Робастность прогнозирования авторегрессионных временных рядов на основе малопараметрических моделей

• Опубліковано в: : Математичне моделювання в економіці
• Дата: 2014
• Автори: Харин, Ю.С., Сталевская, С.М.
• Формат: Стаття
• Мова: Російська
• Опубліковано: Інститут телекомунікацій і глобального інформаційного простору НАН України 2014
• Теми: Аналіз, оцінка та прогнозування в економіці
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/131746
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Робастность прогнозирования авторегрессионных временных рядов на основе малопараметрических моделей / Ю.С. Харин, С.М. Сталевская // Математичне моделювання в економіці. — 2014. — № 1. — С. 106-114. — Бібліогр.: 13 назв. — рос.

В статье предложена новая малопараметрическая модель временного ряда – авторегрессия порядка s с r частичными связями AR(s,r), построена оценка максимального правдоподобия параметров модели AR(s,r), исследованы ее свойства. Для временных рядов малой длительности наблюдения показано преимущество использования модели AR(s,r) по сравнению с классической полной моделью при прогнозировании будущих значений временного ряда. Представлены результаты компьютерных экспериментов на модельных и реальных экономико-статистических данных. У статті розроблена нова малопараметрична модель авторегресії порядку s з r частковими зв'язками AR(s,r), побудована оцінка максимальної правдоподібності параметрів моделі AR(s,r), розглянуто її властивості. Для часових рядів малої тривалості спостереження показано перевагу використання моделі AR(s,r) в порівнянні з класичною повної моделлю. Представлені результати комп'ютерних експериментів на модельних і реальних економіко-статистичних даних. This paper is devoted to new small-parametric model of time series – autoregressive model of order s with r partial connections AR(s, r), the maximum likelihood estimator is constructed for parameters of the AR(s, r)-modes, its properties are analyzed. The advantages of this model AR(s, r) for short-duration time-series are showed in comparison with classical full model AR(s) for statistical forecasting of future values. Results of computer experiments are presented for simulated and economic time series.