціни:
qn = i-я квартальна змінна;
t = t-ii квартал.
Значимість такого підходу до побудови моделей з високою частотністю в цьому контексті полягає в тому, що система національних рахунків доходів і продуктів не підлягає зміні. Головну роль в структурі системи відіграють облікові взаємозв'язку.
Проміжні рівняння:
Рівняння тимчасового ряду для оцінки тп
У проміжних рівняннях робиться спроба пов'язати квартальні показники національних рахунків доходів і продуктів з тісно пов'язаними з ними середніми за квартал щомісячними показниками. Як приклад наведемо оцінку споживчих витрат за квартал в національних рахунках доходів і продуктів із застосуванням середнього за квартал обсягу роздрібних продажів. Рівень деталізації набагато вище, ніж загальний обсяг роздрібних продажів і загальні споживчі витрати в реальній практиці.
При виборі / я, можна керуватися наступним міркуванням. Ці показники повинні бути якомога ближче до тих, які використовуються офіційною статистикою при побудові своїх оцінок qit. Використовувані на практиці показники здебільшого добре відомі. В економічній науці, яка застосовує дані високої частотності, цінується швидкість; тому важливо шукати незвичайні дані, особливо нові дані, які надходять на початку кварталу, щоб дати орієнтування щодо майбутнього руху qiy Нові вибіркові обстеження, економічні зобов'язання, свідоцтва про намір, форвардні ринкові позиції, ф'ючерсні ціни і тому подібні змінні величини можуть стати аргументами правій частині проміжних рівнянь або як головні, або як додаткові змінні.
Для рівнянь тимчасового ряду значення змінних величин показників виходять в результаті екстраполяції при встановленні або уточнення інформації за квартал.
Методи Боксу - Дженкінса з одним рівнянням використовуються для оцінки функцій авторегресійних інтегрованих ковзних середніх (модель ARIMA). Оцінюються також деякі надзвичайно ймовірні наслідки перехресного запізнювання по різних секторах, наприклад початок будівництва житлового будинку як додаткова змінна в рівняннях ARIMA для роздрібних продажів устаткування і предметів домашнього ужитку і побутових електроприладів.
В даний час ведеться експериментальна робота але оцінці рівнянь векторних авторегресійних ковзають середніх (VAR) Замість рівнянь ARIMA для таких компактних підгруп, як види споживчих товарів тривалого користування, споживчі товари короткочасного користування, накопичення капіталу підприємств, змінні зовнішньої торгівлі, змінні ринку праці і т. д.
Наведені вище рівняння зазвичай не є структурними рівняннями поведінки або теоретично виведеними рівняннями. Це емпіричні рівняння, і вони знову перераховуються, як тільки стають відомі нові дані за місяць, і файли даних оновлюються, що зазвичай відбувається протягом кількох годин після опублікування нових даних.
Прогнози високої частотності можна видавати як завгодно часто. Вважається за доцільне збирати інформацію в кінці кожного тижня, наприклад в п'ятницю на момент закінчення робочого тижня, оновлювати її, проводити переоцінку і давати прогноз по багатьом змінним національних рахунків доходів і продуктів на два квартали вперед, т. Е. На два квартали, по яких дані ще не опубліковані. У США ці екстраполяції потім вивчаються в контексті ділових новин і разом з поясненнями публікуються щопонеділка.