Системний підхід до прогнозування на основі моделей часових рядів
Розглянуто побудову функцій прогнозування для стаціонарних процесів авторегресії та авторегресії з ковзним середнім, процесів з детермінованими та стохастичними трендами, гетероскедастичних та коінтегрованих процесів. Наведено функції прогнозування, які отримані без розв'язку рівнянь та на осно...
Збережено в:
| Опубліковано в: : | Системні дослідження та інформаційні технології |
|---|---|
| Дата: | 2003 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
2003
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/50316 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Системний підхід до прогнозування на основі моделей часових рядів / П.І. Бідюк // Систем. дослідж. та інформ. технології. — 2003. — № 3. — С. 88-110. — Бібліогр.: 7 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-50316 |
|---|---|
| record_format |
dspace |
| spelling |
Бідюк, П.І. 2013-10-10T18:59:01Z 2013-10-10T18:59:01Z 2003 Системний підхід до прогнозування на основі моделей часових рядів / П.І. Бідюк // Систем. дослідж. та інформ. технології. — 2003. — № 3. — С. 88-110. — Бібліогр.: 7 назв. — укр. 1681–6048 https://nasplib.isofts.kiev.ua/handle/123456789/50316 62-50 Розглянуто побудову функцій прогнозування для стаціонарних процесів авторегресії та авторегресії з ковзним середнім, процесів з детермінованими та стохастичними трендами, гетероскедастичних та коінтегрованих процесів. Наведено функції прогнозування, які отримані без розв'язку рівнянь та на основі їх розв'язку. Для опису стохастичного тренду використано модель випадкового кроку з шумом та дрейфом, а також модель лінійного локального тренду. Розглянуто основні типи рівнянь для опису гетероскедастичних та коінтегрованих процесів. Рассмотрено построение функций прогнозирования для стационарных процессов авторегрессии и авторегрессии со скользящим средним, процессов с детерминированными и стохастическими трендами, гетероскедастических и коинтегрированных процессов. Приведены функции прогнозирования, полученные без решений и на основе решений разностных уравнений. Для описания случайного тренда использована модель случайного шага с шумом и дрейфом, а также модель линейного локального тренда. Рассмотрены основные типы уравнений для описания гетероскедастических и коинтегрированных процессов. Constructing of forecasting functions is considered for the following classes of processes: stationary autoregression and autoregression with moving average part, processes with deterministic and stochastic trends, heteroscedastic and cointegrated processes. The forecasting functions are given derived with and without the difference equation solution. To describe the stochastic trend, the random step model with noise and drift and the model of linear local trend are used. The basic types of equations are given for describing heteroscedastic and cointegrated processes. uk 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 Системний підхід до прогнозування на основі моделей часових рядів Системный подход к прогнозированию на основе моделей временных рядов System approach to forecasting using time series models Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Системний підхід до прогнозування на основі моделей часових рядів |
| spellingShingle |
Системний підхід до прогнозування на основі моделей часових рядів Бідюк, П.І. Математичні методи, моделі, проблеми і технології дослідження складних систем |
| title_short |
Системний підхід до прогнозування на основі моделей часових рядів |
| title_full |
Системний підхід до прогнозування на основі моделей часових рядів |
| title_fullStr |
Системний підхід до прогнозування на основі моделей часових рядів |
| title_full_unstemmed |
Системний підхід до прогнозування на основі моделей часових рядів |
| title_sort |
системний підхід до прогнозування на основі моделей часових рядів |
| author |
Бідюк, П.І. |
| author_facet |
Бідюк, П.І. |
| topic |
Математичні методи, моделі, проблеми і технології дослідження складних систем |
| topic_facet |
Математичні методи, моделі, проблеми і технології дослідження складних систем |
| publishDate |
2003 |
| language |
Ukrainian |
| 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 |
Системный подход к прогнозированию на основе моделей временных рядов System approach to forecasting using time series models |
| description |
Розглянуто побудову функцій прогнозування для стаціонарних процесів авторегресії та авторегресії з ковзним середнім, процесів з детермінованими та стохастичними трендами, гетероскедастичних та коінтегрованих процесів. Наведено функції прогнозування, які отримані без розв'язку рівнянь та на основі їх розв'язку. Для опису стохастичного тренду використано модель випадкового кроку з шумом та дрейфом, а також модель лінійного локального тренду. Розглянуто основні типи рівнянь для опису гетероскедастичних та коінтегрованих процесів.
Рассмотрено построение функций прогнозирования для стационарных процессов авторегрессии и авторегрессии со скользящим средним, процессов с детерминированными и стохастическими трендами, гетероскедастических и коинтегрированных процессов. Приведены функции прогнозирования, полученные без решений и на основе решений разностных уравнений. Для описания случайного тренда использована модель случайного шага с шумом и дрейфом, а также модель линейного локального тренда. Рассмотрены основные типы уравнений для описания гетероскедастических и коинтегрированных процессов.
Constructing of forecasting functions is considered for the following classes of processes: stationary autoregression and autoregression with moving average part, processes with deterministic and stochastic trends, heteroscedastic and cointegrated processes. The forecasting functions are given derived with and without the difference equation solution. To describe the stochastic trend, the random step model with noise and drift and the model of linear local trend are used. The basic types of equations are given for describing heteroscedastic and cointegrated processes.
|
| issn |
1681–6048 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/50316 |
| citation_txt |
Системний підхід до прогнозування на основі моделей часових рядів / П.І. Бідюк // Систем. дослідж. та інформ. технології. — 2003. — № 3. — С. 88-110. — Бібліогр.: 7 назв. — укр. |
| work_keys_str_mv |
AT bídûkpí sistemniipídhíddoprognozuvannânaosnovímodeleičasovihrâdív AT bídûkpí sistemnyipodhodkprognozirovaniûnaosnovemodeleivremennyhrâdov AT bídûkpí systemapproachtoforecastingusingtimeseriesmodels |
| first_indexed |
2025-12-02T05:23:35Z |
| last_indexed |
2025-12-02T05:23:35Z |
| _version_ |
1850861581951303680 |