Development of adaptive combined models for predicting time series based on similarity identification

Abstract

Пропонуються адаптивні комбіновані моделі гібридного та селективного типів для прогнозування часових рядів на основі програмного набору з адаптивних поліноміальних моделей різних порядків. Пропонуються адаптивні комбіновані моделі прогнозування часових рядів з врахуванням результатів ідентифікації подібностей в ретроспекції цих часових рядів. Оцінена ефективність прогнозування різних комбінованих моделей залежно від рівня персистентності часових рядів. Розроблені моделі дозволяють підвищити точність у випадку середньострокового прогнозування нестаціонарних часових рядів, зокрема фінансових показників.