Аннотації
01.11.2013
Запропоновано методику передпрогнозного фрактального аналізу часових рядів, яка базується на послідовному R/S-аналізі. На основі цієї методики можна визначати рівень персистентності, розраховувати середню величину неперіодичного циклу часових рядів, а також встановлювати інвестиційну якість (дохідність) активів, які представляються фінансовими часовими рядами. В рамках цієї методики запропоновано критерій визначення середньої довжини періодичного і неперіодичного циклів, на основі згладжування V-статистики за допомогою звичайних плинних середніх та адаптивної плинної Кауфмана.
Предложена методика предпрогнозного фрактального анализа временных рядов, основанная на последовательном R/S-анализе. На основе этой методики можно определять уровень персистентности, рассчитывать среднюю длину непериодического цикла временных рядов, а также определять инвестиционное качество (доходность) активов, которые задаются финансовыми временными рядами. В рамках этой методики предложен критерий определения средней длины периодического и непериодического циклов на основе сглаживания V-статистики с помощью обычных скользящих средних и адаптивной средней Кауфмана.
The method of pre-forecasting fractal time series analysis, based on the sequential R/S- analysis is offered. Based on this technique it is possible to determine to the level of persistence, to calculate the average length of non- time series periodic cycle, and to establish investment quality (yield) of assets which are represented by financial time series. Under this method the criterion for the average length of periodic and non-periodic cycles determining, based on smoothing the V- statistics using simple moving average and Kaufman adaptive moving average is proposed.
1. Mandelbrot B. Statistical Methodology for Non-Periodic Cycles: From the Covariance to R/S Analysis// Annals of Economic and Social Measurement. – 1972. – N 1. – P. 259-290.
2. Mandelbrot B.B., Hudson R. L. The (mis)behavior of markets: a fractal view of risk, ruin and reward. – New York, N.Y.: Basic Books, 2004. – 328 p.
3. Peters E. E. Fractal market analysis: applying chaos theory to investment and economics. – John Wiley & Sons, Inc, 1994. – 336 p.
4. Федер Е. Фракталы: пер. с англ./ Е. Федер.– М.: Мир, 1991. – 254 с.
5. Максишко Н.К. Анализ и прогнозирование эволюции экономических систем/ Н.К. Максишко, В.А. Перепелица, Запорожский нац. ун-тет. – Запорожье: Полиграф, 2006. –236 с.
6. Кириченко Л.О. Оценивание самоподобия стохастического временного ряда методом вейвлет-анализа/ Л. О. Кириченко, Ж. В. Дейнеко // Радіоелектр. і комп. системи. – 2009. – № 4 (38). – С. 99–105.
7. Даниленко В.А. Альтернативні методики проведення фрактального аналізу / В.А. Даниленко // Економіка промисловості. — 2010. — № 2. — С. 8-12.
8. Parzen E. Long memory of statistical time series modeling // Texas A&M University, NBER/NSF Time Series Confrence, 2004. – 10 p.
9. Hurst, H.E. Long-Term Storage Capacity of Reservoirs // Transactions of the American Society of Civil Engineers. – 116. – 1951. – P. 770-799.
10. Mandelbrot B.B. When сan price be arbitraged efficiently? A limit to the validity of the random walk and martingale // Models Review of Economics and Statistics. – 53, 3. – 1971. – P. 225-236.
11. Снитюк В.Є. Прогнозування. Моделі. Методи. Алгоритми: Навч. пос. К.: «Маклаут», 2008. – 364 с.
12. Anis A., Lloyd E. The expected value of the adjusted rescaled Hurst Range of independent normal summands// Biometrika. – 1976. – Vol. 63. – P. 111-116.