Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Статистика - главный информационный ресурс современного общества; Пермь; Пермь
Год издания: 2024
Ключевые слова: Интегрированная модель авторегрессии - скользящего среднего, стационарные временные ряды, шумовая компонента, метрика ошибки, Integrated autoregressive model - moving average, stationary time series, noise component, error metric
Аннотация: В работе рассматривается модель интегрированной авторегрессии -скользящего среднего(ARIMA) для прогнозирования биржевых временных рядов. Программные средства, как правило, имеют встроенную функцию ARIMA, однако она не учитывает шумовой компоненты скользящего среднего. В работе предложен алгоритм модели ARIMA, учитывающий шумовую коПоказать полностьюмпоненту, а также алгоритм рекуррентного прогноза по данной модели. Результаты прогноза по разработанной модели сравнены с результатами прогноза по модели ARIMA, встроенной в программный модуль Python Statmodels. The paper considers an integrated autoregressive moving average (ARIMA) model for forecasting stock exchange time series. Software tools usually have a built-in ARIMA function, but it does not take into account the noise component of the moving average. The paper proposes an algorithm for the ARIMA model that takes into account the noise component, as well as a recurrent forecast algorithm for this model. The forecast results for the developed model are compared with the forecast results for the ARIMA model built into the Python Statmodels software module.
Журнал: Статистика - главный информационный ресурс современного общества
Номера страниц: 40-48
Место издания: Пермь