Tillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III

Relevanta dokument
Räkneövning 5. Sebastian Andersson Statistiska institutionen Uppsala universitet 7 januari För Uppgift 2 kan man med fördel ta hjälp av Minitab.

732G71 Statistik B. Föreläsning 8. Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 23

Räkneövning 4. Om uppgifterna. 1 Uppgift 1. Statistiska institutionen Uppsala universitet. 14 december 2016

732G71 Statistik B. Föreläsning 9. Bertil Wegmann. December 1, IDA, Linköpings universitet

Regressions- och Tidsserieanalys - F8

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

Tillämpad statistik (A5), HT15 Föreläsning 22: Tidsserieanalys I

Sveriges bruttonationalprodukt Årsdata. En kraftig trend.

Vad Betyder måtten MAPE, MAD och MSD?

Tidsserier. Data. Vi har tittat på två typer av data

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh

Tidsserier, forts från F16 F17. Tidsserier Säsongrensning

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

Ett A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.

STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Johan Andersson

ÖVNINGSUPPGIFTER KAPITEL 7

Sveriges bruttonationalprodukt Årsdata. En kraftig trend.

STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh

Statistik B Regressions- och tidsserieanalys Föreläsning 1

F11. Kvantitativa prognostekniker

Säsongrensning i tidsserier.

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

STOCKHOLMS UNIVERSITET VT 2008 Statistiska institutionen Linda Wänström

Prognoser. ekonomisk-teoretisk synvinkel. Sunt förnuft i kombination med effektiv matematik ger i regel de bästa prognoserna.

STOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson

Tentamensgenomgång och återlämning: Måndagen 24/2 kl16.00 i B497. Därefter kan skrivningarna hämtas på studentexpeditionen, plan 7 i B-huset.

Tidsserier. Tre modeller för tidsserier är den multiplikativa, additiva och säsongdummymetoden.

Tentamen för kursen. Linjära statistiska modeller. 16 augusti

Ett A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.

Enkel och multipel linjär regression

Ett A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.

Tillämpad statistik (A5), HT15 Föreläsning 11: Multipel linjär regression 2

MVE051/MSG Föreläsning 14

1/23 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

Metod för beräkning av potentiella variabler

Föreläsning G60 Statistiska metoder

Justeringar och tillägg till Svar till numeriska uppgifter i Andersson, Jorner, Ågren: Regressions- och tidsserieanalys, 3:uppl.

Föreläsning G60 Statistiska metoder

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

Preliminärt lösningsförslag - omtentamen i Finansiell statistik,

STOCKHOLMS UNIVERSITET VT 2007 Statistiska institutionen Johan Andersson

Autokorrelation och Durbin-Watson testet. Patrik Zetterberg. 17 december 2012

Övningshäfte till kursen Regressionsanalys och tidsserieanalys

Facit till Extra övningsuppgifter

Lektionsanteckningar 11-12: Normalfördelningen

TAMS65 - Seminarium 4 Regressionsanalys

Avsnitt 2. Modell: intuitiv statistisk

TENTAMEN I STATISTIK B,

732G71 Statistik B. Föreläsning 1, kap Bertil Wegmann. IDA, Linköpings universitet. Bertil Wegmann (IDA, LiU) 732G71, Statistik B 1 / 20

Modellskattningen har gjorts med hjälp av minsta kvadratmetoden (OLS).

1/31 REGRESSIONSANALYS. Statistiska institutionen, Stockholms universitet

Höftledsdysplasi hos dansk-svensk gårdshund

Föreläsning 3. Prognostisering: Prognosprocess, efterfrågemodeller, prognosmodeller och prognosverktyg

kvoten mellan två på varandra följande tal i en talföljd är konstant alltid lika stor.

Preliminära lösningar för Tentamen Tillämpad statistik A5 (15hp) Statistiska institutionen, Uppsala universitet

Ett A4-blad med egna handskrivna anteckningar (båda sidor) samt räknedosa.

