Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів
The paper proposes a new method for forecasting the variability for strong volatile heteroscedastic time series. An autoregressive model of an infinite order is considered as a model of time series. Parameters of the model are found as a solution of a Toeplitz system that uses correlation coefficien...
Збережено в:
| Дата: | 2015 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2015
|
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/54473 |
| 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-54473 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-544732016-07-21T13:43:12Z The smoothed autocorrelation function method for predicting the variation of heteroscedastic time series Метод сглаженой автокорреляционной функции для прогнозирования вариации гетероскедастических временных рядов Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів Zrazhevska, N. G. The paper proposes a new method for forecasting the variability for strong volatile heteroscedastic time series. An autoregressive model of an infinite order is considered as a model of time series. Parameters of the model are found as a solution of a Toeplitz system that uses correlation coefficients. The model of the autocorrelation function at every forecasting step is constructed by solving an optimization problem that takes into account the condition of strong dependence. The method has been tested on artificially generated and real time series. The autoregressive model parameters found with the method of maximum likelihood were used to compare the results of a selected autoregressive model. The results show a substantially high effectiveness of the proposed method in predicting of strong volatile heteroscedastic time series. Предложен новый метод для построения прогноза вариации сильноволотильных гетероскедастических временных рядов. В качестве модели временного ряда рассмотрена модель авторегрессии бесконечного порядка. Параметры модели найдены как решение системы уравнений Тёплица, в которой используются модельные коэффициенты автокорреляции. По предложенному методу модель автокорреляционной функции на каждом шаге прогнозирования построена путем решения оптимизационной задачи, учитывающей условие сильной зависимости. Метод проверен на искусственно сгенерированном и реальном временных рядах. Для сравнения результатов прогнозирования выбрана модель авторегрессии, параметры которой найдены методом максимального правдоподобия. Результаты свидетельствуют о дос-таточно высокой эффективности предложенного метода для прогнозирования сильновола-тильных гетероскедастических временных рядов. Запропоновано новий метод для побудови прогнозу варіації сильноволатильних гетероскедастичних часових рядів. За модель часового ряду взято авторегресію нескінченного порядку. Параметри моделі знайдено як розв’язок системи рівнянь Тьопліца, у якій використовуються модельні коефіцієнти автокореляції, за запропонованим методом. Модель автокореляційної функції на кожному кроці прогнозування побудовано шляхом розв’язання оптимізаційної задачі, що враховує умову сильної залежності. Метод протестовано на штучно згенерованому та реальному часових рядах. Для порівняння результатів прогнозування обрано модель авторегресії, параметри якої знайдено за методом максимальної правдоподібності. Результати свідчать про достатньо високу ефективність запропонованого методу під час прогнозування сильноволатильних гетероскедастичних часових рядів. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2015-09-30 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/54473 System research and information technologies; No. 3 (2015); 97-108 Системные исследования и информационные технологии; № 3 (2015); 97-108 Системні дослідження та інформаційні технології; № 3 (2015); 97-108 2308-8893 1681-6048 uk http://journal.iasa.kpi.ua/article/view/54473/50539 Copyright (c) 2021 System research and information technologies |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
Ukrainian |
| format |
Article |
| author |
Zrazhevska, N. G. |
| spellingShingle |
Zrazhevska, N. G. Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| author_facet |
Zrazhevska, N. G. |
| author_sort |
Zrazhevska, N. G. |
| title |
Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_short |
Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_full |
Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_fullStr |
Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_full_unstemmed |
Метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_sort |
метод згладженої автокореляційної функції для прогнозування варіації гетероскедастичних часових рядів |
| title_alt |
The smoothed autocorrelation function method for predicting the variation of heteroscedastic time series Метод сглаженой автокорреляционной функции для прогнозирования вариации гетероскедастических временных рядов |
| description |
The paper proposes a new method for forecasting the variability for strong volatile heteroscedastic time series. An autoregressive model of an infinite order is considered as a model of time series. Parameters of the model are found as a solution of a Toeplitz system that uses correlation coefficients. The model of the autocorrelation function at every forecasting step is constructed by solving an optimization problem that takes into account the condition of strong dependence. The method has been tested on artificially generated and real time series. The autoregressive model parameters found with the method of maximum likelihood were used to compare the results of a selected autoregressive model. The results show a substantially high effectiveness of the proposed method in predicting of strong volatile heteroscedastic time series. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2015 |
| url |
http://journal.iasa.kpi.ua/article/view/54473 |
| work_keys_str_mv |
AT zrazhevskang thesmoothedautocorrelationfunctionmethodforpredictingthevariationofheteroscedastictimeseries AT zrazhevskang metodsglaženojavtokorrelâcionnojfunkciidlâprognozirovaniâvariaciigeteroskedastičeskihvremennyhrâdov AT zrazhevskang metodzgladženoíavtokorelâcíjnoífunkcíídlâprognozuvannâvaríacíígeteroskedastičnihčasovihrâdív AT zrazhevskang smoothedautocorrelationfunctionmethodforpredictingthevariationofheteroscedastictimeseries |
| first_indexed |
2024-04-08T15:04:26Z |
| last_indexed |
2024-04-08T15:04:26Z |
| _version_ |
1795779373916225536 |