© 2007 г. Н.Х. Кятов, Р.Н. Кятов
О НЕКОТОРЫХ СВОЙСТВАХ ЛИНГВИСТИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ ПРИ ПРОГНОЗИРОВАНИИ
Как показали исследования, прогнозирование экономических временных рядов (ВР), характеризующихся хаотичностью, наличием тяжелых хвостов, непредсказуемостью, внезапными скачками и падениями [1-7], приводит сравнительно к более удовлетворительному результату модели на базе клеточных автоматов и нечетких множеств с элементами фрактального и фазового анализа [2, 3, 6] и метод Бокса-Дженкинса [5,8].
В процессе последовательного прогнозирования временных рядов на базе клеточно-автоматной прогнозной модели основными, на наш взгляд, являются следующие этапы:
- преобразование ВР в лингвистический временной ряд (ЛВР) с целью обеспечения возможности применения квазигенетического алгоритма, работающего с комбинаторными конфигурациями, составляющими структуру ЛВР и его терм множество;
- построение определяемой данными ЛВР генетической памяти клеточного автомата;
3 --- 2,5 ■ - i мШ ШШ и I '
янв.95 " янв.96 * янв.97 • янв.98 • янв.99 -янв.00 -янв.01 " янв.02 -янв.03 " янв.04 * янв.05 *
Рис.1. Инвестиции в основной капитал с трендовыми коридорами
Анализ структур терм множеств ИЖС и ИВОК показал наличие следующих закономерностей:
- в 6 и 12 месячных временных интервалах преобладают высокие объемы, а в 3 и 9 месячных - в основном средние и частично высокие, кроме первых кварталов ИВОК, где преобладают высокие объемы. В остальных интервалах наиболее часто встречаются низкие и средние объемы;
- полугодовые термы переходят, как правило, в низ-
- формирование искомого прогноза для ЛВР путем реализации «мягких вычислений» генетического алгоритма на базе построенной памяти клеточного автомата.
Следовательно, исходная начальная структура пер-систентных ВР, обладающих долговременной наследственной памятью, имеет важнейшее значение и необходимо предварительно знать о наличии или отсутствии в структуре ЛВР каких-нибудь закономерностей, которые могут повлиять на результаты прогноза.
В настоящей работе делается попытка определения вышеуказанных закономерностей на примере объемов инвестиций в основной капитал (ИВОК) в период с января 1995 по декабрь 2005 г. (рис.1) и объемов индивидуального жилищного строительства (ИЖС) по КЧР в период с января 1998 по декабрь 2006 г. (рис.2). Лингвистические (ВР), представляющие собой терм множества = {и}, в данной работе состоят из трех элементов: и = Н - низкий уровень объемов ИВОК или ИЖС, и = С - средний и и = В - высокий уровень.
Рис. 2. Объемы индивидуального жилищного строительства с трендовыми коридорами
кие. Годовые термы для ИЖС - в основном в средние. Для ИВОК переход происходит как в низкие, так и в средние термы примерно поровну.
Средние значения термов по месяцам всего терм множества ИЖС и ИВОК представлены в табл. 1, где СВ означает преимущественно средние объемы, хотя можно их признать и высокими, а ВС - высокие объемы, хотя можно их признать и средними. Соответственно аналогичные обозначения и для СН, и НС.
Таблица 1
Объем Янв. Февр. Март Апр. Май Июнь Июль Авг. Сент. Окт. Ноябр. Дек.
ИЖС С СВ СВ СВ СН В Н СИ СВ НС Н В
ИВОК СН С ВС СВ СН В Н Н ВС Н Н В
При сопоставлении средних и помесячных значений термов каждого года терм множеств ИЖС и ИВОК получено достаточное количество соответствий по всем годам (кроме 1998 и 2000 гг. для ИЖС) (табл. 2). Максимальные соответствия средних и по-
Таким образом, если для прогнозирования ИЖС и инвестиций в основной капитал на следующий временной период принят метод Бокса-Дженкинса, то наиболее приемлемой будет модель с годовым или полугодовым интервалом сезонности и параметром скользящего среднего на квартальном интервале. Это подтверждается данными выборочной автокорреляции и выборочной частной автокорреляции сезонных разностей, свидетельствующих, что для рассматриваемых ВР существует четко выраженная положительная автокорреляция с отставанием на 12 периодов и менее выраженная - с отставанием на 3 и 6 периодов.
В соответствии с методикой клеточно-автоматной прогнозной модели для лингвистического прогноза на следующие временные периоды берется последняя последовательность термов терм множества, длина которых равна глубине памяти ВР
ип-к+1, ип-к+2,■ ■ ■, ип-к+1 , (1)
где п - длина ЛВР, к - глубина памяти, / = 1, 2, . . . , к.
