THE ANALYSIS OF TIME SERIES FORECASTING METHODS, MODELS AND SOFTWARE PACKAGES

А. О. Долгіх, О. Г. Байбуз

Abstract


The analysis of existing for today’s day time series forecasting methods and models and their classification is carried out. The description of both classical statistical forecasting methods and models, such as exponential smoothing models, ARIMA models, regression models, and more modern ones based on the principle of machine learning, for example, the model based on support vectors (SVM), neural networks, markov models and classification-regression trees is presented. Software packages that contain modules of time series analysis and forecasting are described. The directions of future research and possible software developments in the field of financial time series forecasting are presented.


Keywords


classification of methods and models of time series forecasting; adaptive models; ARIMA models; regression models; SVM; markov models; neural networks; decision trees

References


Чучуева, И.А. Модель прогнозирования временных рядов по выборке максимального правдоподобия: дис. канд. техн. наук / Чучуева И.А. - // Московский гос. техн. ун-т им. Н.Э. Баумана. - Москва, 2012.

Тихонов, Е.Є. Методи прогнозування в умовах ринку : навч. посібник / Е. Є. Тихонов.- // Невинномиськ, 2006. – 221с

Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. // Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p.

Лукашин Ю.П. Адаптивні методи короткострокового прогнозування часових рядів : навч. посібник // Ю.П. Лукашин. - М.: Фінанси і статистика, 2003. – 416 с.

Autoregressive conditional heteroskedasticity [Електронний ресурс]. — Режим доступу: https://en.wikipedia.org/wiki/Autoregressive_conditional_heteroskedasticity

Нейронні мережі [Електронний ресурс]. — Режим доступу: http://www.aiportal.ru/articles/neural-networks/neural-networks.html

Erhard Rank, Franz Pernkopf. Hidden Markov Models. // Lecture Notes Speech Communication 2, SS 2004, Signal Processing and Speech Communication Laboratory, Graz University of Technology.

Wei Huangab, Yoshiteru Nakamoria, Shou-Yang Wangb. Forecasting stock market movement direction with support vector machine // Computers & Operations Research 32. – 2005. –P. 2513 – 2522.

Hannes Y.Y., Webb P. Classification and regression trees: A User Manual for IdentifyingIndicators of Vulnerability to Famine and Chronic Food Insecurity // International Food Policy Research Institute. – 1999. –P. 59.

Shyi Ming Chen, Nien Yi Chung. Forecasting Enrollments of Students by Using Fuzzy Time Series and Genetic Algorithms // Information and management sciences: Volume 17, Number 3, -P. 1-17, 2006.

CRAN - Contributed Packages [Електронний ресурс].— Режим доступу: https://cran.r-project.org/web/packages/

System identification toolbox [Електронний ресурс].— Режим доступу: https://www.mathworks.com/products/sysid.html

Методы прогнозирования [Електронний ресурс].— Режим доступу: http://statsoft.ru/solutions/tasks/forecast/

Stata 7 [Електронний ресурс].— Режим доступу: http://old.exponenta.ru/soft/others/stata/stata.asp

Прогнозування та аналіз часових рядів. Лекція 1. SAS. [Електронний ресурс].— Режим доступу:https://www.sas.com/content/dam/SAS/ru_ru/doc/academic/VMK_MGU/2015/lec7/EM2015_7.pdf

Time Series Modeler. [Електронний ресурс].— Режим доступу: https://www.ibm.com/support/knowledgecenter/en/SSLVMB_22.0.0/com.ibm.spss.statistics.help/spss/trends/idh_idd_tab_vars.htm

Эффективные инструменты прогнозирования продаж: система Sales-Forecast. [Електронний ресурс].— Режим доступу: http://softline.ru/news/22529

Forecast Pro – программное обеспечение для бизнес- прогнозирования. [Електронний ресурс]. Переглянуто 9 листопада 2017. http://prospo.ru/winmat/2285-forecast-pro-

Kxen.TimeSeries. [Електронний ресурс]. — Режим доступу: https://help.sap.com/viewer/e298bfb935ae49999de48dc9c269b90b/3.2/en-US/7d2350147372101483e3e699b0e91070.html

Weka. [Електронний ресурс].— Режим доступу:https://ru.wikipedia.org/wiki/Weka

Zaitun Time Series Online Documentation. [Електронний ресурс].— Режим доступу: http://www.zaitunsoftware.com/content/zaitun-time-series-onlinedocumentation

NCSS (statistical software). [Електронний ресурс].— Режим доступу https://en.wikipedia.org/wiki/NCSS_(statistical_software)

Time Series Analysis Solution for Business. [Електронний ресурс].— Режим доступу https://www.gmdhshell.com/time-series-analysis-software

Forecasting and Smoothing. [Електронний ресурс].— Режим доступу: https://www.unistat.com/guide/time-series-analysis-forecasting-and-smoothing/

Долгіх, А.О. Огляд сучасних розробок прогнозування часових рядів з використанням прихованих марківських моделей. / А.О. Долгіх, О.Г. Байбуз. // Актуальнi проблеми автоматизацiї та iнформацiйних технологiй : зб. наук. пр. – Дніпро : Ліра, 2017. – Т. 21.


Refbacks

  • There are currently no refbacks.