Сезонная корректировка экономических временных рядов – это частный случай обратной задачи обработки и идентификации экспериментальных данных. Возможны разные подходы к решению подобной проблемы. Поэтому цель данной работы – сравнение качества сезонной корректировки исходных данных алгоритмами, в основе которых лежат разные подходы к решению обратной задачи декомпозиции. Сравнение алгоритмов проводилось на модельных рядах, когда результат декомпозиции априори известен. Качество корректировки разными алгоритмами фиксировалось мерой отклонения скорректированного ряда от заданного тренда. Показано, что при наличии в модельном ряде помимо тренда и сезонной волны нерегулярной компоненты – шума, наилучшие результаты показывают алгоритмы, элементами которых являются проективные операторы.
Ключевые слова: сезонная корректировка, модельные временные ряды, тренд, сравнение алгоритмов.
Gubanov V.A.
Comparison of Time Series Seasonal Adjustment Methods
Seasonal adjustment of economic time series is a special case of the inverse problem of processing and identification of experimental data. There exist different approaches to solve this problem. Therefore, the aim of this paper is to compare the quality of seasonal adjustment algorithms based on different approaches to solving the inverse problem of decomposition. Comparison of algorithms was carried out on simulated series so that the result of decomposition is known a priori. Quality adjustment of different algorithms estimated as a measure of deviation differences between adjusted series and the given trend. We show that in case simulated series contain irregular components (noise), algorithms including projective operators demonstrate the best results.
Keywords: seasonal adjustment, simulated time series, trend, algorithm comparison.
