|
|
|
|
|
Таким образом, использование формул (1.13)-(1.16) приводит к противоречию при определении параметра сглаживания: с умень- шением α уменьшается среднеквадратическая ошибка, но при этом возрастает ошибка в начальных условиях, что в свою очередь влияет на точность прогноза. Кроме того, при использовании соотношений (1.13)-(1.16) необ- ходимо принимать во внимание следующие обстоятельства, а имен- но: эти выражения получены для бесконечно длинных рядов без учета автокорреляции наблюдений. На практике мы имеем дело с конечными рядами, характеризующимися внутренней зависимостью между исходными наблюдениями. Все это снижает целесообраз- ность использования соотношений (1.13)-(1.16). В ряде случаев параметр α выбирается таким образом, чтобы минимизировать ошибку прогноза, рассчитанного по ретроспектив- ной информации. Весьма существенным для практического использования являет- ся вопрос о выборе порядка прогнозирующего полинома, что во многом определяет качество прогноза. Превышение второго порядка модели не приводит к существенному увеличению точности прогно- за, но значительно усложняет процедуру расчета [40, 53]. Рассмотренный метод является одним из наиболее надежных и широко применяется в практике прогнозирования. Одно из наиболее перспективных направлений развития данного метода представляет собой метод разностного прогнозирования, в котором само экспо- ненциальное сглаживание рассматривается как частный случай [129, 138].
1. Определение какого параметра в методе экспоненциального сглаживания является основным? 2. Как правильно выбрать параметр сглаживания? |
Метод экспоненциального сглаживания 5 |
