Порівняльний аналіз прогнозування часових рядів з використанням трендової та адаптивної моделі Брауна

DOI №________________

  • Дібрівний О. А. (Dibrivnyi О. А.) Державний університет телекомунікацій, Київ

Анотація

В статті розглянуто статистичні методи аналізу часових рядів. Розглянуто основні етапи алгоритму побудови трендової і тренд-сезонної моделей, який включає в себе: виділення основних структурно-утворюючих компонент часового ряду (тренду, сезонних коливань, циклічної і залишкової компоненти), методи вибору моделі для опису ряду, а також методи перевірки обраної моделі на адекватність та перевірки можливості прогнозування на основі обраної моделі. Основну увагу приділено алгоритмам короткочасного прогнозування часових рядів на основі трендової моделі та за допомогою адаптивної моделі Брауна. Для прогнозування за допомогою трендової моделі описано етапи побудови точкового та інтервального прогнозів, а також критерії вибору найкращої моделі для опису часового ряду серед чотирьох можливих варіантів: лінійної, поліноміальної, логарифмічної та експоненціальної моделей, в залежності від значення коефіцієнту детермінації. При описі адаптивної моделі Брауна розглянуто алгоритм адаптації моделі до результатів прогнозування в залежності від пріоритетності часових моментів, а також описується можливість враховувати зміну тенденцій в ряді та коливань значень, після чого наводиться сам алгоритм побудови адаптивної моделі Брауна. В заключній частині статті проводиться порівняння прогнозу курсу біткоїна до долара, виконаного на основі поліноміальної трендової моделі та прогнозу, зробленого за допомогою адаптивної моделі Брауна. На основі вищевказаного порівняння були зроблені висновки про переваги та недоліки моделей, що розглядалися в статті.

Ключові слова: часовий ряд, структурно-утворюючі компоненти, трендова модель, трендсезонна модель, прогнозування, коефіцієнт детермінації.

Список використаної літератури (ДСТУ)
1. Федосеев В. В. Экономико-математические методы и прикладные модели / В. В. Федосеев, А. Н. Гармаш, Д. М. Дайитбегов, И. В. Орлова, В. А. Половников. – Москва: ЮНИТИ, 2002: ‒ 392 с.
2. Лукашин Ю. П. Прикладные методы кратковременного прогнозирования временных серий / Ю. П. Лукашин. ‒ Москва: Финансы и Статистика, 2003. ‒ 416 с.
3. Woodward W. A. Applied Time Series Analysis, CRC Press (2012): P. 141-145Woodward I. Applied Time Series Analysis / W. A. Woodward, H. L. Gray, A. C Elliott. ‒ CRC Press: 2012. ‒ P. 141-145.
4. Shumway R. H., Stoffer (2011), Time Series Analysis and its Applications, Shumway R. H., Stoffer Springer: 2011. ‒ 576 p.
5. Кантрович Г. Г. Анализ временных рядов: лекции и методологические материалы / Г. Г. Кантрович // Экономический журнал высшей школы экономики. ‒ 2002. ‒ №1. ‒ С. 21-23.
6. Онишенко В. В. Аналіз галузі зв’язку на основі модель Фергуста-Перла / В. В. Онищенко // Економіка, менеджмент, бізнес. ‒ 2012. ‒ №1(5). ‒ С 28-32.
7. Матичин І. І. Сігмойдові криві як модель динаміки індустрії телекомунікацій / І. І. Матичин, В. В.Онищенко // Економіка, менеджмент, бізнес. ‒ 2014. ‒ №1(9). ‒ С. 28-34.
8. Трегуб І.В., Трегуб А.В. Застосування коінтегрального аналізу для вивчення взаємного впливу фінансових часових рядів // Фундаментальні дослідження. ‒ 2015. ‒ № 8(3). ‒ С. 620-623.)

Опубліковано
2018-07-16
Номер
Розділ
Статті