Какая модель лучше для прогнозирования временных рядов?

Аватар пользователя chuchueva

Модели прогнозирования

Существует множество моделей прогнозирования, среди которых имеются две модели, пользующиеся наибольшей популярностью среди математиков, занимающихся данной задачей – нейронные сети (ANN) и авторегрессионная модель проинтегрированного скользящего среднего (ARIMAX). Если вы только начинаете прогнозировать, то лучше всего выбирать одну из указанных моделей потому, что:

  • они полнее описаны в литературе
  • вы найдете множество примеров из реализации
  • уже созданы готовые функции, классы и методы в различных языках программирования, что значительно облегчит задачу программной реализации

По опыту многих исследователей авторегрессионные модели и нейронные сети суть лучшие модели прогнозирования временных рядов, этим и обуславливается их популярность.

Выбор модели прогнозирования

Которую из двух предложенных моделей прогнозирования выбрать? На этот вопрос вам позволит ответить краткий обзор решаемой задачи. Оглянитесь вокруг себя, открыв google.com, и найдите несколько статей о том, как ANN или ARIMAX применялись для решения вашей задачи прогнозирования. Как правило, в таких статьях вы найдете краткие упоминания о том, отчего для той или иной задачи выбранная модель является более подходящей. Кроме того, подобный краткий обзор даст вам представление о том, как можно использовать модели, какие у них есть особенности, достоинства и недостатки. Рекомендация простая - читайте англоязычные статьи, они написаны проще, понятнее и чаще грамотнее. В целом о достоинствах и недостатках моделей прогнозирования я подробно писала в диссертации о прогнозировании временных рядов.

Создание модели прогнозирования

Выбрав модель, вы начинаете решать поставленную задачу. Конечно, за несколько часов довольно сложно добиться ощутимого результата, который можно так или иначе оценить. Для того, чтобы получить первые поддающиеся оценке результаты прогнозирования, потребуются дни и недели упорного труда. Все же реализовать ANN или ARIMAX для поставленной задачи, вычислить достаточное количество прогнозных значений для оценки точности сложнее, чем квадратное уравнение решить.

Точность прогнозирования

После реализации модели прогнозирования и оценки ее точности, обратите, пожалуйста, свое внимание на то, что модель суть инструмент в ваших руках. А самое главное, помните, что качество прогнозов зависит не только от модели, но и от множества факторов, которые я подробно уже рассматривала.

Удачи вам в создании моделей прогнозирования!

Для добавления комментариев войдите или зарегистрируйтесь
1602

2010 - 2018 © Математическое бюро

Все права защищены в соответствии с законодательством РФ

При полном или частичном использовании материалов ссылка на сайт обязательна