Из теории линейного клеточного автомата следует, что если клетки располагаются линейно вдоль прямой, и каждая клетка находится в определенном состоянии, то состояние соседей слева от рассматриваемой влияет на состояние клетки в следующем временном шаге. То есть отсюда следует, что с учетом наследственной памяти значение прогнозируемой лингвистической переменной ып+1 в ЛВР определяется /-конфигурациями и+к-ъ и+к-/+1, ■ ■ ■, и+ы, где / = 1, 2, ■ ■ к - номер и длина отрезка /-конфигурации.
Следовательно, значение прогнозируемого терма ип+1 определяется наличием в терм множестве соответствующих /-конфигураций; значением терма, следующего за этой /-конфигурацией.
месячных значений термов терм множеств наблюдаются для 6 (около 70 % для ИЖС и 90 для ИВОК) и 12 (около 90 %) месячных термов и для ИЖС, и для ИВОК. Хорошие соответствия наблюдаются также и для 3 и 9 месячных термов (около 60 %).
Таблица 2
Многочисленные вычисления для прогнозирования различных термов терм множеств ИЖС и ИВОК, частот переходов в состояния
и°е#,С,в\ (2)
и частостей этих переходов показали, что если в начале или в процессе прогнозирования в ЛВР имеет место или появляется цепочка термов
ип-к+1 un-k+2,■ ■ ■, ип-к+1 , (3)
совпадающих с цепочкой термов (1), принятых для прогнозирования, то лингвистический прогноз на последующие временные периоды соответствует термам, следующим непосредственно за цепочкой термов (3). При этом цепочка термов (3) может находиться в произвольном месте терм множества, и возможны случаи, когда длина цепочки термов (3) будет меньше или больше глубины памяти.
Такое свойство ЛВР приводит к тому, что в некоторых частных случаях на прогнозируемый временной период на лингвистическом уровне оказывает решающее влияние не вся совокупность терм множества, а некоторая цепочка термов и прогноз сводится к простому повторению определенной последовательности термов. В отличие от этого наблюдаются и такие случаи, когда некоторая /-конфигурация, демонстрирующая наличие памяти, указывает, например, на средние объемы (С), а по частотам и частостям переходов в состояния (2) получается низкие (Н) или высокие (В) объемы. В этом случае на прогнозируемый временной период на лингвистическом уровне, очевидно, оказывает решающее влияние не некоторая цепочка термов, а вся совокупность терм множества.
При построении ЛВР возникают случаи, когда некоторые числовые значения ВР можно представить как Н и С, или как С и В, т.е. в некоторых частных случаях нет четкой ясной границы между низкими и средними или между средними и высокими уровнями. Для установления степени влияния данного фактора на лингвисти-
Объем 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
ИЖС - - - 8 10 7 11 11 10 10 9
ИВОК 11 10 11 12 10 9 10 11 9 11 -
ческий и в конечном итоге на числовой прогноз были выполнены следующие исследования:
1) лингвистическое и числовое прогнозирование ИЖС на 2006 г. и ИВОК на 2005 г. на основе исходного терм множества (прогноз 1);
2) аналогичное прогнозирование при замене соответствующих термов 2000 г. для ИЖС (март, апрель, август, декабрь) и 2003 г. для ИВОК (январь, февраль, май) на близкие по значению термы (прогноз 2);
3) аналогичное прогнозирование при замене соответ-
По методике клеточно-автоматной прогнозной модели вычисления частот переходов в состояния (2) и частостей этих переходов выполняется до наступления первой демонстрации некоторой /-конфигурацией наличия памяти или частичной памяти. Но в некоторых частных случаях наблюдаются дальнейшие продолжения переходов в одно из состояний (2), которые иногда могут повлиять на результаты лингвистического и косвенно числового прогноза.
Например, при прогнозировании ИЖС на апрель 2006 г. /-конфигурация НСВНСВ начала демонстрировать наличие памяти на третьем шаге, т.е. на отрезке НСВ и указывала на низкие объемы строительства (Н), а на июль /-конфигурация ВНСВНС - на шестом шаге и указывала на средние объемы строительства (С). При этом переходы /-конфигураций продолжались до седьмого шага в состояние Н и до десятого шага в состояние С. Функция принадлежности к нечеткому множеству «прогноз ИЖС на апрель 2006 года» для Н с каждым шагом увеличивалась, а для С и В - уменьшалась. Интенсивность изменения функции принадлежности уменьшалась с каждым последующим шагом, т.е. имела затухающую тенденцию. При численном прогнозировании, т.е. в результате преобразования полученного лингвистического нечеткого множества в численное нечеткое множество 2п+\ = ^ = * = 1,Т, Т = 3
и его последующей дефазификации наблюдались также изменения величины прогноза. При этом величина прогноза ИЖС на апрель 2006 г. уменьшалась с каждым шагом (до седьмого включительно) вычисления частости переходов в состояние Н, а на июль того же года - увеличивалась. Интенсивность изменения прогноза с каждым шагом уменьшалась в обоих случаях и имела вид затухающей функции. Как показали проведенные исследования, увеличение или уменьшение
ствующих термов 2003 г. для ИЖС (январь, февраль, июль, сентябрь) и 1999 г. для ИВОК (январь, июль, ноябрь) на близкие по значению термы (прогноз 3).
