18.7.4. ПРОГНОЗИРОВАНИЕ С ПОМОЩЬЮ МОДЕЛЕЙ СС
Поскольку модель
— конечная форма ОЛМ (18.6.1), прогноз
значения
по известным
можно просто выразить через значения
для
преобразовав соответствующим образом формулу (18.6.41):
Так, например, если
то
Из обращенной формы модели (18.6.38), в данном случае имеющей вид (18.6.39), в свою очередь следует соотношение
которое в точной форме выражает зависимость прогноза от предыдущих наблюдений.
На практике наблюдения имеют конечную протяженность, например
но, предположив, что параметры модели были оценены, мы в процессе оценивания получили бы участвующие в (18.7.19) остатки
что и дало бы нам значения, которые нужно подставить вместо
в (18.7.23). Если
велико и в не слишком близко к единице, т. е.
мало, использование значений
может оказаться приемлемым.
Альтернативная возможность борьбы с конечной протяженностью данных — это четкий и эффективный метод, известный как обратное прогнозирование, который мы продемонстрируем снова на примере модели
Для удобства мы будем обозначать просто через
прогноз за пределами интервала
и через
— соответствующие остатки или ошибки прогноза. Мы знаем, что
Мы уже пользовались в разделе 18.5.4 тем, что структура временного ряда, рассматриваемого в обратном направлении - с уменьшением времени, в точности совпадает со структурой в прямом направлении, т. е. мы можем по аналогии написать
где
— ошибка при прогнозировании
по будущим значениям
По аналогии с (18.7.26) мы имеем
а поскольку
— линейная комбинация
то в соответствии с обращенной формой модели далее имеем
так что за пределами интервала
все величины равны нулю, если известны лишь
. Далее рассуждаем следующим образом.
Если
было бы известно, мы могли бы восстановить
с помощью соотношения
поскольку мы знаем, что
. Тогда мы можем положить (используя равенство
Аналогично если бы
было известно, то мы могли бы восстановить
по формуле
поскольку нам известно, что
. Но тогда мы можем положить (учитывая равенство
Эта процедура не является порочным кругом. Начиная с некоторого приближения для
скажем
мы можем циклически использовать последние четыре уравнения, получая итеративный процесс, быстро сходящийся к истинным значениям
величина ошибки на каждой итерации умножается на величину
Поэтому эта процедура широко применяется не только при прогнозировании, но и для вычисления
или, более точно,
в рамках процедуры построения оценок в разделе 18.7.3. Все это легко переносится на случай больших значений
и при этом не требуется решения больших систем уравнений. Для модели
легко вывести точную форму конечного предиктора. Заменяя в
на
при
на
имеем
Аналогичное соотношение верно и в обращенном времени:
Подставив выражение для
из (18.7.34) в (18.7.33), получаем
Отметим, что коэффициент при
выражает ЧАКФ для модели
Подобное приближенно геометрическое убывание, наблюдаемое в выборочной ЧАКФ, служит свидетельством пригодности модели