Марковская модель авторегрессии с гетероскедастичными остатками

Марковская модель авторегрессии с гетероскедастичными остатками

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...

Full description

Saved in:
Bibliographic Details
Published in:Системні дослідження та інформаційні технології
Date:2008
Main Authors: Матвеев, А.А., Шадурскис, К.П.
Format: Article
Language:Russian
Published: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2008
Subjects:
Математичні методи, моделі, проблеми і технології дослідження складних систем
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/14611
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Марковская модель авторегрессии с гетероскедастичными остатками / А.А. Матвеев, К.П. Шадурскис // Систем. дослідж. та інформ. технології. — 2008. — № 2. — С. 97-109. — Бібліогр.: 10 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-14611
record_format dspace
spelling Матвеев, А.А.
Шадурскис, К.П.
2010-12-27T12:43:21Z
2010-12-27T12:43:21Z
2008
Марковская модель авторегрессии с гетероскедастичными остатками / А.А. Матвеев, К.П. Шадурскис // Систем. дослідж. та інформ. технології. — 2008. — № 2. — С. 97-109. — Бібліогр.: 10 назв. — рос.
1681–6048
https://nasplib.isofts.kiev.ua/handle/123456789/14611
519.21
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. Полученные оценки проверены экспериментально методом Монте-Карло.
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.
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.
ru
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
Системні дослідження та інформаційні технології
Математичні методи, моделі, проблеми і технології дослідження складних систем
Марковская модель авторегрессии с гетероскедастичными остатками
The Markov autoregression model with heteroskedastic remainders
Марковська модель авторегресії із гетероскедастичними остачами
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Марковская модель авторегрессии с гетероскедастичными остатками
spellingShingle Марковская модель авторегрессии с гетероскедастичными остатками
Матвеев, А.А.
Шадурскис, К.П.
Математичні методи, моделі, проблеми і технології дослідження складних систем
title_short Марковская модель авторегрессии с гетероскедастичными остатками
title_full Марковская модель авторегрессии с гетероскедастичными остатками
title_fullStr Марковская модель авторегрессии с гетероскедастичными остатками
title_full_unstemmed Марковская модель авторегрессии с гетероскедастичными остатками
title_sort марковская модель авторегрессии с гетероскедастичными остатками
author Матвеев, А.А.
Шадурскис, К.П.
author_facet Матвеев, А.А.
Шадурскис, К.П.
topic Математичні методи, моделі, проблеми і технології дослідження складних систем
topic_facet Математичні методи, моделі, проблеми і технології дослідження складних систем
publishDate 2008
language Russian
container_title Системні дослідження та інформаційні технології
publisher Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
format Article
title_alt The Markov autoregression model with heteroskedastic remainders
Марковська модель авторегресії із гетероскедастичними остачами
description 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. Полученные оценки проверены экспериментально методом Монте-Карло. 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. 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.
issn 1681–6048
url https://nasplib.isofts.kiev.ua/handle/123456789/14611
citation_txt Марковская модель авторегрессии с гетероскедастичными остатками / А.А. Матвеев, К.П. Шадурскис // Систем. дослідж. та інформ. технології. — 2008. — № 2. — С. 97-109. — Бібліогр.: 10 назв. — рос.
work_keys_str_mv AT matveevaa markovskaâmodelʹavtoregressiisgeteroskedastičnymiostatkami
AT šadurskiskp markovskaâmodelʹavtoregressiisgeteroskedastičnymiostatkami
AT matveevaa themarkovautoregressionmodelwithheteroskedasticremainders
AT šadurskiskp themarkovautoregressionmodelwithheteroskedasticremainders
AT matveevaa markovsʹkamodelʹavtoregresííízgeteroskedastičnimiostačami
AT šadurskiskp markovsʹkamodelʹavtoregresííízgeteroskedastičnimiostačami
first_indexed 2025-12-02T06:19:01Z
last_indexed 2025-12-02T06:19:01Z
_version_ 1850861767453835264

Similar Items