2 < /, < 5, 2 < i2 < 5 , 2 < /3 < 5 , 2 < /4 £ 5 , *i ^ h * h фU В свою очередь, ослаблением условия (3) является требование выполнения какого-либо одного из входящих в (4) неравенств. Анализ перечисленных особенностей позволяет сделать вывод о целесообразности использования в комплексной системе управления рисками инвестиционных проектов аналитической системы идентификации рыночной ситуации, теоретической основой которой является метод скользящей линейной регрессии. Поэтому прежде чем приступить к описанию непосредственно процедуры, дадим необходимые пояснения. Для произвольной функции C(t), представленной своими выборками С(/,), взятыми в дискретные равноотстоящие друг от друга моменты времени tl9 i = 0, 1,2, ..., линейной регрессией называется линейная функция LR(t) = а + b*t, удовлетворяющая по отношению к функции C(t) критерию наименьших квадратов [43]. Для построения линейной регрессии используется п подряд идущих выборок функции C(t). Параметр п называют длиной регрессии или размером «окна»; временной интервал, состоящий из используемых при вычислениях моментов времени, называют «окном»; полученную в результате вычислений линейную функцию LRn(t) называют линейной регрессией длины л, LRn(t) =an+bn*t, в которой коэффициенты ап и Ьп определяются по формулам: ъ __Ап *Вп п * С п . А" ~ n* D" (5) в . вп -К * А п п где л—I =^ 9 1=0 в „ = § с (о , /=0 106 |
2 < z, < 5, 2 < i2 < 5 , 2 < z3 < 5, 2 < z 4 < 5 , Z i 7 z'j i В свою очередь, ослаблением условия (3) является требование выполнения какого-либо одного из входящих в (4) неравенств. Анализ перечисленных особенностей позволяет сделать вывод о целесообразности использования в комплексной системе управления рисками инвестиционных проектов аналитической системы идентификации рыночной ситуации, теоретической основой которой является метод скользящей линейной регрессии. Поэтому прежде чем приступить к описанию непосредственно процедуры, дадим необходимые пояснения. Для произвольной функции C(t), представленной своими выборками С(г(.), взятыми в дискретные равноотстоящие друг от друга моменты времени г, , / = 0, 1 ,2, ..., линейной регрессией называется линейная функция LR(t) а + b*t, удовлетворяющая по отношению к функции C(t) критерию наименьших квадратов [43]. Для построения линейной регрессии используется п подряд идущих выборок функции C(t). Параметр п называют длиной регрессии или размером «окна»; временной интервал, состоящий из используемых при вычислениях моментов времени, называют «окном»; полученную в результате вычислений линейную функцию LRn(t) называют линейной регрессией длины л, LR„(t) = an+bn*t, в которой коэффициенты ап и Ьп определяются по формулам Ап*В„-п*Сп В..-Ь*А. (5) ап = п где л-1 т = S'.. /=0 г. =Ес(/,), /=0 98 |