Работа с компонентом Автокорреляция

Для отбора одного артикула из списка используется узел Фильтр строк, в котором заданы следующие настройки:

• Поле — Артикул
• Условие — =
• Значение для сравнения — 1

В узле Автокорреляция на первой странице мастера настроек выбраны следующие параметры:

• для поля Объем продаж установлено назначение Используемое
• для полей Артикул и Дата установлено назначение Не задано

На следующей странице заданы настройки:

• Количество отсчетов — 13
• Область расчета АКФ — Автоматически
• Рассчитывать ЧАКФ — поставлена галочка

Примечание: Следует учитывать, что с увеличением лага на единицу число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается на 1. Поэтому обычно рекомендуют максимальный порядок коэффициента автокорреляции, равный n/4.

Расчет по всем артикулам выполняется с помощью узла Цикл, который настроен на Автокорреляция по одному артикулу. В настройках задан следующий способ итерации цикла:

• Вид цикла — Групповая обработка
• Вид групповой обработки — Разбиение по уникальным значениям полей по полю Артикул

Для подтверждения устойчивости зависимости между соседними значениями ряда используется лаг 2, помогая отделить тренд от шума и случайных колебаний. Этот лаг дополняет информацию от лага 1 и повышает точность выявления тренда. Однако выбор лага должен учитывать особенности данных, и часто анализируются несколько лагов (1, 2, 3 и т.д.) с помощью автокорреляционной функции для полной картины.

В данном примере значение лага установлено меньше или равно двум, что позволяет наблюдать тренд через постепенное снижение или повышение автокорреляционной функции на малых лагах.

В фильтре заданы следующие настройки:

• Поле — Лаг
• Условие — <=
• Значение для сравнения — 2

В подмодели Проверка наличия тренда исследуется гипотеза, что во временных рядах присутствует тренд.

В узле Присвоение значения с помощью функций IF и Data проверяется, что значение АКФ уменьшается и столбец Объем продаж: Значимость = TRUE. В зависимости от выполнения этого условия полю trend_check присваивается значение 1 или 0 по каждому артикулу.

Также с помощью функции CumulativeSum в данном узле вычисляется сумма присвоенных значений для каждого артикула.

В узле Группировка выбирается значение тренда для максимального лага по артикулу. В узле заданы следующие параметры:

• Группа — Артикул
• Показатели — Лаг, Проверка
• Метод агрегации для всех показателей — Максимум

В узле Проверка с помощью функции IF проверяется равно ли значение суммы, полученной ранее, максимальному лагу.

В узле Исключение лишних отсекаются поля, которые не потребуются для дальнейших вычислений.

Из полученных данных видно, что автокорреляция наблюдается на малых лагах, значит, ряд обладает трендом, и каждое новое значение зависит от предыдущего.

В подмодели Проверка сезонности проверяется ранее выдвинутая гипотеза о наличии сезонности.

С помощью обработчика Сортировка данные структурируются по возрастанию лага.

В узле Группировка заданы следующие параметры:

• Группа — Артикул
• Показатели — Объем продаж: АКФ, Объем продаж: ЧАКФ, Лаг, Объем продаж: Значимость
• Метод агрегации для всех показателей — Первый

В узле Выявление сезонности используется функция IF для проверки сезонности по АФК и ЧАФК.

В узле Исключение лишних отсекаются поля, которые использовались в прошлых вычислениях.

Хотя частичная автокорреляция(ЧАКФ) менее чувствительна к сезонности, регулярное появление высоких положительных или отрицательных коэффициентов на фиксированных интервалах тоже может свидетельствовать о её наличии.

Если автокорреляционные коэффициенты демонстрируют регулярные повторяющиеся максимумы и минимумы на определенных интервалах (лагах), это указывает на возможное наличие сезонности. В данном примере временные ряды показывают положительные автокорреляции каждые 12 месяцев, значит присутствует годовое колебание.