Я занимаюсь прогнозированием временных рядов более 5 лет. В прошлом году я защитил диссертацию на тему « Модель прогнозирования временных рядов с использованием выборки максимального сходства «Однако после защиты осталось еще немало вопросов.
Вот один из них - общая классификация методов и моделей прогнозирования .
Обычно как в отечественных, так и в англоязычных работах авторы не задаются вопросом о классификации методов и моделей прогнозирования, а просто перечисляют их.
Но мне кажется, что сегодня эта область настолько разрослась и расширилась, что, пусть даже и самая общая, классификация необходима.
Ниже представлена моя собственная версия общей классификации.
В чем разница между методом прогнозирования и моделью прогнозирования?
Метод прогнозирования представляет собой последовательность действий, которые необходимо выполнить для получения модели прогнозирования.По аналогии с кулинарией, метод – это последовательность действий, согласно которой готовится блюдо – то есть делается прогноз.
Модель прогнозирования существует функциональное представление, адекватно описывающее изучаемый процесс и являющееся основой для получения его будущих значений.
По той же кулинарной аналогии, в модели есть список ингредиентов и их соотношение, необходимых для нашего блюда – прогноз.
Комбинация метода и модели образует законченный рецепт! В настоящее время для названий как моделей, так и методов принято использовать английские аббревиатуры.
Например, существует известная модель прогнозирования авторегрессионного интегрированного скользящего среднего с учетом внешнего фактора (авторегрессия интегрированного скользящего среднего расширенного, ARIMAX).
Эту модель и соответствующий ей метод обычно называют ARIMAX, а иногда моделью (методом) Бокса-Дженкинса по имени авторов.
Сначала классифицируем методы
Если присмотреться, то быстро становится ясно, что концепция « метод прогнозирования «гораздо шире, чем понятие» модель прогнозирования В связи с этим на первом этапе классификации методы обычно делят на две группы: интуитивные и формализованные [1].
Если вспомнить нашу кулинарную аналогию, то все рецепты можно разделить на формализованные, то есть записанные по количеству ингредиентов и способу приготовления, и интуитивные, то есть нигде не записанные и полученные из опыта повара.
Когда мы не используем рецепт? Когда блюдо очень простое: пожарить картошку или сварить пельмени, рецепт не нужен.
Когда еще мы не используем рецепт? Когда мы хотим изобрести что-то новое! Интуитивные методы прогнозирования иметь дело с суждениями и оценками экспертов.
Сегодня их часто используют в маркетинге, экономике и политике, поскольку система, поведение которой необходимо прогнозировать, либо очень сложна и не может быть описана математически, либо очень проста и не нуждается в таком описании.
Подробности о таких методах можно найти в [2].
Формализованные методы — описанные в литературе методы прогнозирования, в результате которых строятся модели прогнозирования, то есть определяется математическая зависимость, позволяющая рассчитать будущую ценность процесса, то есть сделать прогноз.
На мой взгляд, на этой общей классификации методов прогнозирования можно завершить.
Далее мы сделаем общую классификацию моделей.
Здесь необходимо перейти к классификации моделей прогнозирования.
На первом этапе модели следует разделить на две группы: модели предметной области и модели временных рядов.
Доменные модели - такие математические модели прогнозирования, для построения которых используются законы предметной области.
Например, модель, используемая для прогнозов погоды, содержит уравнения гидродинамики и термодинамики.
Прогноз развития населения производится с использованием модели, построенной на основе дифференциального уравнения.
Прогноз уровня сахара в крови человека, больного сахарным диабетом, делается на основе системы дифференциальных уравнений.
Короче говоря, такие модели используют зависимости, специфичные для конкретной предметной области.
Для данного типа модели характерен индивидуальный подход к разработке.
Модели временных рядов — модели математического прогнозирования, стремящиеся найти зависимость будущего значения от прошлого внутри самого процесса и на основе этой зависимости рассчитать прогноз.
Эти модели универсальны для различных предметных областей, то есть их общий вид не меняется в зависимости от характера временного ряда.
Мы можем использовать нейронные сети для прогнозирования температуры воздуха, а затем использовать аналогичную модель нейронных сетей для прогнозирования фондовых индексов.
Это обобщенные модели, как кипяток, в который, если бросить продукт, он сварится, независимо от его природы.
Классификация моделей временных рядов
Мне кажется, невозможно создать общую классификацию моделей предметных областей: сколько предметных областей, столько и моделей! Однако модели временных рядов легко поддаются простому разделению [3].Модели временных рядов можно разделить на две группы: статистические и структурные.
В статистические модели зависимость будущей стоимости от прошлой задается в виде некоторого уравнения.
К ним относятся:
- регрессионные модели (линейная регрессия, нелинейная регрессия);
- авторегрессионные модели (ARIMAX, GARCH, ARDLM);
- модель экспоненциального сглаживания;
- модель выборки максимального сходства;
- и т. д.
К ним относятся:
- нейросетевые модели;
- модели на основе цепей Маркова;
- модели, основанные на деревьях классификации и регрессии;
- и т. д.
Однако сегодня уже существует огромное количество моделей прогнозирования временных рядов, и для составления прогнозов начали использоваться, например, модели SVM (машина опорных векторов), модели GA (генетический алгоритм) и многие другие.
Основная классификация
Таким образом мы получили следующее классификация моделей и методов прогнозирования .
Ссылки.
- Тихонов?.
Е.
Прогнозирование в рыночных условиях.
Невинномысск, 2006. 221 с.
- Армстронг Дж.
С.
Прогнозирование для маркетинга // Количественные методы в маркетинге.
Лондон: International Thompson Business Press, 1999. стр.
92–119.
- Цзинфэй Ян, магистр наук.
Краткосрочное прогнозирование нагрузки энергосистем: Дисс.
Германия, Дармштадт, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 с.
УПД.Теги: #прогнозирование временных рядов #математика15.11.2016. Господа, дело дошло до безумия! Недавно мне прислали на рецензию статью для издания ВАК со ссылкой на эту запись.
Обратите внимание, что ни в дипломах, ни в статьях, ни тем более в диссертациях Вы не можете дать ссылку на блог ! Если вам нужна ссылка, используйте эту: Чучуева И.
А.
МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ МЕТОДОМ ВЫБОРКИ МАКСИМАЛЬНОГО ПОДХОДА: диссертация.
канд. те.
наук / Московский государственный технический университет им.
Н.
?.
Бауман.
Москва, 2012.
-
Рассмотрение Индивидуальной Веб-Разработки
19 Oct, 24 -
Молитва Богу Инвестиций В Москве
19 Oct, 24 -
Видео Посадки Spacex Falcon В 360°
19 Oct, 24 -
Блокировки, Реестры, Монетизация
19 Oct, 24 -
В Китае Появится Свой Wikileaks
19 Oct, 24 -
Bookbase – Родилась Бета-Версия
19 Oct, 24
