Временные ряды



Скачать 27.29 Kb.
Дата08.11.2019
Размер27.29 Kb.
Название файлаРеферат.docx
ТипЗадача

Временные ряды

Временные ряды являются одной из самых интересных и актуальных тем для изучения и обсуждения во все периоды времени. Они описывают множество природных и финансовых явлений, например: температура воздуха, количество осадков, прибыль компании, колебания курса доллара. Изучая и анализируя временные ряды, можно предсказывать их значения в будущем. Именно эта задача стоит перед аналитиком: проанализировать временной ряд, провести его подготовку и выбрать модель для построения прогноза на несколько периодов вперед.

Прогнозирование – одна из наиболее значимых основ для эффективного развития как предприятий и отраслей, так и экономики региона или страны в целом. Вовремя полученный достоверный прогноз дает возможность избегать ситуаций, которые могут негативно повлиять на состояние экономики, или смягчить их отрицательное воздействие, поэтому очень важно выбрать модель, которая лучше всего подходит для анализируемого временного ряда.

На данный момент существует множество методов для анализа и прогнозирования временных рядов, начиная от самых простых моделей экспоненциального сглаживания, и заканчивая построением рекуррентных нейронных сетей.

Наиболее популярными моделями прогнозирования временных рядов являются модели на основе авторегрессии, которые впервые были описаны в работах Дж.Ю. Юли и Дж. Уолкера в 1920-30 гг. Затем, в 1970 году была опубликована книга «Анализ Временных Рядов» авторов Дж. Бокса и Г. Дженкинса, которая содержала описание модифицированной модели регрессии: модель авторегрессии скользящего среднего или модель Бокса-Дженкинса.

На основе модели авторегрессии скользящего среднего также были разработаны нелинейные модели: ARCH (авторегрессионная условная гетероскедастичность) и GARCH (обобщенная ARCH), которые оказались очень полезными для финансовых временных рядов. За изобретение данных моделей C. W. J Granger и R. F. Engle получили Нобелевскую премию в 2003 году.

Одной из эффективных моделей анализа и прогнозирования временных рядов является сингулярный спектральный анализ (SSA), корни которого лежат в классическом спектральном разложении (Karhunen, Loeve) и случайных полях из теоремы вложения (Mane, Takens). SSA помогает разложить временной ряд на несколько составляющих, каждая из которых имеет свою интерпретацию.

При рассмотрении возможных программных средств выделяют два основных языка программирования:



  1. R – язык программирования для статистической обработки данных. Включает в себя широкий спектр численных и статистических методов для работы с временными рядами, содержит все основные модели их анализа и прогнозирования, например: методы экспоненциального сглаживания, модели авторегрессии и авторегрессии скользящего среднего, спектральный анализ, фильтрация.

  2. Python – объектно-ориентированный язык программирования. В отличии от R используется не только для статистического анализа данных, но и для других задач (например, веб-программирование). Может включать в себя не все методы и модели, которые присутствуют в R, однако содержит множество библиотек для работы и импорта данных. В последнее время широко используется для построения нейронных сетей и моделей машинного обучения, благодаря библиотекам scikit-learn, tensorflow, keras. Так же, имеет библиотеки pandas и numpy для комфортной работы с большим количеством данных в формате .csv, excel.


Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©genew.ru 2017
обратиться к администрации

    Главная страница
Контрольная работа
Курсовая работа
Лабораторная работа
Рабочая программа
Методические указания
Практическая работа
Теоретические основы
Методические рекомендации
Пояснительная записка
Общая характеристика
Учебное пособие
Общие сведения
История развития
Практическое задание
Федеральное государственное
Теоретическая часть
Физическая культура
Теоретические аспекты
Направление подготовки
Дипломная работа
Техническое задание
Образовательная программа
государственное бюджетное
Техническое обслуживание
Методическая разработка
Общие положения
квалификационная работа
Самостоятельная работа
Выпускная квалификационная
учебная программа
Общие требования
Общая часть
Технологическая карта
Краткая характеристика
Рабочая учебная
История возникновения
Решение задач
Исследовательская работа
Организация работы
История создания
Методическое пособие
Основная часть
Метрология стандартизация
Внеклассное мероприятие
Название дисциплины
государственное автономное
Государственное регулирование
Техническая эксплуатация
Технологическая часть
Рабочая тетрадь
Информационная безопасность