Аннотації

СУЧАСНИЙ СТАН ІНФОРМАЦІЙНИХ СИСТЕМ ПРОГНОЗУВАННЯ ЧАСОВИХ РЯДІВ

Автор(и):
О.Ю. Берзлев
Дата публікації:

17.05.2013

Анотація (укр):

Сформульовано основні постановки задачі прогнозування часових рядів. Розглянуто переваги і недоліки, а також окреслено перспективи розвитку класичних статистичних та інтелектуальних прогнозних моделей та методів, які складають основу сучасних інформаційних систем прогнозування часових рядів.

Анотація (рус):

Сформулированы основные постановки задачи прогнозирования временных рядов. Рассмотрены преимущества и недостатки, а также очерчены перспективы развития классических статистических и интеллектуальных прогнозных моделей и методов, которые составляют основу современных информационных систем прогнозирования временных рядов.

Анотація (англ):

Basic problem statements of time series forecasting are formulated. Advantages and disadvantages are considered and, in addition, the prospects of the development of classic statistic and intellectual forecast models and methods which form the basis of current information systems of time series forecasting are delineated.

Література:

  1. Brown Robert G. Statistical forecasting for inventory control. – US: McGraw-Hill Inc., 1959. – 223 p.
  2. Holt Charles C. Forecasting trends and seasonal by exponentially weighted averages // International Journal of Forecasting. – 1957. – Vol.20, no.1.-P.5-10.
  3. Box G.E.P., Jenkins G.M., Time series analysis: forecasting and control. – San Francisco: Holden-Day, 1976. – 575 p.
  4. Vercellis Carlo. Business intelligence: data mining and optimization for decision making. – John Wiley & Sons, Ltd., Publication, 2009. – 417 p.
  5. Gardner E. Exponential Smoothing: the state of the art // Journal of Forecasting. – 1985. – Vol.4. – P. 1-38.
  6. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: Учеб. пособие. – М.: Финансы и статистика, 2003.– 416 с.
  7. Bollerslev Tim. Generalized autoregressive conditional heteroskedasticity // Journal of Econometrics. – 1986. – Vol. 31. – P. 307-327.
  8. Draper N., Smith H. Applied regression analysis. – New York: Wiley, In press,  1981. –  693 p.
  9. Тихонов Э.Е. Методы прогнозирования в условиях рынка: учеб. пособие. – Невинномысск, 2006. – 221 с.
  10. Pandit S.M., Wu, S.-M. Time series and system analysis with applications. – New York: Wiley, 1983. – 586 p.
  11. Берзлев О.Ю., Маляр М.М., Ніколенко В.В. Адаптивні комбіновані моделі прогнозування біржових показників // Вісник Черкаського держ. технолог. ун-ту. Серія: технічні науки. – 2011. – № 1. – С. 50-54.
  12. Берзлев А.Ю. Оценка эффективности прогнозирования и принятия решений на финансовом рынке // «Problems of Computer Intellectualization», V.M. Glushkov Institute of Cybernetics of NAS of Ukraine. – Kyiv-Sofia: ITHEA, 2012. – C. 249-257.
  13. Keogh E., Pazzani M. An enhanced representation of time series which allows fast and accurate classification, clustering and relevance feedback // 4th Int’l Conference on Knowledge Discovery and Data Mining. 1998 Aug 27-31. –  New York. – Р. 239-241.
  14. Singh S. Pattern Modeling in Time-Series Forecasting // Cybernetics and Systems. An International Journal. – 2000. – Vol. 31, no. 1. – P. 49-65.
  15. Chang C.L.E., Garcia-Molina H., Wiederhold G. Clustering for approximate similarity search in high-dimensional spaces // IEEE Transactions on Knowledge and Data Engineering. 2002 Jul - Aug. – Vol 14, no.4. – P. 792 -808.
  16. Стивен Б. Акелис. Технический анализ от А до Я. – М.: Диаграмма, 1999. – 315 с.
  17. Tufte E. The visual display of quantitative information/ 2nd edition.– Graphics Press, 2001. – 200 p.
  18. Peters E. E. Fractal market analysis: applying chaos theory to investment and economics. – John Wiley & Sons, Inc, 1994. – 336 p.
  19. Снитюк В.Є. Прогнозування. Моделі. Методи. Алгоритми: Навчальний посібник. К.: «Маклаут», 2008. –  364 с.