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...
Saved in:
| Date: | 2017 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2017
|
| Online Access: | http://journal.iasa.kpi.ua/article/view/109763 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543318465314816 |
|---|---|
| author | Matveev, A. A. Shadurskis, K. P. |
| author_facet | Matveev, A. A. Shadurskis, K. P. |
| author_sort | Matveev, A. A. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2018-04-11T11:06:21Z |
| 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. |
| first_indexed | 2025-07-17T10:23:06Z |
| format | Article |
| id | journaliasakpiua-article-109763 |
| institution | System research and information technologies |
| language | Russian |
| last_indexed | 2025-07-17T10:23:06Z |
| publishDate | 2017 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| 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 ru http://journal.iasa.kpi.ua/article/view/109763/104805 Copyright (c) 2021 System research and information technologies |
| spellingShingle | Matveev, A. A. Shadurskis, K. P. Марковська модель авторегресії із гетероскедастичними остачами |
| title | Марковська модель авторегресії із гетероскедастичними остачами |
| title_alt | The Markov autoregression model with heteroskedastic remainders Марковская модель авторегрессии с гетероскедастичными остатками |
| 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_short | Марковська модель авторегресії із гетероскедастичними остачами |
| title_sort | марковська модель авторегресії із гетероскедастичними остачами |
| 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 |