Марковська модель авторегресії із гетероскедастичними остачами

Марковська модель авторегресії із гетероскедастичними остачами

Time series forecasting by using the theory of Markov’s chains are considered. The main task was to find the transition probabilities for Markov’s chain on the basis of observed values of the time series. It is shown that to find the transition probabilities which meet all the necessary requirements...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2017
Автори: Matveev, A. A., Shadurskis, K. P.
Формат: Стаття
Мова:rus
Опубліковано: The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017
Онлайн доступ:http://journal.iasa.kpi.ua/article/view/109763
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:System research and information technologies

Репозитарії

System research and information technologies
id journaliasakpiua-article-109763
record_format ojs
spelling journaliasakpiua-article-1097632018-04-11T11:06:21Z The Markov autoregression model with heteroskedastic remainders Марковская модель авторегрессии с гетероскедастичными остатками Марковська модель авторегресії із гетероскедастичними остачами Matveev, A. A. Shadurskis, K. P. Time series forecasting by using the theory of Markov’s chains are considered. The main task was to find the transition probabilities for Markov’s chain on the basis of observed values of the time series. It is shown that to find the transition probabilities which meet all the necessary requirements, one should use the quadratic programming on simplex. Consistent and unbiased estimations of the transition probabilities are built via the solution of the quadratic programming problem in MATLAB. Анализируются временные ряды для построения прогнозируемых значений с помощью теории цепей Маркова. Главная задача — нахождение оценок переходных вероятностей марковской цепи на основании наблюдаемых данных временного ряда. Доказывается, что нахождение таких вероятностей, отвечающих всем требованиям, сводится к задаче квадратичного программирования на симплексе. Строятся состоятельные и несмещенные оценки переходных вероятностей с использованием решения задачи квадратичного программирования в среде МАТLAB. Аналізуються часові ряди для побудови значень, які прогнозуються, за допомогою теорії ланцюгів Маркова. Головна задача — знаходження оцінок перехідних ймовірностей марковського ланцюга на основі даних часового ряду, що спостерігаються. Доводиться, що знаходження таких ймовірностей, які відповідають усім вимогам, зводиться до задачі квадратичного програмування на симплексі. Будуються обґрунтовані та незміщені оцінки перехідних ймовірностей із використанням рішення задачі квадратичного програмування у середовищі MATLAB. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017-09-08 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/109763 System research and information technologies; No. 2 (2008); 97-109 Системные исследования и информационные технологии; № 2 (2008); 97-109 Системні дослідження та інформаційні технології; № 2 (2008); 97-109 2308-8893 1681-6048 rus http://journal.iasa.kpi.ua/article/view/109763/104805 Copyright (c) 2021 System research and information technologies
institution System research and information technologies
collection OJS
language rus
format Article
author Matveev, A. A.
Shadurskis, K. P.
spellingShingle Matveev, A. A.
Shadurskis, K. P.
Марковська модель авторегресії із гетероскедастичними остачами
author_facet Matveev, A. A.
Shadurskis, K. P.
author_sort Matveev, A. A.
title Марковська модель авторегресії із гетероскедастичними остачами
title_short Марковська модель авторегресії із гетероскедастичними остачами
title_full Марковська модель авторегресії із гетероскедастичними остачами
title_fullStr Марковська модель авторегресії із гетероскедастичними остачами
title_full_unstemmed Марковська модель авторегресії із гетероскедастичними остачами
title_sort марковська модель авторегресії із гетероскедастичними остачами
title_alt The Markov autoregression model with heteroskedastic remainders
Марковская модель авторегрессии с гетероскедастичными остатками
description Time series forecasting by using the theory of Markov’s chains are considered. The main task was to find the transition probabilities for Markov’s chain on the basis of observed values of the time series. It is shown that to find the transition probabilities which meet all the necessary requirements, one should use the quadratic programming on simplex. Consistent and unbiased estimations of the transition probabilities are built via the solution of the quadratic programming problem in MATLAB.
publisher The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
publishDate 2017
url http://journal.iasa.kpi.ua/article/view/109763
work_keys_str_mv AT matveevaa themarkovautoregressionmodelwithheteroskedasticremainders
AT shadurskiskp themarkovautoregressionmodelwithheteroskedasticremainders
AT matveevaa markovskaâmodelʹavtoregressiisgeteroskedastičnymiostatkami
AT shadurskiskp markovskaâmodelʹavtoregressiisgeteroskedastičnymiostatkami
AT matveevaa markovsʹkamodelʹavtoregresííízgeteroskedastičnimiostačami
AT shadurskiskp markovsʹkamodelʹavtoregresííízgeteroskedastičnimiostačami
AT matveevaa markovautoregressionmodelwithheteroskedasticremainders
AT shadurskiskp markovautoregressionmodelwithheteroskedasticremainders
first_indexed 2024-04-08T15:05:53Z
last_indexed 2024-04-08T15:05:53Z
_version_ 1795779465328984064

Схожі ресурси