Аннотації

МЕТОДИ ІДЕНТИФІКАЦІЇ ТЕНДЕНЦІЙ ФІНАНСОВИХ ЧАСОВИХ РЯДІВ НА ОСНОВІ ТРЕНДОВИХ МОДЕЛЕЙ ПРОГНОЗУВАННЯ

Автор(и):
Кучанський О.Ю., Ніколенко В.В., Раченко А.В.
Автор(и) (англ)
Kuchansky Alexander , Nikolenko Volodymyr, Rachenko Alina
Дата публікації:

09.10.2015

Анотація (укр):

У процесі управління складними системами та прийняття рішень в економіці і фінансах часто виникає задача прогнозування дискретних часових рядів, а також ідентифікації моментів зміни їх тенденцій. Складність прогнозування та ідентифікації моментів зміни тенденцій фінансових часових рядів пов’язана з тим, що такі часові ряди можуть бути близькими до випадкових, наприклад, ряди курсових пар. В дослідженні формалізовано метод, який дозволяє ідентифікувати моменти зміни тенденцій, тобто точки локального максимуму та мінімуму з різними потужностями правих і лівих плечей на основі комплексу з наївних та трендових моделей прогнозування: плинні, ірраціональні, дробові, різницеві. Побудований метод може бути використано для формування стратегій прийняття рішень на біржі.

Анотація (рус):

При управлении сложными системами и принятии решений в экономике и финансах часто возникает задача прогнозирования дискретных временных рядов, а также идентификации моментов изменения их тенденций. Сложность прогнозирования и идентификации моментов изменения тенденций финансовых временных рядов связана с тем, что такие временные ряды могут быть близки к случайным, например, ряды курсовых пар. В исследовании формализован метод, который позволяет идентифицировать моменты изменения тенденций, то есть точки локального максимума и минимума с разными мощностями правых и левых плечей на основе комплекса наивных и трендовых моделей прогнозирования: скользящие, иррациональные, дробовые, разностные. Построенный метод может быть использован при формировании стратегий принятия решений на бирже.

Анотація (англ):

Often there is a problem of discrete time series prediction and identifying trends in the management of complex systems and decision-making in economics and finance. The complexity of forecasting and identification of changes in trends points of financial time series due to the fact that such time series may be close to random, for example, ranks exchange pairs. In a study formalized method which allows to identify the moments of changing trends, that is a point of local maxima and minima with different capacities of right and left arms on the basis of a set of naive and trend forecasting models: moving, irrational, shotgun, difference. Construction method can be used in the formation of policy decisions on the exchange.

Література:

 

