Системний підхід до моделювання та прогнозування на основі регресійних моделей і фільтра Калмана

• Дата: 2017
• Автори: Шубенкова, І.А., Петрова, С.К., Бідюк, П.І.
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2017
• Назва видання: Системні дослідження та інформаційні технології
• Теми: Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи
• Онлайн доступ: http://dspace.nbuv.gov.ua/handle/123456789/151161
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Системний підхід до моделювання та прогнозування на основі регресійних моделей і фільтра Калмана / І.А. Шубенкова, С.К. Петрова, П.І. Бідюк // Системні дослідження та інформаційні технології. — 2017. — № 2. — С. 52-61. — Бібліогр.: 5 назв. — укр.

Запропоновано концепцію адаптивного моделювання фінансово-економічних процесів, яка ґрунтується на одночасному використанні регресійних моделей і оптимального фільтра Калмана для зменшення впливу випадкових збурень та похибок вимірювань статистичних даних. Створено програмне забезпечення, необхідне для виконання обчислювальних експериментів. Для вибраних фінансово-економічних процесів побудовано кілька регресійних моделей, додатково перетворених у простір станів. Випробування розробленої системи прогнозування на різних вибірках фінансових та економічних даних показало, що можна досягти прийнятних значень середньої абсолютної похибки близько 5–8 % для короткострокових прогнозів. Залежно від конкретної постановки задачі використано динамічні і статичні оцінки прогнозів для отримання потрібних точних оцінок. Застосування фільтра Калмана для попереднього оброблення даних (зменшення впливу випадкових збурень та шумів вимірів) і короткострокового прогнозування дає змогу додатково зменшити кількість похибок оцінок прогнозів на 1,5–2,0 %. У подальших дослідженнях передбачається створити спеціалізовану систему підтримання прийняття рішень для розв’язання задач прогнозування на основі ймовірнісно-статистичних методів.