Методы прогнозирования на основе анализа временных рядов
Аннотация
В работе рассматриваются различные методы прогнозирования оптовой цены энергоресурсов. Предпринята попытка подбора оптимальных моделей, показывающих минимальную среднюю ошибку прогнозирования. На основе авторегрессионных моделей, опирающихся на выборку максимального подобия, и модели тенденции, основанной на методах технического анализа, построен прогноз на достаточно длительный период. Полученные результаты помогут лицам, принимающим решения, избежать неоправданных рисков и корректно принять решение. Также показана универсальность применения моделей к различным по длине временным рядам.
Об авторах
Н. П. Сидорова
Государственное бюджетное образовательное учреждение высшего образования Московской области «Технологический университет»
Россия
Россия
Д. С. Демина
Государственное бюджетное образовательное учреждение высшего образования Московской области «Технологический университет»
Россия
Россия
Список литературы
1. Gheyas I.A., Smith L.S. A Neural Network Approach to Time Series Forecasting // Proceedings of the World Congress on Engineering, London, 2009. Vol. 2. [Электронный ресурс]. Pежим доступа: htpp://iaeng.org/publication/WCE2009/WCE2009_pp1292-1296.pdf.
2. Singh S. Pattern Modelling in Time-Series Forecasting // Cybernetics and Systems-AnInternational Journal. 2000. Vol. 31. No. 1. P. 49-65.
3. Афанасьева Т.В. Решение задач интеллектуального анализа временных рядов в рамках структурно-лингвистического подхода // Анализ процессов управления. 2010. № 2. С.54-58.
4. Кирилова Т.Н. Многофакторное прогнозирование потребления электроэнергии в промышленном и бытовом секторах / Т. Н. Кирилова [и др.] // Энергорынок. 2009. № 11. С. 40-43.
5. Лефевр Э. Воспоминание биржевого спекулянта // Русич. 2010. С. 12.
6. Мэрфи Дж. Дж. Технический анализ фьючерсных рынков. Теория и практика // Альпина Паблишер // Москва. 2011. С.616.
7. Пастухова Ю.И., Демина Д.С., Левчук М.В. Моделирование колебаний динамики курса рубля в условиях высокой экономической нестабильности. // Обозрение прикладной и промышленной математики. Т. 21. Вып. 4. 2014. С.112.
8. Постановление Правительства Российской Федерации от 27.12.2010 № 1172. 2010. С.40.
9. Тихонов Э.Е. Прогнозирование в условиях рынка // Невинномысск. 2006. С.221.
10. Чучуева И.А. Модель прогнозирования временных рядов по выборке максимального подобия: дис. … канд. техн. наук // М.: Изд-во МГТУ им. Баумана. 2012. С. 41-43.
Для цитирования:
Сидорова Н.П., Демина Д.С. Методы прогнозирования на основе анализа временных рядов. Информационно-технологический вестник. 2017;13(3):118-126. https://doi.org/10.21499/2409-1650-2017-3-118-126
For citation:
Sidorova N.Р., Demina D.S. Comparison of results of forecasting of time series based on autoregression analysis and model trends. Informacionno-technologicheskij vestnik. 2017;13(3):118-126. (In Russ.) https://doi.org/10.21499/2409-1650-2017-3-118-126
Просмотров: 92
Послать статью по эл. почте 