|
Электронная библиотека
-
Александр Батуро, Наталья Еременко. Финансовые временные ряды: кусочное прогнозирование и проблема обнаружения предвестников существующего изменения закономерности.
Предложен подход к решению проблемы обнаружения предвестников существенных изменений закономерности во временном ряде и кусочному прогнозированию временных рядов.
Источник: Банковские технологии. - 2001. - №12. - с.70-77
-
Метод экстраполяции на основе кривых роста.
Обзор трендовых моделей экономической динамики, на основании которых можно сделать прогноз о развитии изучаемого процесса на предстоящий промежуток времени.
Источник: М.Федосеев. Экономико-математические методы и прикладне модели. -М.:ЮНИТИ, 1999.-391с. -с.187-228.
-
Подход к оценке стабильности остатков на счетах «Лоро» коммерческого банка. Самойлов Евгений Владимирович.
В статье предложена методика для оценки стабильности остатков денежных средств на клиентских счетах "до востребования".
Источник: http://www.mirkin.ru/_docs/articles05-009.pdf
-
Прогнозирование остатка денежных средств на текущих счетах клиентов. Самойлов Евгений Владимирович
В статье для решения задачи прогнозирования поведения остатков на счетах до востребования предлагается использовать подход, предусматривающий статистическую обработку ряда в зависимости от выявленных закономерностей динамики счетов до востребования. Этот подход позволяет на основе исторических сведений о динамике временного ряда получать прогнозную величину условно постоянного остатка на определенный период в будущем при заданном доверительном интервале.
Источник: http://www.hedging.ru/publications/569
-
Повышение качества и скорости обучения нейронных сетей в задаче прогнозирования поведения временных рядов. Олешко Д.Н., Крисилов В.А., Одесский национальный политехнический университет.
В данной работе предложен ряд способов, позволяющих существенно сократить время обучения искусственных многослойных нейронных сетей с обратным распространением ошибки (Back Propagation). Описана система прогнозирования временных рядов FORECAST, использующая для построения прогнозов нейронную сеть и указанные подходы, рассмотрено решение задачи прогнозирования экономических показателей.
Источник: http://neuralnets.ru/cgi-bin/zametki/zametki.cgi?stat=4
-
Дмитрий Пауков. Прогнозирование с помощью искусственных нейронных сетей.
Работа посвящена изучению искусственных нейронных сетей, их применению при решении задач в различных сферах человеческой деятельности, в частности - прогнозировании временных рядов.
Источник: http://paukoff.fromru.com/neuro/wneuro/index.html
-
J. Scott Armstrong. The forecasting canon: nine generalizations to improve forecast accuracy. (англ.)
В статье рассмотрены принципы, позволяющие улучшить точность прогноза.
Источник: http://www-marketing.wharton.upenn.edu/forecast/
paperpdf/The_Forecasting_Canon.pdf
-
Дж. Скотт Армстронг. Принцип прогнозирования: 9 правил, способствующих улучшению точности прогноза (перевод с англ.)
В статье рассмотрены принципы, позволяющие улучшить точность прогноза.
Источник:
http://www-marketing.wharton.upenn.edu/forecast/
paperpdf/The_Forecasting_Canon.pdf
-
Метод "Гусеница": базовый алгоритм.
Описывается базовый алгоритм анализа одномерных временных рядов, реализуемый методом "Гусеница" и его этапы. Проводится обоснование выбора параметров при применении метода: выбор длины гусеницы, отбор главных компонент.
Источник: http://www.gistatgroup.com/gus/book1/index.html
-
Методы прогнозирования
Приведен обзор нетодов прогнозирования, в частности рассмотрены методы прогнозирования, основанные на сглаживании, экспоненциальном сглаживании и скользящем среднем, регрессионные методы прогнозирования, декомпозиция временных рядов, методы Бокса-Дженкинса (ARIMA).
Источник: http://www.neuroproject.ru/forecasting_tutorial.php
|
|
