Моделювання і прогнозування гетероскедастичних процесів

• Опубліковано в: : Системні дослідження та інформаційні технології
• Дата: 2004
• Автор: Бідюк, П.І.
• Формат: Стаття
• Мова: Українська
• Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2004
• Теми: Математичні методи, моделі, проблеми і технології дослідження складних систем
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/50334
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Моделювання і прогнозування гетероскедастичних процесів / П.І. Бідюк // Систем. дослідж. та інформ. технології. — 2004. — № 1. — С. 115-134. — Бібліогр.: 9 назв. — укр.

Розглядається методика побудови математичних моделей гетероскедастичних процесів і її застосування до опису динаміки часових рядів. Запропоновано спрощений тест на гетероскедастичність та алгоритм врахування імпульсних складових ряду, які суттєво перевищують його середнє значення. Побудовано функції прогнозу дисперсії як міри ризику на основі розв’язку рівнянь. Наведено приклади прогнозування реальних рядів. Рассматривается методика построения математических моделей гетероскедастических процессов и ее применение к описанию динамики временных рядов. Предложен упрощенный тест на гетероскедастичность и алгоритм учета импульсных составляющих ряда, которые существенно превышают его среднее значение. Построены функции прогнозирования дисперсии как меры риска на основе решений уравнений. Приведены примеры прогнозирования реальных процессов. A methodology of constructing mathematical models for heteroscedastic processes and its application in describing dynamics of time series are considered. A simplified test for heteroscedasticity is proposed and algorithm for model improvement thanks to taking into consideration the spikes substantially greater than the mean value of a series. The variance forecasting functions are constructed as a measure of risk on the basis of the equations solutions. Some examples of forecasting real time series are given.