Участник:Vovacher
Материал из MachineLearning.
(Новая: '''МФТИ, ФУПМ''' Кафедра '''«Интеллектуальные системы»''' Направление '''«Интеллектуальный анализ данных...) |
(Новая: '''МФТИ, ФУПМ''' Кафедра '''«Интеллектуальные системы»''' Направление '''«Интеллектуальный анализ данных...) |
Текущая версия
МФТИ, ФУПМ
Кафедра «Интеллектуальные системы»
Направление «Интеллектуальный анализ данных»
vladimir.chernykh@phystech.edu
Отчет о научно-исследовательской работе
Весна 2015, 6-й семестр
Прогнозирование нестационарных временных рядов при несимметричных функциях потерь
Рассматривается задача прогнозирования временных рядов при несимметричных функциях потерь. Предлагается двухэтапный алгоритм прогнозирования ARIMA+Hist. На первом этапе используется авторегрессионное интегрированное скользящее среднее ARIMA с сезонной компонентой в случае необходимости. Параметры модели подбираются согласно методологии Бокса-Дженкинса. На втором этапе проводится анализ регрессионных остатков и находится оптимальная добавка к прогнозу, полученному на первом шаге, минимизирующая математическое ожидание потерь. Для оценки ожидаемых потерь используется свертка функции потерь с гистограммой регрессионных остатков. Работа предлагаемого двухэтапного алгоритма иллюстрируется на временных рядах с различными элементами нестационарности (тренд, сезонность) и для различных симметричных и несимметричных функций потерь. Демонстрируется, что качество прогнозов двухэтапного алгоритма превосходит качество прогнозов модели ARIMA в случае несимметричных функций потерь.
Публикация
Черных В. Ю. Прогнозирование нестационарных временных рядов при несимметричных функциях потерь // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. (подана в журнал)
