Графические методы относятся к средствам дескриптивной или описательной статистики, их применяют на первом этапе анализа.
Часто этих методов недостаточно для построения численных прогнозов и необходимо использовать более сложные аналитические методы, — методы индуктивной статистики.
Если аналитику достаточно понятно, что делать при той или иной тенденции, то бывают промежуточные ситуации, — а их не так мало, — когда действия не очевидны, здесь уже нельзя запустить систему слежения и пойти ловить рыбу.
Впрочем, и здесь самому аналитику решать: использовать или нет сложные методы или положиться на интуицию.
Для анализа флуктуирующих во времени данных используются методы анализа временных рядов. Типичные примеры рядов: курсы акций, различны индексы: Dow Jones Industrial, Standard&Poors 500, USD Index, Bank of England, индекс РТС — индекс Российской торговой системы и другие. Эти индексы важны при принятии решений на финансовых рынках.
Анализ временных рядов в STATISTICA производится в модуле Time Series Analysis/Forecasting — Анализ временных рядов/Прогнозирование.
В модуле имеются разнообразные методы, позволяющие провести всестороннее исследование временных рядов, учитывая особенности их поведения. Различные виды сглаживания: скользящее среднее, медианное, а также всевозможные преобразования рядов доступны в модуле. С их помощью можно проводить разнообразные исследования: сглаживания рядов, выделение циклов, скрытых периодичностей, прогнозировать.
STATISTICA предлагает следующие методы для анализа временных рядов:
ARIMA — Модель авторегрессии и проинтегрированного скользящего среднего.
Interrupted time series analysis — Анализ прерванного временного ряда (модели ARIMA с интервенцией).
Exponential smoothing & forecasting — Экспоненциальное сглаживание и прогнозирование .
Seasonal decomposition (1, 2) — Сезонная декомпозиция 1 и 2 (в том числе месячная и квартальная).
Distributed lags analysis — Анализ распределенных лагов (регрессионная модель для двух временных рядов).
Spectral (Fourier) analysis — Спектральный (Фурье) анализ.
Термин ARIMA часто не переводится, иногда вместо ARIMA или модель авторегрессии и проинтегрированного скользящего среднего говорят просто модель авторегрессия и скользящего среднего. Это наиболее популярная параметрическая модель временного ряда. Особенность реализации модели в STATISTICA в том, что в рамках одного диалога можно провести все этапы классической схемы Бокса-Дженкинса: идентификация модели с помощью автокорреляционных и частных автокорреляционных функций, оценка параметров, оценка адекватности, прогноз будущих значений. В анализе можно учесть сезонные компоненты (в системе реализована мультипликативная сезонная модель). Эти модели можно применять как в трендовой так и нейтральной части рынка.
