БАЙЄСІВСЬКИЙ АНАЛІЗ ДАНИХ У МОДЕЛЮВАННІ ТА ПРОГНОЗУВАННІ НЕЛІНІЙНИХ НЕСТАЦІОНАРНИХ ПРОЦЕСІВ

2020

KPI Science News, Iss 3 (2020)

Проблематика. Нелінійні нестаціонарні процеси, що виникають у різних сферах діяльності людини, пов’язані з великою кількістю невизначеностей, нечіткістю, неповнотою та неточністю даних. Для прогнозування таких процесів необхідно коректно опрацьовувати дані такого типу, тому актуальною є задача розробки і застосування нових методів, які дають можливість здійснювати належну обробку вхідних даних з метою моделювання і прогнозування досліджуваних процесів. Мета дослідження. Виконати короткий огляд методів байєсівського аналізу даних, розробити методику ідентифікації та врахування можливих невизначеностей у моделюванні й прогнозуванні, а також запропонувати комплексну імовірнісно-статистичну модель для прогнозування нелінійних нестаціонарних процесів. Методика реалізації. Комплексно застосовано: байєсівський метод обробки даних, оптимальний фільтр для попередньої обробки даних та їх підготовки до побудови моделей, лінійну та нелінійну регресійні моделі для формального опису і прогнозування умовної дисперсії та ймовірнісну модель у формі байєсівської мережі для прогнозування нелінійного нестаціонарного процесу. Результати дослідження. Запропонований метод моделювання апробовано на задачі оцінювання прогнозів фінансового процесу на фондовому ринку. Використані статистичні дані описують еволюцію цін на акції для відомої компанії. В результаті виконання обчислювальних експериментів було встановлено, що якість короткострокових прогнозів волатильності й самого нелінійного нестаціонарного процесу значно поліпшується завдяки оптимальній фільтрації даних і раціональній структурі моделі. Застосування побудованої комплексної моделі з використанням байєсівської мережі надало можливість удосконалити ймовірнісне оцінювання прогнозів при здійсненні торговельних операцій на фондовому ринку. Висновки. Оцінювання прогнозів нелінійних нестаціонарних процесів є актуальною задачею, що може розв’язуватися різними методами. Високоефективним виявився запропонований ймовірнісно-статистичний метод для оцінювання ймовірнісних прогнозів при здійсненні торговельних операцій на фондовому ринку акцій, а тому в подальшому перспективним буде розширення та удосконалення його застосування.

article

English
Ukrainian

Igor Sikorsky Kyiv Polytechnic Institute, 2020.

Байєсівський аналіз даних, Нелінійні нестаціонарні процеси, Фільтр Калмана, Мережа Байєса, Регресійна модель, Комбінування прогнозів, Technology (General), T1-995