2.3.4. Малая длина и краевые эффекты

К оглавлению
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 
35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 
70 

Макроэкономические временные ряды обычно характеризуются малой

длиной, типичным является проведение расчетов с рядами, содержащими

несколько десятков членов.

В значительной мере это обусловлено организацией деятельности на-

циональных статистических служб. Макроэкономические показатели стро-

ятся, как правило, в месячном, квартальном и годовом выражениях. За от-

дельными исключениями (к числу которых относятся, например, времен-

ные ряды обменных курсов валют и других показателей финансовых рын-

ков), макроэкономические показатели рассчитываются с шагом по времени

не меньше месяца. Это обусловлено, в частности, технологическими сооб-

ражениями, поскольку регистрация, сбор и первичная обработка данных

требуют некоторого времени и значительных ресурсов. При этом методики

построения одних и тех же показателей в месячном, квартальном и годовом

выражениях зачастую несколько различаются. Как правило, чем выше час-

тота временного ряда показателя, тем на меньший объем исходных данных

он опирается (скажем, при построении показателей в годовом выражении

часто бывает доступен больший объем более качественной исходной ин-

формации, чем при построении показателей в месячном выражении). Вме-

сте с тем показатели более высокой частоты строятся и публикуются более

оперативно и позволяют анализировать более краткосрочные тенденции,

чем показатели меньшей частоты. Поэтому имеются основания строить и

использовать показатели разной частоты. Годовые данные, как правило,

наиболее точны, но не содержат информации о краткосрочных тенденциях,

а соответствующие им временные ряды содержат наименьшее количество

членов. Месячные данные зачастую менее точны, зато содержат информа-

цию о краткосрочных тенденциях, соответствующие временные ряды име-

ют существенно большее количество членов, однако уровни таких рядов,

как правило, несопоставимы между собой в силу наличия календарной и

сезонной составляющих и большего масштаба нерегулярной составляю-

щей. Удаление неинформативных составляющих динамики приводит к

уменьшению числа степеней свободы, особенно заметному при использо-

вании адаптивных методов, настраивающихся на эволюцию составляющих

динамики.

Проблема малой длины макроэкономических временных рядов особен-

но актуальна для российской переходной экономики. Отчасти это связано с

тем, что переходный процесс сопровождался распадом союзного государ-

ства, вызвавшим утрату преемственности данных. Другая причина состоит

в том, что плановая и рыночная экономики предъявляют разные требова-

ния к статистической информации и отличаются возможностями ее сбора.

Это влечет необходимость перестройки системы показателей и методик их

построения, что зачастую приводит к утрате преемственности экономиче-

ских временных рядов.

Обычно методы обработки экономических временных рядов (скажем,

методы декомпозиции рядов на составляющие динамики) позволяют полу-

чить гораздо лучшие результаты для внутренних членов временных рядов,

достаточно удаленных от краев, тогда как по мере приближения к краям

временного ряда качество результата существенно ухудшается (например,

снижается точность идентификации составляющих динамики). Это позво-

ляет говорить о краевых эффектах методов обработки экономических вре-

менных рядов, локализованных в некоторой окрестности краев ряда. По-

этому интерпретация результатов расчетов в области краевых эффектов

требует особой осторожности.

При обработке длинных временных рядов лишь небольшая часть их

членов попадает в области краевых эффектов, поэтому аберрации методов,

возникающие на краях временных рядов, не играют особой роли. При ра-

боте с короткими рядами ситуация существенно изменяется. Все члены

короткого временного ряда можно рассматривать как близкие к его краям,

что резко повышает важность адекватной обработки данных вблизи краев.

Это предъявляет дополнительные требования к алгоритмам 􀀐они должны

быть работоспособными вблизи краев временных рядов. Как правило, осо-

бый содержательный интерес представляют тенденции актуального конца

(actual end) исследуемого временного ряда, т. е. выраженные членами ряда,

непосредственно примыкающими к его правому краю, что усугубляет эту

проблему.