Задача 4. Ложная корреляция
При измерении корреляции между двумя временными рядами следует учитывать возможность наличия ложной корреляции. Для того чтобы устранить ее, следует определять степень тесноты связи не самих уровней временных рядов, а их последовательных разностей или отклонений от трендов.
Коэффициент корреляции, рассчитанный по первым разностям, показывает не столь тесную связь, как коэффициент, рассчитанный по уровням ряда динамики. Расчет по первым разностям позволяет устранить тенденцию, зависимость между x и y, обусловленную сопутствием рядов во времени.
Задача 5. Сезонная компонента
Сезонная колеблемость может иметь аддитивный (A = T + S + E) или мультипликативный (A = T * S * E) характер. Для выявления тренда и наличия сезонной компоненты используется метод скользящей средней.
В примере с компанией FORA LTD (аддитивная модель) объемы продаж за два зимних месяца превышают среднее трендовое значение приблизительно на 40 тыс. шт., а объемы продаж за два летних месяца ниже средних на 21 и 62 тыс. шт. соответственно.
Прогнозные значения по модели с аддитивной компонентой рассчитываются как F = T + S.
Модель с мультипликативной компонентой
В примере с компанией LORA Ltd значения сезонной компоненты увеличиваются с возрастанием значений тренда. В результате сезонных воздействий объемы продаж в январе-марте увеличиваются на 11,6% соответствующего значения тренда (1,116). Прогнозные значения определяются по формуле F = T * S.
Не следует забывать: чем более отдаленным является период упреждения, тем меньшей оказывается обоснованность прогноза.