  1. Ниссон С. За гранью японских свечей [Текст]: Учеб. пособие / С. Ниссон – М.: Диаграмма,2001. – 304 с.
  2. Єріна А.М. Статистичне моделювання та прогнозування [Текст]: Навчальний посібник / А. Єріна. – К.:КНЕУ, 2001. – 170 с.
  3. Azoff, M. E. Neural Network Time Series Forecasting of Financial Markets [Text] / M. E. Azoff. – John Wiley and Sons, 1994. – 212 p.
  4. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов [Текст]: Учеб. пособие / Ю.П. Лукашин. – М.: Финансы и статистика, 2003. –  416 с.
  5. Box G. E. P. Time series analysis: forecasting and control [Text] / G. E. P. Box, G. M. Jenkins. – San Francisco: Holden-Day, 1976. – 575 p.
  6. Brown Robert G. Statistical forecasting for inventory control [Text] / R.G. Brown. – US: McGraw-Hill Inc., 1959. – 223 p.
  7. Holt Charles C. Forecasting trends and seasonal by exponentially weighted averages [Text] / C. Holt // International Journal of Forecasting. – 1957. – Vol.20, no.1. – P. 5-10.
  8. Снитюк В.Є. Прогнозування. Моделі. Методи. Алгоритми [Текст]: Навчальний посібник / В. Снитюк. – К.: «Маклаут», 2008. –  364 с.
  9. Матвійчук А.В. Моделювання економічних процесів із застосуванням методів нечіткої логіки [Текст] / А.В. Матвійчук. – К.: КНЕУ, 2007. – 264 с.
  10. Vercellis, C. Business intelligence: data mining and optimization for decision making [Text] / С. Vercellis. – Cornwall: John Wiley & Sons Ltd. Publication, 2009. – 417 p. 
  11. Кучанський О.Ю. Прогнозування часових рядів методом зівставлення зі зразком [Текст] / О.Ю. Кучанський, В.В. Ніколенко // Управління розвитком складних систем. – Київ, 2015. – Вип. 22. – С. 101-106.
  12. Берзлев О.Ю. Методи ідентифікації моментів зміни тенденцій часового ряду для вироблення стратегій прийняття рішень на фінансовому ринку [Текст] / О.Ю. Берзлев // Системы обработки информации. – Харків, 2013. – Вип. 9(116). – С. 194-199.
  13. Берзлев О.Ю. Методика передпрогнозного фрактального аналізу часових рядів [Текст] / О.Ю. Берзлев // Управління розвитком складних систем. – Київ, 2013. – Вип. 16. – С. 76-81.
  14. Hurst H.E. Long-term storage capacity of reservoirs [Текст] / Н. Hurst // Transactions of the American Society of Civil Engineers. –  1951. – Vol. 116. – P. 770–799.
  15. Берзлев О.Ю. Метод прогнозування знаків приростів часових рядів [Текст] / О.Ю. Берзлев // Eastern-European Journal of Enterprise Technologies. – Харків, 2013. – Вип. 2/4, ном. 62. – С. 8-11.
  16. Singh S. Pattern Modeling in Time-Series Forecasting [Text] / S. Singh // Cybernetics and Systems. An International Journal. – 2000. – Vol. 31, no. 1. – P. 49–65.

References:

 

  1. Nison, S. (2001). Beyond candlesticks. Moscow: Diagram, 304.
  2. Yerina, A.(2001). Statistical modeling and forecasting. Kyiv: Kyiv National Economic University, 170.
  3. Azoff, M. E. (1994). Neural Network Time Series Forecasting of Financial Markets. John Wiley & Sons, Ltd., Publication, 212.
  4. Lukashin, Yu. P. (2003). Adaptive methods of near-term time series forecasting. Moscow: Finanсe and Statistics, 416.
  5. Box, G. E. P., Jenkins, G. M. (1976). Time series analysis: forecasting and control. San Francisco: Holden-Day, 575.
  6. Brown, R. G. (1959). Statistical forecasting for inventory control. US: McGraw-Hill Inc., 223.
  7. Holt, C. C. (1957). Forecasting trends and seasonal by exponentially weighted averages. International. Journal of Forecasting, 20 (1), 5–10.
  8. Snytyuk, V. E. (2008). Forecasting. Models. Methods. Algorithms. Kyiv: Maklaut, 364.
  9. Matviychuk, A. V. (2007). Economic processes modeling using fuzzy logic methods. Kyiv: KNEU, 264.
  10. Vercellis, C. (2009). Business intelligence: data mining and optimization for decision making. Cornwall: John Wiley & Sons, 417. doi: 10.1002/9780470753866
  11. Kuchansky, A., Nikolenko, V. (2015). Pattern matching method for time-series forecasting. Management of Development of Complex Systems, 22, 101–106.
  12. Berzlev, A. (2013). Method of identification of the time series moments of trends variation for decision strategies on the financial market. Information processing systems, 9 (116), 194–199.
  13. Berzlev, A. (2013). Methods of pre-forecasting fractal time series analysis. Management of development of difficult systems, 16, 76 – 81.
  14. Berzlev, A. (2013). A method of increments sings forecasting of time series. Eastern-European Journal of Enterprise Technologies, 2 (4 (62)), 8–11. Available at: http://journals.uran.ua/eejet/article/view/12362/10250
  15. Hurst, H. E. (1951). Long-term storage capacity of reservoirs. Transactions of the American Society of Civil Engineers, 116, 770–799.
  16. Singh, S. (2000). Pattern modeling in time-series forecasting. Cybernetics and Systems. An International Journal, 31 (1), 49–65. doi: 10.1080/019697200124919