Адаптивное кратковременное прогнозирование выбранных финансовых процессов

Предложена компьютерная система для адаптивного моделирования и прогнозирования финансово-экономических процессов, построенная с использованием принципов системного анализа. При этом учитывалась иерархическая структура процесса принятия решений при оценивании прогнозов, а также использовались методы описания неопределенностей структурного, параметрического и статистического характера. Использование взаимодополняющих методов оценивания структуры и параметров математических моделей, а также оптимального оценивания состояний динамических систем позволяет учитывать некоторые типы структурных и статистических неопределенностей. Методы вероятностного моделирования дают возможность учитывать неопределенности вероятностного типа. Рассмотрена задача краткосрочного прогнозирования цены на золото с помощью множества построенных регрессионных моделей и фильтра Калмана. Лучшие оценки прогнозов получены с помощью оптимального фильтра и авторегрессионных моделей с трендами. Построены модели для условной дисперсии, обеспечивающие приемлемые по качеству оценки прогнозов дисперсии (волатильности), которые можно использовать для построения правил принятия решений при выполнении торговых операций на бирже.

Год издания: 
2014
Номер: 
1
УДК: 
519.766.4
С. 35–41.
Литература: 

1. R.H. Shumway and D.S. Stoffer, Time Series Analysis and its Applications. New York: Springer Verlag, 2006, 588 p.
2. P.I. Bidyuk et al., Time Series Analysis. Ukraine, Kyiv: Polytechnika, NTUU KPI, 2013, 607 p. (in Ukrainian).
3. R. Harris and R. Sollis, Applied Time Series Modelling and Forecasting. West Sussex: Jоhn Wiley & Sons Ltd., 2005, 313 p.
4. M.Z. Zgurovsky and N.D. Pankratova, The System Analysis: Problems, Methodology, Applications. Ukraine, Kyiv: Naukova Dumka, 2011, 726 p. (in Ukrainian).
5. F.V. Jensen and Th. Nielsen, Bayesian Networks and Decision Graphs. New York: Spinger-Verlag, 2009, 457 p.
6. M.Z. Zgurovsky and Yu.P. Zaichenko, An Introduction to Computing Intelligence. Ukraine, Kyiv: Naukova Dumka, 2013, 406 p. (in Ukrainian).
7. A. Dobson, An Introduction to Generalized Linear Models. New York: CRC Press Company, 2013, 407 p.

Транслитерированый список литературы: 

1. R.H. Shumway and D.S. Stoffer, Time Series Analysis and its Applications. New York: Springer Verlag, 2006, 588 p.
2. P.I. Bidyuk et al., Time Series Analysis. Ukraine, Kyiv: Polytechnika, NTUU KPI, 2013, 607 p. (in Ukrainian).
3. R. Harris and R. Sollis, Applied Time Series Modelling and Forecasting. West Sussex: Jihn Wiley & Sons Ltd., 2005, 313 p.
4. M.Z. Zgurovsky and N.D. Pankratova, The System Analysis: Problems, Methodology, Applications. Ukraine, Kyiv: Naukova Dumka, 2011, 726 p. (in Ukrainian).
5. F.V. Jensen and Th. Nielsen, Bayesian Networks and Decision Graphs. New York: Spinger-Verlag, 2009, 457 p.
6. M.Z. Zgurovsky and Yu.P. Zaichenko, An Introduction to Computing Intelligence. Ukraine, Kyiv: Naukova Dumka, 2013, 406 p. (in Ukrainian).
7. A. Dobson, An Introduction to Generalized Linear Models. New York: CRC Press Company, 2013, 407 p.

Полнотекстовый документSize
2014-1-5.pdf217.44 KB