Анализ временных рядов

Чтобы понять, что собой представляет анализ временных рядов, вы сначала должны разобраться в данных временного ряда. По существу, ими являются данные, которые собраны через равные интервалы времени. Например, данными временного ряда могут быть цены в момент закрытия FTSE (индекс Financial Times для фондовой биржи) или объем годового стока Темзы, потому что эти данные измеряются последовательно в определенные моменты, чтобы построить график изменения.

При анализе временных рядов эти данные изучаются, чтобы извлечь из них значимую статистику или характеристики данных. Собранные данные не являются случайными, а скорее основаны на предположении, что последовательные значения, приведенные в файле данных, отражают последовательные измерения, выполненные через равные промежутки времени.

Анализ временных рядов представляет собой методологию прогнозирования, при применении которой делается попытка спрогнозировать, что произойдет в будущем на основе того, что случилось в прошлом.

При анализе данных временных рядов идея заключается в том, что можно определить закономерности, которые затем можно экстраполировать в будущее.

Содержание

Когда следует применять инструмент

Вам следует прибегнуть к анализу временных рядов в том случае, если вы хотите определить природу какого-то феномена, представленного последовательностью полученных данных, для того чтобы оценить происходящие во времени изменения. Этот инструмент также может быть использован и тогда, когда вы хотите спрогнозировать, каким будет наблюдаемое явление в будущем. Для достижения обеих этих целей необходимо, чтобы был идентифицирован и формально описан паттерн наблюдаемых данных временного ряда. После фиксации такой паттерн можно интерпретировать и интегрировать с другими данными вроде тех, которые относятся к погоде, сезону или цифрам продаж, чтобы на их основе предложить теорию, которую затем можно проверить.

Данные временного ряда, как правило, представляются в виде линейного графика. Этот тип анализа часто используется в статистике, распознавании образов, математике и финансах, а также в прогнозировании погоды, например суровых погодных условий или землетрясений.

Вопросы, на которые можно получить ответ с помощью инструмента

Анализ временных рядов может помочь при принятии решений, связанных с прогнозированием будущего. Он позволяет вам ответить на следующие и им подобные вопросы.

Какими будут экономические показатели бизнеса, региона или страны в течение ближайших месяцев?
Насколько я смогу улучшить свой производственный процесс, применяемый для изготовления этого продукта, в течение следующих месяцев?
Каким будет спрос на рабочие места в нашем секторе в ближайшие годы?

Как следует пользоваться инструментом

Вам необходимо собрать данные временного ряда и постараться удалить из них любые ошибки. Большинство приемов анализа временных рядов предусматривает использование того или иного способа фильтрования ошибок, которые часто в совокупности называют шумом, чтобы сделать паттерн более наглядным.

Выявленные закономерности можно описать в виде либо тренда, либо сезонных колебаний. По существу, тренд представляет собой общий систематизированный паттерн, который изменяется с течением времени, но в пределах заданного периода не повторяется. Сезонные колебания могут иметь такой же характер, но с течением времени через определенные периоды они будут повторяться.

Если говорить о данных, относящихся к реальной жизни, то в их отношении одновременно могут себя проявлять и тренды, и сезонные колебания.

Например, продажи могут устойчиво расти с течением времени, а. при приближении Рождества очень резко возрастать.

Двумя наиболее распространенными процессами, используемыми для проведения анализа временных рядов, являются:

процесс авторегрессии;
процесс скользящего среднего.

Уравнения для этих расчетов не для слабонервных. Можно воспользоваться и альтернативным вариантом — большим числом доступных на рынке инструментов, применяемых для анализа временных рядов.

Практический пример

Предположим, вас попросили предоставить поквартальные прогнозы продаж одного из ваших продуктов в течение следующего года. Эти прогнозы очень важны, так как они повлияют на производственные графики, закупку сырья, политику инвентаризации и использования складов, а также на квоты продаж. Если подготовленный вами прогноз окажется неправильным, то будет изготовлено либо слишком много, либо слишком мало продуктов, что негативно скажется на работе отдела продаж и складов, не говоря уже о вашей репутации у ваших заказчиков.

При подготовке этих прогнозов вы можете полагаться на здравый смысл или просто надеяться на лучшее, а можете провести тот или иной анализ временных рядов для выявления трендов или изменения продаж, основанных на сезонных колебаниях, благодаря чему сможете более точно спрогнозировать объем продаж в следующем году.

Поскольку у вас имеются прошлые количественные данные о прогнозируемой переменной и поскольку можно обоснованно предполагать, что ничего из ряда вон выходящего в предстоящем году не произойдет и что поэтому предыдущие результаты можно с пользой проецировать в будущее, анализ временных рядов может, безусловно, помочь снизить риск.

О чем не нужно забывать

Анализ временных рядов может быть быстрым и информативным способом, с помощью которого можно определить тенденции в результатах, но его точность зависит от качества исходных данных и степени учета «других» факторов, которые могут оказывать влияние на тренд.

Для того чтобы анализ временных рядов был действительно полезным, вам нужно быть очень уверенными в точности и достоверности тех прошлых данных, на основе которых базируется этот анализ. К тому же вы можете очень легко совершить одну ошибку: принять циклические тенденции за долгосрочные влияния. Вы можете, например, предположить, что провал в продажах, наблюдаемый в течение нескольких месяцев, является циклическим, хотя на самом деле он может быть вызван влиянием нового конкурента. Сделав неправильное предположение о характере выявленного сбоя, вы в своем прогнозе можете задать слишком высокие цели. Другой пример: если ваш рынок или бизнес переживает период перемен, то прогнозирование будущего, основываясь на прошлом, будет, вероятно, не лучшим подходом.