S obzirom na to da analiza vremenskih serija nije takvaapstraktni statistički koncept, i kao fenomen koji se široko koristi u praksi, možemo zaključiti da je ova tema danas vrlo relevantna za proučavanje niza procesa. Posebno je tražen u ljudskoj ekonomskoj djelatnosti, pa je većina primjera u popularnoznanstvenoj literaturi dana upravo s gledišta njegove uporabe u ovom kontekstu. Ali to ne zaustavlja opseg korištenja proučavanja i vrednovanja vremenskih nizova.
Sama definicija vremenske serije je u velikoj mjeripodsjeća nas na postupak prikupljanja bilo kakvih statističkih podataka, a sastoji se u jasnom utvrđivanju realnih pokazatelja u određenim vremenskim intervalima na način koji daje najveću pouzdanost. Drugim riječima, pri opisivanju bilo kojeg fenomena koristi se graf gdje su vremenski indikatori mjerenja fiksirani na osi apsces, a njezine stvarne fizičke veličine na osi ordinata.
U osnovi su metode analize vremenskih serija u njihovimVrijeme je osnova za opis mnogih fizičkih zakona i tehničkih procesa. Njihova generalizacija omogućila je da se proces opisa svodi na određeni matematički izraz. No, nisu se svi procesi uspjeli uklopiti u okvir jasnih formula. I nitko nije otkazao rješenje dva glavna problema. Oni su:
- određivanje prirode serije;
- predviđanje
Tako je analiza vremenskih serija dobila dodatni poticaj za njegov razvoj, a u svom arsenalu pojavio se bogat set alata i metoda.
Klasičan primjer vremenske serije je serija,koje su 1976. godine predložili Box i Jenkins. Koristeći primjer proučavanja mjesečnog međunarodnog zračnog prijevoza tijekom dvanaest godina u razdoblju 1949-1960, pokazali su prisutnost dviju komponenti: gotovo linearni trend i sezonske promjene. Kada se rast prometa neprestano povećavao, a ovisno o sezoni, povremeno su primijećena područja povećanja i prigušivanja aktivnosti. Ova vrsta opisa naziva se modelom s multiplikativnom sezonalnošću.
Iste godine isti su Boxing i Jenkins predložili vrlo zanimljivu u pogledu prognoziranja, ali vrlo napornu i složenu metodu Autoregresivno integriranog pokretnog prosjeka (ARPSS).
Kada proučavate procese na koje utječuizvana, praktična metoda prekinutih vremenskih serija dobila je raširenost. Opisana je 80-ih godina prošlog stoljeća. Bit metode je proučavanje procesa nakon intervencije u sustav izvana. Analiza vremenskih serija bila je procjena uvođenja novih metoda vođenja, korištenja različitih know-how-a, utjecaja zakonodavnih procesa itd.
Spektralna analiza vremenskih serija pojavila se nana temelju prethodnih metoda. Među kriterijima za ocjenjivanje ovom metodom jasno su vidljivi razdoblje i učestalost. Prilikom izračuna često se koriste složeni brojevi, Fourierove transformacije.
Obilje metoda i tehnika koje uključujeAnaliza vremenskih serija potvrđuje koliko je ovo tlo plodno za daljnja istraživanja. Uostalom, opisi ovih procesa prilično su nezgrapni i zahtijevaju određeno iskustvo od analitičara. Snažan skok u razvoju osobnog računanja doveo je do zaključenja ove vrste analize na novu kvalitativnu razinu. Sveprisutnost Interneta širokoj je kategoriji učinila dostupnima rezultate nedavnih istraživanja na ovom području.
Što, ako ne analiza vremenskih serija, koristiUspješan igrač na Forex tržištu, proučavanje rasporeda razvoja poduzeća omogućuje menadžeru da razvije pravu stratešku liniju, a procjena tržišta pruža marketingu i menadžerima široko polje aktivnosti, omogućavajući vam da prilagodite razinu cijena i asortiman proizvoda ili usluga koje se prodaju kako bi maksimizirali koristi.
Svaka metoda analize zaslužuje posebnu pozornost i zahtijeva temeljito proučavanje. A ako vas je barem jedan od njih zanimao, cilj članka je postignut.