Planering av flygplatser

Logistisk regression och Indexteori. Patrik Zetterberg. 7 januari 2013

Vilka indikatorer kan prognostisera BNP?

Tentamen i Matematisk statistik Kurskod S0001M

på julhandeln

Tentamen Tillämpad statistik A5 (15hp)

Regressions- och Tidsserieanalys - F1

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012

Grundläggande matematisk statistik

F16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data

Linnéuniversitetet Institutionen för datavetenskap, fysik och matematik Per-Anders Svensson

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys

Poissonregression. E(y x1, x2,.xn) = exp( 0 + 1x1 +.+ kxk)

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

STOCKHOLMS UNIVERSITET HT 2007 Statistiska institutionen Johan Andersson

Numeriska metoder för ODE: Teori

Stokastiska processer med diskret tid

Läs noggrant informationen nedan innan du börjar skriva tentamen

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

Verksamhetsutvärdering av Mattecentrum

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.

Matematisk statistik kompletterande projekt, FMSF25 Övning om regression

Reducering av svinnet i fa rskvaruhandeln genom fo rba ttrade efterfra geprognoser

Finansiell statistik

Föreläsning 13, Matematisk statistik 7.5 hp för E, HT-15 Multipel linjär regression

Rättningstiden är i normalfall 15 arbetsdagar, annars är det detta datum som gäller:

Utvärdering av Transportstyrelsens flygtrafiksmodeller

Regressions- och Tidsserieanalys - F1

Kapitel 4: SAMBANDET MELLAN VARIABLER: REGRESSIONSLINJEN

5 Blandade problem. b(t) = t. b t ln b(t) = e

Regressions- och Tidsserieanalys - F7

Prognostisering med exponentiell utjämning

Sänkningen av parasitnivåerna i blodet

Finansiell statistik. Multipel regression. 4 maj 2011

Provet består av Del I, Del II, Del III samt en muntlig del och ger totalt 76 poäng varav 28 E-, 24 C- och 24 A-poäng.

DEN FRAMTIDA VERKSAMHETSVOLYMEN I RÄTTSKEDJAN - CENTRALA PROGNOSER FÖR PERIODEN : RESULTATBILAGA

Statistiska Institutionen Gebrenegus Ghilagaber (docent)

F13 Regression och problemlösning

Finansiell månadsrapport Micasa Fastigheter i Stockholm AB augusti 2015

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION

Transkript:

Tillämpad statistik (A5), HT15 Föreläsning 24: Tidsserieanalys III Sebastian Andersson Statistiska institutionen Senast uppdaterad: 16 december 2015

är en prognosmetod vi kan använda för serier med en konstant nivå, dvs utan trend eller Metoden liknar glidande medelvärden, men vikterna avtar t Med en skonstant w (0 w 1): E t = wy t + (1 w)e t 1 Vi har alltså ett viktat genomsnitt av nuvarande periods observation (y t ) och tidigare periods utjämnade värde (E t 1 )

Metodens steg: 1 Bestäm ett värde för skonstanten w, 0 w 1 2 Beräkna den t utjämnade serien E t som följer: E 1 = y 1 E 2 = wy 2 + (1 w)e 1 E 3 = wy 3 + (1 w)e 2. E n = wy n + (1 w)e n 1 3 Prognosen för en framtida observation k steg framåt är F n+k = E n, k = 1,2,...

Men varför? De tre första värdena: E 1 = y 1 E 2 = wy 2 + (1 w)e 1 E 3 = wy 3 + (1 w)e 2 Stoppa in E 1 i E 2 och E 2 i E 3 och se att vi får en kvadrat på (1 w): E 3 = wy 3 + (1 w)e 2 E 3 = wy 3 + (1 w)(wy 2 + (1 w)e 1 ) (Byt ut E 2 ) = wy 3 + (1 w)(wy 2 + (1 w)y 1 ) (Byt ut E 1 ) = wy 3 + w(1 w)y 2 + (1 w) 2 y 1 (Multiplicera)

Summan av vikterna är 1: w + w(1 w) + (1 w) 2 = 2w w 2 + (1 2w + w 2 ) = 1. Högre värden för vikten w ger större vikt till närliggande observationer, lägre värden tar större hänsyn till äldre observationer Detta betyder att höga värden på w ger en hoppig serie, medan låga värden ger en mer mjuk och utjämnad serie Vad händer i gränsfallen, när w är 0 eller 1?

