технико-экономических показателей, уровня запасов в сис-
темах
материально-технического снабжения, для прогнози-
рования
структурных
и технологических сдвигов, для опре-
деления траекторий некоторых глобальных показателей.
Наиболее простыми являются полиномиальные модели
Брауна. Их отличает ясность
концепции,
достаточная гибкость,
универсальность и простота расчетов. Особое значение имеют
адаптивные модели для
более
гибкого, чем обычно, выравни-
вания
рядов, очищения их от случайных наслоений. Однако
точность
получаемых
по ним прогнозов не
всегда
удовлет-
ворительна. Более строгим является метод, основывающий-
ся
на теории, разработанной Дж. Боксом и Г. Дженкинсом, -
метод
построения смешанных моделей авторегрессии-сколь-
зящего среднего. Имеются сведения [85], что, несмотря на
ограниченность используемой информации, модели Бокса -
Дженкинса в
деле
прогнозирования
могут
с
успехом
кон-
курировать со сложными эконометрическими моделями.
Очевидно, не случайно положительно показала себя в опы-
тах по прогнозированию экономических рядов и адаптив-
ная
модель авторегрессии (например, для прогнозирования
курсов валют), и адаптивная гистограмма (для анализа
кассовых остатков).
Рассмотренные в данном пособии методы анализа и по-
строения моделей изолированного временного ряда
могут
найти
применение и в качестве вспомогательного
средства.
Например,
для прогнозирования экзогенных переменных при
построении многофакторных моделей, а это очень важно,
так
как от точности прогноза экзогенных переменных зави-
сит
успех
прогнозирования по многофакторной модели в
целом.
Модели Бокса -Дженкинса можно также использовать
как
своеобразную
меру
динамических свойств ряда, и это
их качество положено в основу анализа эконометрических
систем линейных динамических уравнений. С помощью та-
ких моделей можно также получить ряды с некоторыми за-
ранее заданными автокорреляционными свойствами, что мо-
жет найти применение в имитационных
моделях.
Получил развитие адаптивный многомерный анализ:
разработаны адаптивный корреляционный и адаптивный
регрессионный анализ. Применение моделей АРСС для от-
ражения колебаний дисперсии регрессионных остатков при-
379