Проверяемый текст
Беляков, Станислав Сергеевич. Использование агрегирования в методах нелинейной динамики для анализа и прогнозирования временных рядов котировки акций (Диссертация 2005)
[стр. 125]

Прогноз терма u„+, представляется в виде нечеткого лингвистического множества (НЛМ) = {(Я;//Д(С; (В; //„)}, где значение функции принадлежности // удовлетворяет равенству fi„ +/іс+/і„ =1.
Значения ди, Ис у В к вычисляются через значения частостей вида (3.6)-(3.8), получаемых для различных / -конфигураций в следующем отрезке ЛВР ....
"»■ (3-9) Сначала согласно (3.6) вычисляются частости переходов из 1конфигурации и, в состояния Н, С, В: wt(u„ ->Н), »,(«„ ->С), ил(ил в).
Далее, согласно (3.7), вычисляются эмпирические значения частостей переходов из 2конфигурации в состояния Н, С и В: w2(u„_,ur->//), «>,(«„ ->С) и w, -> в), после чего вычисляем значение частостей переходов из 3конфигурации в ип_2и„,ип в состояния Н, С и В.
Если 3-конфигурация
демонстрирует наличие памяти, например, w}(un_2u„_,u„то переходим к вычислению искомых значений /лн,цс,рв Для этого сначала вычисляем ненормированные значения /4, = »,(«„-э н)+и'2(и„_и„-> я)+0, Ас = -»С)+и, 2(ил.]«„ —>С)+1, Ав и’і(к» —* ®)+ wi(u»-iu« ~* ®)+ ® и их сумму <т, = в'» + Ас + Ав, после нормировки, которых получаем =~, дс =—, цв (У3 ст3 Если 3-конфигурация не демонстрирует наличие памяти, то рассматриваем 4-конфигурацию 2ня для которой вычисляем частости ее переходов в состояния 17, С и В.
Всякий раз к вычислению искомых значений цп,цс,цв переходим тогда, когда встретится такая /-конфигурация “„-2.1>“»-2.2.->"„, 0-Ю) которая демонстрирует' наличие памяти.
Например, получаем единичное значение частости перехода /-конфигурации (3.10) при А=/для в терм В: м2-"» -» /?) = 1.
В таком случае, как было сказано выше, сначала вычисляем ненормированные значения функции принадлежности: 125
[стр. 131]

Таблица 4.6 Статистика конфигураций и вариабельность агрегированных временных ря дов котировки акций «РАО ЕЭС», «Ростелеком» и «Сибнефть» Наименование акций Глубина памяти Возможное число конфигураций Вариабельность временного ряда, % теоретически практически РАО ЕЭС 13 2391480 560 0,02 Ростелеком 12 797160 580 0,07 Сибнефть 10 88572 468 0,52 4.3.3 Формирование прогнозных значений котировки акций российской компании «Сбербанк», верификация и валидация прогнозной модели Для конкретного ЛВР, представленного в приложении 1 осуществим прогнозирование неизвестного терма ия+] на основании известных членов этого ряда ип 1= 1,п с учетом вычисленных выше частостей вида (4.5)-(4.7), для / = 1,2,..., к , где к глубина памяти в ЛВР (4.2).
Прогноз терма ил+1 представляется в виде нечеткого терм-множества (НТМ) Яя+, = {(Н\рн),(С;рс),(В;цв)}, где значение функции принадлежности ц удовлетворяет равенству р н +р с +мв =1• Значение, р н , >Дд вычисляются через значения частостей вида (4.6)-(4.8), получаемых для различных / конфигураций в следующем отрезке ЛВР ип_м , ип_к,...,иЛ.
(4.9) Сначала согласно (4.6) вычисляются частости переходов из 1конфигурации ип в состояния Н, С, В: м>,(мя -» я ), м>,(ия -»С ), >г,(мя -> в).
Далее, согласно (4.7), вычисляются эмпирические значения частостей переходов из 2-конфигурации ип_1ип в состояния Н, С и В: м>2{ип_хип-± н ), щ (ип 1ип -* С ) и и>2(мя_,ця -* в ), после чего вычисляем значение частостей переходов из 3-конфигурации в ия_2ип_хип в состояния Н, С и В.
Если 3конфигурация
ип-1и«-\ип демонстрирует наличие памяти, например, угз(мя_2ил-,ця -> С) = 1, то переходим к вычислению искомых значений

[Back]