Методологія прогнозування макроекономічних процесів

     

      Значний внесок у теорію прогнозування зробили такі відомі вчені, як: Т. Андерсен [256], Д. Брилінгер [272, 273], П. Броквел [276], В. Вей [370], А. Гарвей [311, 312, 313], В. Геєць [36, 37, 38, 47, 149], Д. Гендрі [315], С. Гренджер [302], Р. Девіс [287], В. Іванов [72], М. Кендал [322], Т. Клебанова [149], І. Лук’яненко [136], Т. Мілс [334, 335], Б. Панасюк [169], М. Прістлі [349], В. Фулер [295], Є. Ханнан [308, 309], О. Черняк [238] та ін. Засновниками аналізу часових рядів слід вважати Дж. Бокса та Г. Дженкінса, які створили підґрунтя для подальшого розвитку економетричного аналізу у цій сфері. Як зазначає Ч. Нельсон [337], прогнози, здійснені за допомогою моделей Бокса – Дженкінса на початку 1970-х рр., були, як правило, не гіршими, а нерідко й кращими за прогнози, отримані за допомогою макроекономічних моделей. З того часу була проведена величезна робота: з одного боку, ускладнювалися самі економетричні моделі, а з іншого – аналіз часових рядів доповнювався багатомірним аналізом. На жаль, до останнього часу не було здійснено порівняння їх прогнозної сили, що дало б змогу оцінити просування у цих двох напрямах. Можна погодитися з думкою К. Доугерті, що недоцільно дотримуватися лише однієї точки зору, оскільки найімовірнішим стане їх зближення [363].

      Найоб’єктивнішим підходом до прогнозування є екстраполяційні методи. Головна їх ідея полягає у тому, що закон зміни даних у минулому спостерігатиметься й у майбутньому. Метою прикладного статистичного аналізу часових рядів є побудова математичної моделі ряду, за допомогою якої можна пояснити його поведінку та здійснити прогноз на майбутні періоди.

      Аналіз часового ряду починається з побудови і вивчення його графіка. Якщо нестаціонарність часового ряду очевидна, то насамперед потрібно виокремити його нестаціонарну складову. Процес виокремлення тренду та інших компонент ряду, що призводять до порушення стаціонарності, може відбуватися в кілька етапів. На кожному з них розглядається ряд залишків, отриманих внаслідок вирахування з вихідного ряду підібраної моделі тренду, або результат різницевих та інших перетворень ряду. Крім графіків, ознаками нестаціонарності часового ряду можуть бути автокореляційна функція, що прямує не до нуля (за винятком дуже великих значень лагів), і наявність яскраво виражених піків на низьких частотах у періодограмі. За допомогою автокореляційної функції досліджують також внутрішні зв’язки між елементами часових рядів.

      У вибіркових дослідженнях найпростіші числові характеристики описової статистики (середнє, медіана, дисперсія, стандартне відхилення, коефіцієнти асиметрії й ексцесу) дають достатнє інформативне уявлення про вибірку. Графічні методи уявлення й аналізу вибірок при цьому відіграють лише допоміжну роль, даючи змогу краще зрозуміти локалізацію та концентрацію даних, їхній закон розподілу.

      Роль графічних методів при аналізі часових рядів цілком інша. Табличне уявлення часового ряду й описових статистик найчастіше не дає змоги зрозуміти характер процесу, тоді як за графіком тимчасового ряду можна дійти досить важливих висновків щодо: 1) наявності тренду і його характеру;

      2) наявності сезонних і циклічних компонент;

      3) ступеня повільності або переривчастості змін послідовних значень ряду після усунення тренду (цей показник вказує на характер і розмір кореляції між сусідніми елементами ряду).

      Так, графічний аналіз ряду, зазвичай, визначає напрям його подальшого аналізу. Після того, як вихідний процес максимально наближений до стаціонарного, можна розпочати вибір різноманітних моделей отриманого процесу. Мета цього етапу – опис і врахування у подальшому аналізу кореляційної структури представленого процесу. Модель вважається підібраною, якщо залишкова компонента ряду, як правило, є процесом типу “білого шуму”. Після підбору залишки аналізуються для перевірки адекватності моделі та побудови надійних інтервалів.

      Вся работа доступна по Ссылке