Выделяют четыре основных типа моделей динамики данных.

Горизонтальную модельиспользуют, если наблюдения колеблются относительно постоянного уровня или среднего значения, в этом случае временной ряд называют стационарным. Внешние воздействия относительно постоянны. Прогнозирование включает использование его предыстории для оценки среднего значения, которое становится прогнозным. Для оценки будущей динамики могут быть использованы методы наивного прогнозирования, простого среднего, скользящего среднего, простое экспоненциальное сглаживание.

Трендовая модельприменяется, если значения временного ряда возрастают или убывают в течение некоторого, достаточно большого промежутка времени. Методы прогнозирования должны дать возможность выявить закономерность и рассчитать параметры средней теоретической линии развития объекта. Эта задача может быть решена методами прогнозной экстраполяции, для оценки одного будущего значения используют методы скользящей средней и линейного экспоненциального сглаживания.

Сезонная модельиспользуется, если на данные наблюдений влияют не только общие закономерности развития, но и сезонные факторы. В прогнозировании могут быть использованы модели экстраполяции с аддитивной и мультипликативной компонентой.

Циклическая модельприменяется, если данные характеризуются подъемами и спадами, не зависящими от времени. Циклическая компонента обычно имеет причиной общие закономерности экономического развития (жизненный цикл продукции, деловой цикл, бизнес-цикл). Методы прогнозирования — экономические индикаторы, эконометрические модели, многомерная регрессия.

Временной (или динамический) ряд— это упорядоченная во времени совокупность измерений одной из характеристик исследуемого объекта ( ),

t — порядковый номер анализируемого периода.

Временные ряды отличаются от простых статистических выборок в фиксированный момент времени следующими признаками:

· последовательные во времени показатели временных рядов являются взаимозависимыми, особенно это относится к близко расположенным наблюдениям;

· в зависимости от момента наблюдения показатели временного ряда обладают разной информативностью: информационная ценность наблюдений убывает по мере их удаления от текущего момента времени;

· с увеличением количества показателей временного ряда точность статистических характеристик не будет увеличиваться пропорционально числу наблюдений, а при появлении новых закономерностей развития она может даже уменьшаться.

В зависимости от того, отражают ли элементы временного ряда состояние объекта за определенный промежуток времени или фиксируют в строго установленные моменты, различают интервальные и моментные ряды. Они могут задаваться в табличной или графической форме.

Интервальный временной ряд— это совокупность показателей, каждый из которых характеризует развитие объекта исследования за определенный период времени (год, квартал, месяц, сутки и т.п.).

Моментный временной ряд— это совокупность показателей, характеризующих состояние объекта на определенную дату, например на первое число каждого месяца, на первое января каждого года и т.п.

В зависимости от способа построения исследуемых характеристик возможно построение временных рядов, состоящих из абсолютных, относительных и средних величин. Относительные уровни можно получить делением абсолютных или средних значений на один и тот же элемент ряда, принятый за базу. Возможно также получение относительных величин при сравнении каждого значения показателей временного ряда с предыдущим. Выбор вида ряда определяется задачами прогноза.

Основное правило построения временных рядов — необходимость обеспечения сопоставимости его отдельных показателей. Для этого все элементы должны характеризовать изучаемое явление за равные промежутки времени или фиксировать состояние признака через равные интервалы. Каждое значение показателя во временном ряду необходимо рассчитывать по единой методике и выражать в одних и тех же единицах измерения. Количество измерений должно быть достаточно представительным, чтобы выявить устойчивую тенденцию. В то же время следует учитывать, что использование слишком большого количества ретроспективных значений может привести к преувеличению прошлых тенденций, нечувствительности тренда к переменам. Для построения экономического прогноза рекомендуется использовать 5—20 измерений исследуемой характеристики в ретроспективном периоде. Количество анализируемой информации зависит также от длины перспективного периода, т.е. периода времени, на который вы намереваетесь строить прогноз. Экстраполяция может дать хорошие результаты, если ваши выводы о будущем развитии объекта прогнозирования основываются на информации о развитии исследуемого объекта за ретроспективный период, в 3 раза превышающий период упреждения прогноза.