Exempel: BNP-tillväxt i Sverige t Period BNP 1 2014:3 0,3 2 2014:4 1,2 3 2015:1 0,6 4 2015:2 1,1 Vi väljer w = 0,2 och beräknar den utjämnade serien: E 1 = 0,3 E 2 = 0,2 1,2 + (1 0,2) 0,3 = 0,48 E 3 = 0,2 0,6 + (1 0,2) 0,48 = 0,504 E 4 = 0,2 1,1 + (1 0,2) 0,504 = 0,623 Prognoser för de två återstående kvartalen 2015 ges av: F 5 = E 4 = 0,623 F 6 = E 4 = 0,623.

Procent 3 2 1 0-1 -2 Variable BNP w=0.2 w=0.5-3 -4 Quarter Year 2002 2005 2008 2011 2014 Svensk BNP-tillväxt

Eftersom prognosen är det senaste utjämnade värdet, kan vi få en mer intuitiv tolkning av vad metoden gör Vi hade att: E n = wy n + (1 w)e n 1 Eftersom prognosen ett steg framåt vid tidpunkt n 1 är det senaste utjämnade värdet, dvs F n = E n 1, kan detta skrivas som E n = wy n + (1 w)f n = F n + w(y n F n ) = Föregående 1-stegsprognos + w Prognosfel Det utjämnade värdet vid tidpunkt n kan alltså ses som en uppdaterad prognos, dvs när vi får en ny observation behåller vi den gamla prognosen (första termen) men reviderar den något (andra termen)

är något begränsad, då den förutsätter att vi varken har någon trend eller Med metod utökas den enkla a en till att tillåta enbart trend eller både trend och, där trenden antas vara linjär Vi skriver metoden enligt: E t = wy t + (1 w)(e t 1 + T t 1 ) T t = v(e t E t 1 ) + (1 v)t t 1 där både w och v är mellan 0 och 1. Utjämningen vid tidpunkt t (E t ) bestäms av en vid föregående tidpunkt (E t 1 ) samt en skattning av trendökningen (T t 1 )

Metodens steg: 1 Bestäm skonstanterna v och w, där båda är mellan 0 och 1 2 Beräkna s- och trendkomponenterna E t och T t enligt: { y 2, t = 2 E t = wy t + (1 w)(e t 1 + T t 1 ), t > 2 { y 2 y 1, t = 2 T t = v(e t E t 1 ) + (1 v)t t 1, t > 2 3 Prognosen k steg framåt är F n+k = E n + T n k

Det enklaste sättet att förstå denna (något komplicerade) metod är att titta på ekvationen för dess prognos: F n+k = E n + T n k Precis som vid enkel använder vi det senaste utjämnade värdet, E n, men nu lägger vi även till en del för att i vår prognos ta hänsyn till trenden Detta uttryck är mycket likt vad vi hade för prognoser med minsta kvadrat-metoden: ŷ t = ˆβ 0 + ˆβ 1 t Skillnaden är alltså att vi uppdaterar interceptet ˆα med vårt senaste utjämnade värde, E n, och lutningskoefficienten ˆβ 1 med vår senaste skattning för trendökningen, T t

För en 1-stegsprognos är k = 1, så 1-stegsprognosen vid tidpunkt n 1 är då F n = E n 1 + T n 1 Som i fallet med enkel innebär detta att vi kan se en som en reviderad prognos, eftersom: E n = wy n + (1 w)(e n 1 + T n 1 ) = wy n + (1 w)f n = F n + w(y n F n ) = Föregående 1-stegsprognos + w Prognosfel Ekvationen ovan är exakt samma som för enkel, skillnaden är beräkningen av F n. I det här fallet tillåter vi även en trendökning!

