Кулинарная книга NumXL - модель AirLine

В этом документе мы продемонстрируем несколько шагов по преобразованию необработанных данных временных рядов в надежный прогноз с помощью NumXL.

В качестве примера мы используем ежемесячный спрос на электроэнергию (в МВт-ч) для города Джидда (Саудовская Аравия) в период с 2003 по 2010 год.

Временной ряд, представленный на рисунке выше, демонстрирует сезонность в двенадцать (12) месяцев и тенденцию к росту с течением времени.

Эти данные можно объяснить, разделив спрос на электроэнергию на две основные составляющие: (1) промышленный спрос и (2) спрос со стороны населения и предприятий. На спрос со стороны населения и бизнеса влияют погодные условия (например, время года). Это можно увидеть по увеличению/уменьшению потребления электроэнергии для охлаждения/обогрева. С другой стороны, промышленный спрос не меняется. Промышленный спрос определяется в основном экономическими условиями города или отрасли, и в меньшей степени - погодными условиями.

Шаг 1: Сводная статистика

Используя панель инструментов NumXL, запустите мастер описательной статистики.

Для нашего примера мы оставим все опции выбранными. Для вывода выберите ячейку в электронной таблице, в которую вы хотите записать таблицу:

Шаг 2: Анализ коррелограммы

Используя панель инструментов NumXL, запустите Мастер коррелограмм:

Для этой иллюстрации мы рассчитаем и построим графики ACF и PACF для первых 20 лагов.

График ACF демонстрирует классический случай для модели AirLine с длиной цикла 12 шагов

Шаг 3: Преобразование данных

Нет необходимости преобразовывать данные перед моделированием. Модель AirLine стабилизирует входные ряды с помощью дифференцирующих условий в своем определении.

Шаг 4: Моделирование

При использовании NumXL процесс моделирования состоит из трех основных этапов: (1A) спецификация модели, (2B) калибровка и (3C) диагностика остатков.

1A: Спецификация модели

Щелкните значок AirLine на панели инструментов NumXL.

NumXL подготовит в вашей электронной таблице таблицу с коэффициентами модели, показателем хорошего соответствия и остаточными диагностическими процедурами. Примечание: значения модели пока не являются оптимальными.

2B: Калибровка модели

Выберите ячейку, с которой начинается таблица модели (т.е. AIRLINE(12)). Нажмите на значок «калибровка» на панели инструментов.

На экране появится диалоговое окно решателя MS Excel с заполненными спецификациями модели. Нажмите кнопку "Решить".

3C: Остаточный диагноз

Процедуры диагностики остатков уже введены в вашу электронную таблицу с параметрами модели. Сейчас самое время еще раз проверить, удовлетворяет ли оптимальная модель исходным предположениям.

Шаг 5: Прогнозирование

Чтобы выполнить прогноз с помощью NumXL, выберите ячейку таблицы модели (например, AirLine). Нажмите на значок "Прогноз" на панели инструментов.

Появится мастер прогнозирования. Выберите реализованные наблюдения (т.е. хвостовые точки вашей выборки данных) и горизонт прогнозирования в единицах шагов.

Для этой иллюстрации были выбраны последние 23 наблюдения в данных выборки, затем горизонт прогнозирования был установлен на 30 шагов (или единиц), как показано выше.

Постройте прогноз и его доверительные интервалы.