Сравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозирования



Сравнительная оценка классических и нейросетевых методов прогнозирования
  Глава 1     Глава 2   

 

 

Сравнительная оценка прогнозов проведена для исследуемых

временных рядов динамики курсов акций для последних 200 значений, так как именно эта часть выборок считается тестовой для всех исследуемых моделей прогнозирования. Исследование проведено для моделей экспоненциальной средней по следующей схеме.

Адаптивная полиномиальная модель первого порядка (р = 1).

Экспоненциальные средние 1-го и 2-го порядков определяются как

Сравнительная оценка классических и нейросетевых методов прогнозирования

где β = 1-α.

Отсюда начальные условия

Сравнительная оценка классических и нейросетевых методов прогнозирования

Оценка модельного значения ряда с периодом упреждения τ

Равна

Сравнительная оценка классических и нейросетевых методов прогнозирования

Адаптивная полиномиальная модель второго порядка (р=2). Экспоненциальные средние 1-го, 2-го и 3-го порядков

Сравнительная оценка классических и нейросетевых методов прогнозирования

Начальные условия определим как

Сравнительная оценка классических и нейросетевых методов прогнозирования
Сравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозированияСравнительная оценка классических и нейросетевых методов прогнозирования

Сравнительная оценка классических и нейросетевых методов прогнозирования
Сравнительная оценка классических и нейросетевых методов прогнозирования