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 2012 3 3685 2013 4 3770 2014 5 3918 1 Vi kan omedelbart beräkna E 2 och T 2 : E 2 = y 2 = 3657 T 2 = y 2 y 1 = 3657 3520 = 137

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 2013 4 3770 2014 5 3918 1 Vi kan omedelbart beräkna E 2 och T 2 : E 2 = y 2 = 3657 T 2 = y 2 y 1 = 3657 3520 = 137

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 2013 4 3770 2014 5 3918 2 Därefter beräknar vi E 3 och T 3 : E 3 = 0,3 y 3 + 0,7 (E 2 + T 2 ) = 0,3 3685 + 0,7 (3657 + 137) = 3761,3 T 3 = 0,3 (E 3 E 2 ) + 0,7 T 2 = 0,3 (3761,3 3657) + 0,7 137 = 127,19

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 2014 5 3918 2 Därefter beräknar vi E 3 och T 3 : E 3 = 0,3 y 3 + 0,7 (E 2 + T 2 ) = 0,3 3685 + 0,7 (3657 + 137) = 3761,3 T 3 = 0,3 (E 3 E 2 ) + 0,7 T 2 = 0,3 (3761,3 3657) + 0,7 137 = 127,19

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 2014 5 3918 3 Vi kan nu beräkna E 4 och T 4 : E 4 = 0,3 y 4 + 0,7 (E 3 + T 3 ) = 0,3 3770 + 0,7 (3761,3 + 127,19) = 3852,94 T 4 = 0,3 (E 4 E 3 ) + 0,7 T 3 = 0,3 (3852,94 3761,3) + 0,7 127,19 = 116,53

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 3852,94 116,53 2014 5 3918 3 Vi kan nu beräkna E 4 och T 4 : E 4 = 0,3 y 4 + 0,7 (E 3 + T 3 ) = 0,3 3770 + 0,7 (3761,3 + 127,19) = 3852,94 T 4 = 0,3 (E 4 E 3 ) + 0,7 T 3 = 0,3 (3852,94 3761,3) + 0,7 127,19 = 116,53

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 3852,94 116,53 2014 5 3918 4 Slutligen har vi E 5 och T 5 : E 5 = 0,3 y 5 + 0,7 (E 4 + T 4 ) = 0,3 3918 + 0,7 (3852,94 + 116,53) = 3954,03 T 5 = 0,3 (E 5 E 4 ) + 0,7 T 4 = 0,3 (3954,03 3852,94) + 0,7 116,53 = 111,9

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 3852,94 116,53 2014 5 3918 3954,03 111,9 4 Slutligen har vi E 5 och T 5 : E 5 = 0,3 y 5 + 0,7 (E 4 + T 4 ) = 0,3 3918 + 0,7 (3852,94 + 116,53) = 3954,03 T 5 = 0,3 (E 5 E 4 ) + 0,7 T 4 = 0,3 (3954,03 3852,94) + 0,7 116,53 = 111,9

Exempel: Säsongsrensat BNP i löpande priser, miljarder kronor. Vikter: w = 0,3 och v = 0,3. Tid t y t E t T t 2010 1 3520 * * 2011 2 3657 3657 137 2012 3 3685 3761,3 127,19 2013 4 3770 3852,94 116,53 2014 5 3918 3954,03 111,9 4 Prognoser för 2015 och 2016 fås genom: F 6 = E 5 + T 5 = 3954,03 + 111,9 = 4065,92 F 7 = E 5 + 2 T 5 = 3954,03 + 2 111,9 = 4177,82

metod utan kallas ibland dubbel eftersom vi har två serier vi jämnar ut Vi ska nu introducera även i modellen i vad som även kallas trippel Det finns egentligen allsköns kombinationer av additiv och multiplikativ, olika trender, etc i dessa modeller, men vi fokuserar här på multiplikativ med linjär trend Metoden är alltså med både trend och

