Розглянуто статистичні методи аналізу часових рядів. Розглянуто основні етапи алгоритму побудови трендової і тренд-сезонної моделей, який включає в себе: виділення основних структурно-утворюючих компонент часового ряду (тренду, сезонних коливань, циклічної і залишкової компоненти), методи вибору моделі для опису ряду, а також методи перевірки обраної моделі на адекватність та перевірки можливості прогнозування на основі обраної моделі. Основну увагу приділено алгоритмам короткочасного прогнозування часових рядів на основі трендової моделі та за допомогою адаптивної моделі Брауна. Для прогнозування за допомогою трендової моделі описано етапи побудови точкового та інтервального прогнозів, а також критерії вибору найкращої моделі для опису часового ряду серед чотирьох можливих варіантів: лінійної, поліноміальної, логарифмічної та експоненціальної моделей, в залежності від значення коефіцієнту детермінації. При описі адаптивної моделі Брауна розглянуто алгоритм адаптації моделі до результатів прогнозування в залежності від пріоритетності часових моментів, а також описується можливість враховувати зміну тенденцій в ряді та коливань значень, після чого наводиться сам алгоритм побудови адаптивної моделі Брауна. В заключній частині статті проведено порівняння прогнозу курсу біткоїна до долара, виконаного на основі поліноміальної трендової моделі та прогнозу, зробленого за допомогою адаптивної моделі Брауна. На основі вищевказаного порівняння були зроблені висновки про переваги та недоліки моделей, що розглядалися в статті.

  Повний текст PDF - 883.915 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"