Что бы говорить о
методах выделения тренда необходимо для начала понять, что такое тренд? С научной точки зрения, тренд представляет собой некую общую тенденцию движения, имеющего разное направление, а так же общая устремленность модификаций показателей любого временного ряда. Насколько известно, существует несколько видов различных уравнений – это логарифмические, полиномиальные, степенные и др. Графики таких уравнений строят на основе данных временного ряда, при использовании путей осреднения тех или иных результатов ряда, а так же
на основе проверки параметров графика, а также полиномиальной линии тренда.
Существует три вида трендов, к которым относятся восходящий, нисходящий, боковой. Как правило, восходящий тренд на графике каждый последующий пик всегда превышает предыдущий; при нисходящем тренде все спады на графике всегда ниже, чем предыдущие. Как известно, существует два основных вида
методов выделения тренда, к которым относятся параметрические и непараметрические. Параметрические методы выделения тренда отличаются тем, что именно такой виды выделения трендов полезны, только для того, что бы усреднять значения ряда по отдельным точкам. Кроме этого, параметрические
методы выделения тренда так же анализируют временной ряд в качестве гладкой функции, после чего проводится оценка параметров функции. Но, существуют так называемые минусы таких методов выделения тренда. Это, то, что параметрические методы не используются для осуществления прогноза динамических рядов. Все это происходит по тому, что при расчетах не получается в явном виде необходимого уравнения.
Непараметрические
методы выделения тренда отличаются от параметрических тем, что данные методы представляют собой множество различных скользящих средних и непосредственный их расчет. Кроме этого непараметрические методы выделения тренда так же используются в качестве оценки тренда, а так же для создания прогноза. Такой вид методов выделения может быть полезен так же при подборе необходимой функции для тренда. Методы выделения тренда носят некий разведочный характер, так как для длинных рядов достаточно сложно показать именно ту параметрическую кривую для аппроксимации, которая подходит для
полиномиальной линии тренда тренда по всей его длине. В таком эпизоде, как правило, используют множество различных непараметрических методов анализа временных рядов. К таким рядам можно отнести сглаживание медианами, а так же частотную фильтрацию.
Для, того, что произвести краткосрочный прогноз рядов, которые имеют неправильно изменяющийся тренд, необходимо применить метод выделения тренда экспоненциального сглаживания. при построении прогноза, с использованием метода выделения тренда экспоненциального сглаживания, в последним наблюдениям приплюсовывают наибольшие веса. Метод выделения тренда дает возможность сгладить ряды, а так же включает в себя интерактивный анализ. В
наше время проводятся разработки достаточно большого количества эффективных методов выделения полиномиальной линии тренда. В такие методы входит прогнозирование, которое раскрывает всю степень надежности ожидаемых событий, что в свою очередь учитывается во всех запланированных решениях. Кроме этого к таким
методам выделения тренда так же можно отнести несколько простые тенденции, так и сложные, которые могут быть основаны на создании моделей. Насколько известно, современные методы выделения тренда дают возможность не только открыть тенденции формирования, но, так, же и проводить прогнозирование, с учетом всех особенностей. Что в результате даст возможность ответить на множество интересующих вопросов.