Vi har nu istället tre ekvationer: ( ) yt E t = w + (1 w)(e t 1 + T t 1 ) S t P T t = v(e t E t 1 ) + (1 v)t t 1 ( ) yt S t = u + (1 u)s t P E t där w,v och u är skonstanter (mellan 0 och 1) och P är periodiciteten Jämförelse med utan : 1 E t : istället för y t har vi det sjusterade värdet y t /S t P 2 T t : samma som förut 3 S t : viktat medel av en grov sskattning (y t /E t ) och senaste skattningen för samma period

Metodens steg: 1 Bestäm skonstanterna w, v och u (alla mellan 0 och 1) 2 Bestäm periodiciteten P (t ex 4 för kvartalsdata) 3 Beräkna de första värdena: E 2 = y 2 T 2 = y 2 y 1 S 2 = y 2 E 2 4 Beräkna andra delen, för t = 3,..., P + 2: E t = wy t + (1 w)(e t 1 + T t 1 ) T t = v(e t E t 1 ) + (1 v)t t 1 S t = y t E t

5 Beräkna den resterande delen, för t = P + 3,..., n: ( ) yt E t = w + (1 w)(e t 1 + T t 1 ) S t P T t = v(e t E t 1 ) + (1 v)t t 1 ( ) yt S t = u + (1 u)s t P E t 6 Prognosen k steg framåt är: F n+k = (E n + kt n )S n+k P

Exempel: BNP i 2014 års priser, 2000:1-2015:2 BNP (miljarder kronor) 1050 1000 950 900 850 800 750 700 Quarter Year 2002 2005 2008 2011 2014 BNP i 2014 års priser, miljarder kronor

1 Vi låter w = 0,7,v = u = 0.5 2 Eftersom vi har kvartalsdata är periodiciteten P = 4 3 Början av datamängden: Tid t BNP (y t ) E t T t S t 2000:1 1 735,77 2000:2 2 767,25 2000:3 3 696,25 2000:4 4 800,26 2001:1 5 757,16 2001:2 6 777,41 2001:3 7 704,96 2001:4 8 806,90

3 (forts.) Beräkning av de första värdena: E 2 = y 2 = 767,25 T 2 = y 2 y 1 = 767,25 735,77 = 31,48 S 2 = y 2 = 767,25 E 2 767,25 = 1 Tid t BNP (y t ) E t T t S t 2000:1 1 735,77 * * * 2000:2 2 767,25 767,25 31,48 1 2000:3 3 696,25 2000:4 4 800,26

4 Den andra delen med beräkningar sträcker sig från t = 3 till t = P + 2 = 6. Vi får: E 3 = 0,7 y 3 + 0,3 (E 2 + T 2 ) = 0,7 696,25 + 0,3 (767,25 + 31,48) = 726,99 T 3 = 0,5 (E 3 E 2 ) + 0,5 T 2 = 0,5 (726,99 767,25) + 0,5 31,48 = 4,39 S 3 = y 3 = 696,25 E 3 726,99 = 0,958 Tid t BNP (y t ) E t T t S t 2000:1 1 735,77 * * * 2000:2 2 767,25 767,25 31,48 1 2000:3 3 696,25 726,99-4,39 0,958 2000:4 4 800,26

4 (forts.) När tabellen är ifylld fram till t = P + 2 = 6 har vi: Tid t BNP (y t ) E t T t S t 2000:1 1 735,77 * * * 2000:2 2 767,25 767,25 31,48 1 2000:3 3 696,25 726,99-4,39 0,958 2000:4 4 800,26 776,97 22,79 1,030 2001:1 5 757,16 769,94 7,88 0,983 2001:2 6 777,41 777,54 7,74 1,000 2001:3 7 704,96 2001:4 8 806,90

