Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Интеллектуальная инженерная экономика и Индустрия 5.0 (ЭКОПРОМ); Санкт-Петербург; Санкт-Петербург
Год издания: 2023
Идентификатор DOI: 10.18720/IEP/2023.4/156
Ключевые слова: autoregressive model, moving average model, stationarity, noise component, модель авторегрессии, модель скользящего среднего, стационарность, шумовая компонента
Аннотация: Алгоритм интегрированной модели регрессии - скользящего среднего (ARIMA) является наиболее распространенным методом прогнозирования финансовых временных рядов, так как он учитывает их особенности, такие как нестационарность. Программные средства, как правило, имеют встроенную функцию ARIMA, однако она не учитывает шумовой компонентПоказать полностьюы скользящего среднего. В работе предложен алгоритм модели ARIMA, учитывающий шумовую компоненту, 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 integrated regression model - moving average (ARIMA) algorithm is the most common method for forecasting financial time series, as it takes into account their features, such as non-stationarity. Software tools usually have a builtin 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: Интеллектуальная инженерная экономика и индустрия 5.0 (ЭКОПРОМ)
Номера страниц: 534-538
Место издания: Санкт-Петербург