В результате и лингвистические и числовые значения оказались практически одинаковыми во всех трех прогнозах (табл. 3).
Разница в числовых прогнозах составила всего около 1...3 %, что свидетельствует о незначительной степени влияния указанного выше фактора на результаты прогноза.
Таблица 3
прогноза определяется величиной zt, например, при прогнозировании ИЖС на апрель 2006 г. - z1 < z2 < z3 и прогноз уменьшался с каждым шагом подсчета час-тостей переходов в состояние Н, на июль - zj < z2 > z3 -увеличивался. При этом изменения величины прогноза колебалось в пределах 7.. .11 %. Аналогичные наблюдения имели место и при прогнозировании ИВОК. Таким образом, можно сделать следующие выводы:
1. Предложенная методика анализа структуры терм множества позволяет для конкретного ВР выбирать наиболее приемлемую модель метода ARIMA.
2. Наличие в терм множестве относительно удлиненных /-конфигураций, соответствующих принятому для прогноза отрезку терм множества, влияет на результаты лингвистического прогноза.
3. В процессе построения ЛВР замена терма на близкий по его числовому значению терм не оказывает существенного влияния на результаты как лингвистического, так и числового прогноза.
4. В процессе преобразования лингвистического нечеткого множества в численное нечеткое множество и последующей его дефазификации продолжение (если таковое имеет место) вычисления частот и час-тостей переходов оказывает значимое влияние на результаты прогноза как в сторону увеличения, так и уменьшения.
Литература
1. Кятов Н.Х. Фрактальный и фазовый анализ временного ряда объемов жилищного строительства // Изв. вузов. Сев.-Кавк. регион. Обществ. науки. 2005. Приложение № 11. С. 39-47.
2. Кятов Н.Х. Прогнозирование временных рядов инвестиций в основной капитал // Изв. вузов. Сев.-Кавк. регион. Обществ. науки. 2006. № 1. С. 50-55.
Прогноз Янв. Февр. Март Апр. Май Июнь Июль Авг. Сент. Окт. Нояб. Дек.
ИЖС на 2006 г. 1 Н С СВ Н С С С С С Н НС В
2 Н С ВС Н С С С С С Н НС В
3 Н С СВ Н С С С С С Н НС В
Фактический Н СВ В С Н С С Н Н Н С В
ИВОК на 2005 г. 1 С НС В СВ Н В Н Н Н НС Н В
2 С Н ВС СВ Н В Н Н Н НС Н В
3 С Н В ВС Н В Н Н НС НС Н В
Фактический С Н В В Н В С С Н С С ВС
Кятов Н.Х. Прогнозирование временных рядов объемов жилищного строительства // Научная мысль Кавказа. 2006. Приложение № 3. С. 142-152. Кятов Н.Х. О наследственной памяти временных рядов // Исследовано в России. http://zhurnal.ape.relam.ru/ шИсЬ/2005/ 244.pdf
Кятов Н.Х. Прогнозирование временных рядов инвестиций в основной капитал методом Бокса-Джен-кинса (АММА) // Рациональные пути решения социально-экономических и научно-технических проблем региона: Материалы Регион. науч.-практ. конф. Ч. 1. Черкесск, 2006. С. 67-69. Кятов НХ. Особенности регионального жилищного
строительства на примере Карачаево-Черкесской Республики // Недвижимость: проблемы экономики, управления и подготовки кадров: Материалы II Между-нар. науч.-практ. конф. Сб. 1. М., 2006. С. 34-38. Перепелица В.А. и др. Использование инструментария клеточных автоматов для прогнозирования нечетких значений урожайности на базе временного ряда // Изв. вузов. Сев.-Кавк. регион. Естеств. науки. 2003. № 4. С. 5-11.
ХанкДЭ, Уичерн Д.У., Райтс А.Дж. Бизнес-прогнозирование: Пер. с англ. М., 2003.
Карачаево-Черкесская государственная технологическая академия
4 мая 2007 г.
4