Проверяемый текст
Беляков, Станислав Сергеевич. Использование агрегирования в методах нелинейной динамики для анализа и прогнозирования временных рядов котировки акций (Диссертация 2005)
[стр. 111]

В настоящей главе для целей иллюстрации, валидации и верификации прогнозной модели рассматриваем аі-регированный временной ряд еженедельных показателей поступления больных в отделение пульмонологии республиканской больницы КЧР за период с 01.01.07 по 27.12.09.
Х = {х,), (3.1) где индексом г = 1,2,...,я, л = 157 перенумерованы недели каждого месяца этого периода.
С целью визуализации на рис.3.1 дано графическое представление этого Рис.
3.1 Гистограмма агрегированного временного ряда еженедельных показателей поступления больных в отделение пульмонологии республиканской больницы КЧР за период с 01.01.07 по 27.12.09.
По результатам фрактального анализа (п.2.4.) исследуемый временной ряд (3.1) обладает долговременной памятью, глубина которой оценена в терминах нечетких множеств и графически представлена гистограммой на рис.2.28.
Для отражения в клеточном автомате долговременной памяти, присущей рассматриваемому временному ряду, предлагается использовать интервальные значения прогнозируемых показателей, для чего всю область значений наблюдаемых показателей разделяем на 3 интервала: низкий уровень, средний уровень, высокий уровень.
Если каждому числовому значению элементов рассматриваемого временного
ряда поставить в соответствие один из этих 111
[стр. 120]

Первые два этапа предлагаемого метода прогнозирования были осуществлены и реализованы в главах 2 и 3.
Третий этап прогнозной модели состоит в формировании памяти клеточного автомата.
С этой целью осуществим преобразование числового временного ряда в лингвистический временной ряд.
В настоящей главе для целей иллюстрации, валидации и верификации прогнозной модели рассматриваем
агрегированный временной ряд двухнедельной котировки акций российской компании «Сбербанк» за период с 1 апреля 2002 г.
по 31 марта 2005 г.
где индексом / = 1,2,...,п, и = 78 перенумерованы полумесяцы этого периода.
С целью визуализации на рис.4.1 дано графическое представление этого ряда в виде гистограммы.
Номер наблюдения Рисунок 4.1 Гистограмма агрегированного временного ряда котировки акций российской компании «Сбербанк» за период с 2002 г.
по 2005 г.
По результатам фрактального анализа (п.2.5.3) исследуемый ВР (4.1) обладает долговременной памятью, глубина которой оценена в терминах нечетких множеств и представлена гистограммой на рис.2.29.
120

[стр.,121]

Для отражения долговременной памяти, присущей рассматриваемому ВР, предлагается использовать интервальные значения прогнозируемых показателей, для чего весь спектр наблюдаемых показателей разделяем на 3 альтернативы: низкий уровень, средний уровень, высокий уровень.
Если каждому числовому значению элементов рассматриваемого ВР
поставить в соответствие одну из этих альтернатив, то получим интервальный ВР или, в другой терминологии, лингвистический временной ряд (ЛВР).
Преобразование ВР (4.1) в ЛВР означает замену числовых элементов (й ), *= лингвистическими переменными, называемыми термами.
Совокупность этих термов принято называть терм множеством [29,33,99], которое в настоящей главе обозначаем V = {н}.
При этом принимаем, что множество V состоит из трех элементов: и =Ннизкий уровень котировки курса акций, и = Ссредний уровень, и =Ввысокий уровень котировки курса акций.
Заменяя элементы (й) ВР (2.10) соответствующими термами из I/, получаем ЛВР С/ = (м(), / = 1,2,...,п.
(4.2) В работе [52] предлагается строить ЛВР вида (4.2) путем построения трендовых коридоров для столбцов гистограммы (рис.4.1).
Такой алгоритм [101] базируется на предположении, что в пределах отдельно взятого годового периода может присутствовать проблема преемственности макроэкономических данных.
В настоящей диссертационной работе предлагается строить ЛВР на базе интервального подхода путем построения верхней и нижней огибающих ломаных для столбцов гистограммы на рис.4.1.
Предлагаемый алгоритм преобразования числового ВР в ЛВР состоит из трех этапов.
Первый этап начинается с визуализации гистограммы, представляющей ряд (4.1).
На этой гистограмме выделяем жирными точками столбики, представляющие явно высокий курс акций, и столбики, представляющие явно низкий курс (см.
рис.4.2).
Далее, соединяя соседние жирные точки пунктир

[Back]