Модель Брауна М. Г. Семененко, И.В. Князева Финансовый университет при правительстве РФ, филиал в г. Калуге , [email protected] Введение Модель Брауна [1] относится к адаптивным моделям прогнозирования, способным изменять свою структуру и параметры, приспосабливаясь к изменению условий. Все адаптивные модели делятся на два класса: модели скользящего среднего (СС-модели) и авторегрессии (АР-модели). Согласно схеме скользящего среднего оценкой текущего уровня (наблюдения) является взвешенное среднее всех предшествующих уровней, причем вес (множитель), который отражает информационную ценность наблюдения, тем больше, чем ближе оно находится к текущему уровню. Такие модели хорошо отражают тенденцию, но не позволяют отражать колебания, например, сезонные. В СС-моделях сглаживание производятся с помощью параметра сглаживания, который принимает значения в интервале от 0 до 1. Параметр сглаживания принимает значение больше 0,5 для быстроизменяющихся процессов и меньше 0,5 для относительно стабильных процессов. Модель Брауна Модель Брауна описывает процессы с линейной и параболической тенденцией (трендом), а также случайные процессы без тенденции. Построение линейной модели Брауна имеет следующие этапы: 1. По первым пяти точкам временного ряда с помощью метода наименьших квадратов оцениваются значения параметров линейной модели для нулевого момента времени: yth(t) = a0 + a1t . 2. С использованием параметров a0 и a1 , найденных на предыдущем этапе, находим прогноз на шаг вперед ( = 1): y1 = a0(0) + a1(0) = a0(0) + a1(0) . 3. Находим величину отклонения фактического значения экономического показателя от расчетного (в данном случае t = 1): = y(t) – yth(t) . (1) 4. Корректируем параметры модели по формулам: a0(t) = a0(t-1) + a1(t-1) + (1 – 2 ) (t) , (2) a1(t) = a1(t-1) + (1 – )2 (t) , где =1– , (3) – параметр сглаживания. 5. С помощью скорректированных на предыдущем шаге параметров находим прогноз на следующий момент времени ( = 1): yth( ) = a0(t) + a1(t) . Точечный прогноз на будущее рассчитывается по формуле yth(n + ) = a0(n) + a1(n) , = 1, 2, … Здесь n – число наблюдений. Построение модели Брауна в Excel Построим модель Брауна по данным [1] из табл.1. Табл. 1. Исходные данные для построения модели Брауна y t 1 2 3 4 5 6 7 8 9 10 11 t 27,3 41,8 42,8 56,2 72,5 56 70 74,9 103,3 111,3 125,2 y 14 15 16 17 18 19 20 21 22 23 24 t 193,5 207,4 221,2 267,2 264 273,8 321 317,4 342 350,6 368,5 y 27 28 29 30 31 32 33 34 35 400,6 409,4 426 402 398,7 418,1 424,6 435,1 439,8 12 13 189,3 169,1 25 26 397 382,9 В электронных таблицах Excel введем в столбец исходные данные, добавим в таблицу нулевую строку и вычислим параметры a0 (функция ОТРЕЗОК) и a1 (функция НАКЛОН). Вычисление параметра a0 показано на рис. 1. Вычисление параметра a1 выполняется аналогично с помощью функции НАКЛОН. Рис. 1. Вычисление параметра a0 Заполним первую строку таблицы: Зададим значение параметра равным 0,3 и вычислим значение параметра . Вычислим модельное значение показателя yth = a0(0) + a1(0) . Для данных на рис. 1 в ячейке Е3 вводим =С2 + В2. Вычислим значение остатка как разность между фактическим и модельным значениями. Для данных на рис. 1 в ячейке F3 вводим =B2 E2. Остальные строки таблицы получаем раскопировкой первой строки. Как выполнить раскопировку, можно прочитать в учебниках по электронным таблицам, например, в [2]. После построения модельных значений для всех исходных точек делаем прогноз на будущее, как описано в п. 5 (рис. 2). Например, чтобы вычислить первое прогнозное значение для данных на рис. 1-2, в ячейке Е37 вводим = =$C$37+$D$37*H38 . Остальные значения прогноза получаем раскопировкой. Рис. 2. Вычисление прогноза На рис. 3 показан график исходных и модельных значений. Рис. 3. График исходных данных и значений прогноза Проверка точности модели Для оценки точности модели вычислим среднюю относительную ошибку аппроксимации. Считается, что точность модели хорошая, если среднее значение относительной погрешности не превышает 5% , удовлетворительная, если среднее значение относительной погрешности не превышает 15%, и неудовлетворительная, если среднее значение относительной погрешности больше 15%. Для каждого отдельного значения y относительная ошибка аппроксимации вычисляется по формуле /y . Средняя относительная ошибка аппроксимации получается как среднее всех относительных ошибок. Для данных на рис. 1-2 относительные ошибки аппроксимации в процентах вычислены в ячейках G3:G37 (модуль вычисляется с помощью функции ABS). Например, в ячейке G3 введена формула = ABS(F3)/B3*100 . Остальные значения можно получить раскопировкой. Чтобы вычислить среднюю относительную ошибку аппроксимации, в одну из ячеек нужно ввести формулу =СРЗНАЧ(G3:G37). Для рассмотренного примера получим значение 6,75. Таким образом, точность модели является хорошей. Литература 1. Экономико-математические методы и прикладные модели: учебник для бакалавров / В.В. Федосеев, А.Н. Гармаш, И.В. Орлова. – М.:Юрайт, 2012. – 328 с. 2. Донцов Д. Excel. Легкий старт. СПб.: Питер, 2007. 144 с. (Серия «Легкий старт»).