Частотный анализ памяти лингвистического временного ряда Наличие долговременной памяти у временного ряда (3.1) подтверждается результатами изложенного в главе 2 фрактального анализа или, в более узком смысле, R/Sанализа [111], примененного к временному ряду (2.13). Основная числовая характеристика этого результата заключается в том, что полученные значения показателя Херста Н колеблются для ряда (3.1) в пределах от 0,7 до 0,9, т.е. в зоне черного шума [111]. Многолетний опыт, накопленный для рядов с таким значением Н свидетельствует, что в них имеют место долговременные корреляции между текущими и будущими событиями [111]. Эта характеристика является основанием для разработки метода прогнозирования на базе использования долговременной памяти. В [30] сформулировано предложение представлять наличие в лингвистическом временном ряде долговременной памяти в терминах и понятиях клеточного автомата, в частности, линейного клеточного автомата. Теория клеточных автоматов утверждает, что «если клетки располагаются линейно вдоль прямой, и каждая клетка находится в определенном состоянии, то состояние соседней слева от рассматриваемой клетки влияют на состояние этой клетки на следующем временном шаге» [80,136]. В терминах клеточного автомата значение лингвистической переменной в ЛВР (3.2) (см.табл.3.1) определяется / -конфигурациями [30] ' = £*> <3'3) т.е. конфигурациями длины I = 1,2,...,* в отрезке этого ряда >«„2/=1,л-*+1, (3-4) где через к обозначаем глубину памяти рассматриваемого ряда. Из результатов проведенного в главе 2 последовательного RIS анализа вытекает, что для представленного выше временного ряда (3.1) значение к ограничено сверху цифрой 12. Последнее означает, что для всякого / = 1,2,...,и-*+1 значение лингвистической переменной «,+( в (3.4) определяется лишь такими /конфигурациями вида (3.3), для которых /<* = 12. Алгоритм нахождения 115 |
менной памяти. Наличие долговременной памяти у временного ряда (4.1) подтверждается результатами его фрактального анализа [110] или, в более узком смысле, К/8 анализа [110], примененного к (2.10). Основная числовая характеристика этого результата заключается в том, что полученные значения показателя Херста Н колеблются для ряда (4.1) в пределах от 0,7 до 0,9. Многолетний опыт, накопленный для рядов с таким значением Н свидетельствует, что в них имеют место долговременные корреляции между текущими и будущими событиями [110]. Эта характеристика является основанием для разработки метода прогнозирования на базе использования долговременной памяти. В [80] сформулировано предложение представлять наличие в ЛВР долговременной памяти в терминах и понятиях клеточного автомата, в частности, линейного клеточного автомата. Теория клеточных автоматов утверждает, что «если клетки располагаются линейно вдоль прямой, и каждая клетка находится в определенном состоянии, то состояние соседей слева от рассматриваемой клетки влияют на состояние этой клетки на следующем временном шаге» [80,94]. В терминах клеточного автомата значение лингвистической переменной м+А+1 в ЛВР (4.2) (см.таб.4.1) определяется / конфигурациями У 1 + к п М 1+к-1+ ^ = (4*3) т.е. конфигурациями длины / = 1,2,-,к в отрезке этого ряда к1+,>и,+2V , и1+*, I = 1, п к + 1, (4-4) где через к обозначаем глубину памяти рассматриваемого ряда. Из результатов проведенного Р/8 анализа вытекает, что для представленного выше ВР (4.1) полумесячных курсов акций «Сбербанк» значение к ограничено сверху цифрой 10. Последнее означает, что для всякого *= 1,2,..., л-А ;+ 1 значение лингвистической переменной м/+* в (4.4) определяется лишь такими / конфигурациями вида (4.3), для которых /<А = 10. Алгоритм нахождения глубины памяти основывается на частотной статистике переходов в состоя |