Главная

Все ж цей процес ht базується на деякій об'єктивній тенденції zt передбачимо що час від часу проводяться виміри yt результату що цікавить а самі результати фіксуються без помилки тобто результат виміру в точності збігається з дійсним значенням ht необхідно виявити приховану тенденцію zt відразу виникає якщо ми наблюдаемотдельные фіксовані значення процесу а вони — можливо випадкові флуктуації від тенденції zt те якому або яким значенням yt вірити більше а яким адже менше якщо повністю вірити передісторії як факту що відбувся те останній вимір треба просто.Відкинути воно —«случайное» поживемо — побачимо а доки — відкинемо але тоді тенденцією буде лише передісторія а передбачити нічого буде не можна а якщо беззастережно вірити останньому факту тоді —глава аналіз рисок невстановленої природи передісторія не потрібна зовсім як завжди вважали за краще обмежитися «золотойсерединой» проста модель згладжування першого порядку передбачає використання лише двох оцінок останнього виміри yt і результату zt— прогнозу на попередньому кроці де а — постійна згладжування що набуває значень з діапазону вочевидь що якщо а =то вся передісторія відкидається і за.Прогнозне zt значення буде набуте результат yt останнього виміру процесу якщо а =то навпаки ігнорується передісторія зазвичай вибирають значення постійною згладжування а рівним — в загальному випадку якщо в прогнозі потрібно врахувати все предшествующиемоменту t значення отдо t —у вихідне вираження для результатів прогнозу рекурентно підставляють «саме себе» в результаті отримують наступне остаточне вираження zt а* yt до + а' вигляд цього останнього вираження і розкриває суть назви «експоненціальне» згладжування кожне окреме вимір входить в остаточне вираження з вагою який експоненціально убуває у міру видалення.В ретроспективу експоненціальне згладжування другого порядку вносить нелінійність в прогнозний результат проте воно декілька різкіше реагує на остання зміна що частенько наводить до «перерегулювання» аби кактосгладить негативні наслідки перерегулювання коефіцієнт перед нелінійним членом призначають досить маленьким яким це кожного разу вирішують окремо експериментально набудовувавши параметри моделі на конкретний «механізм» невизначеності що склався самий незначний з недоліків цього вигляду згладжування — складніше вираження для розрахункової формули експоненціального згладжування другого порядку формула згладжування другого порядку має наступний вигляд zt + ayt + ризик менеджмент згладжування вищого порядку.Чим другою застосовується украй рідко изза відмічених особливостей впливу нелінійності і труднощів з визначенням значень параметрів моделі покажемо напростом прикладі як впливають порядок експоненціального згладжування і величина постійною згладжування на характер відповідності прогнозу реаліям хай об'єктивно спостережуваний процес — пилкоподібна функція допустимо що на відрізку часу отдодней спостерігається лінійне зростання ціни акції від деякого умовного «нуля» до значення вусловных грошових одиниць в д еа потім ціна різко падає до початкового рівня до «нуля» і залишається такий же до моменту t = графік функції ht представлений.