Глава 5. Прогнозирование

Рассмотрев в гл. 4 некоторые свойства моделей АРПСС, мы покажем теперь, как они могут быть использованы для прогноза будущих значений наблюденного временного ряда. Во второй части книги мы рассмотрим проблему подгонки модели к фактическим данным. Здесь же мы будем считать модель известной точно, полагая, что ошибки в оценках параметров не будут заметно влиять на прогноз, что выполняется, если только число данных, используемых для подгонки модели, не слишком мало.

В этой главе мы рассмотрим несезонные временные ряды. Прогнозирование сезонных временных рядов описано в гл. 9. Мы покажем, как прогнозы с минимальной среднеквадратичной ошибкой можно получить непосредственно из представления модели в виде разностного уравнения.

Дальнейший рекуррентный расчет позволяет оценить доверительные интервалы прогнозов. Нужно подчеркнуть, что для практических вычислений прогнозов подход, основанный на использовании представления модели разностным уравнением, — простейший и наиболее изящный. Однако для лучшего понимания природы прогнозов мы должны исследовать их и с других позиций.