5 Vi fyller i tabellen för t = P + 3 = 7 och framåt: ( ) y7 E 7 = 0,7 + 0,3 (E 6 + T 6 ) S ( 3 ) 704,96 = 0,7 + 0,3 (777,54 + 7,74) = 750,84 0,958 T 7 = 0,5 (E 7 E 6 ) + 0,5 T 6 = 0,5 (750,84 777,54) + 0,5 7,74 = 9,48 ( ) y7 S 7 = 0,5 + 0,5 S 3 E ( 7 ) 704,96 = 0,5 + 0,5 0,958 = 0,948 750,84

5 (forts.) Utökad tabell: Tid t BNP (y t ) E t T t S t 2000:1 1 735,77 * * * 2000:2 2 767,25 767,25 31,48 1 2000:3 3 696,25 726,99-4,39 0,958 2000:4 4 800,26 776,97 22,79 1,030 2001:1 5 757,16 769,94 7,88 0,983 2001:2 6 777,41 777,54 7,74 1,000 2001:3 7 704,96 750,84-9,48 0,948 2001:4 8 806,90 Genom att fortsätta med liknande beräkningar får vi slutligen de utjämnade serierna ända upp till 2015:2

BNP (miljarder kr) 1050 1000 950 900 850 800 750 Variable BNP E 700 Quarter Year 2002 2005 2008 2011 2014 BNP och E t

6 Förutom prognoser framåt i tiden (2015:3, 2015:4, etc) kan vi också beräkna löpande 1-stegsprognoser genom att vid varje tidpunkt göra 1-stegsprognoser enligt: F t+1 = (E t + T t )S t+1 P för t = P + 1, P + 2,..., n. De första 1-stegsprognoserna är: F 6 = (E 5 + T 5 )S 2 = (769,94 + 7,88) 1 = 777,83 F 7 = (E 6 + T 6 )S 3 = (777,54 + 7,74) 0,958 = 752,07 F 8 = (E 7 + T 7 )S 4 = (750,84 9,48) 1,030 = 763,59 etc

6 (forts.) Början på tabellen inklusive 1-stegsprognoser: Tid t BNP (y t ) E t T t S t F t 2000:1 1 735,77 * * * * 2000:2 2 767,25 767,25 31,48 1 * 2000:3 3 696,25 726,99-4,39 0,958 * 2000:4 4 800,26 776,97 22,79 1,030 * 2001:1 5 757,16 769,94 7,88 0,983 * 2001:2 6 777,41 777,54 7,74 1,000 777,83 2001:3 7 704,96 750,84-9,48 0,948 752,07 2001:4 8 806,90 770,79 5,24 1,038 763,59 Genom att fortsätta med liknande beräkningar får vi slutligen de utjämnade serierna ända upp till 2015:2

BNP (miljarder kr) 1100 1000 900 800 Variable BNP E F 700 Quarter Year 2002 2005 2008 2011 2014 BNP, E t och F t

6 (forts.) Prognoser framåt i tiden beräknar vi enligt: F n+k = (E n + k T n )S n+k P Botten av tabellen: Tid t BNP (y t ) E t T t S t F t 2014:3 59 918,57 989,21 6,44 0,928 2014:4 60 1031,42 997,86 7,55 1,033 2015:1 61 987,92 1003,00 6,35 0,985 2015:2 62 1045,23 1016,43 9,89 1,027 För k = 1, 2, 3, 4 får vi: F 63 = (E 62 + 1T 62 )S 59 = (1016,43 + 1 9,89) 0,928 = 952,54 F 64 = (E 62 + 2T 62 )S 60 = (1016,43 + 2 9,89) 1,033 = 1070,54 F 65 = (E 62 + 3T 62 )S 61 = (1016,43 + 3 9,89) 0,985 = 1030,88 F 66 = (E 62 + 4T 62 )S 62 = (1016,43 + 4 9,89) 1,027 = 1084,28

BNP (miljarder kr) 1100 1050 1000 950 Variable BNP E F 900 Quarter Year Q1 2014 Q1 2015 Q1 2016 BNP, E t och F t