Прогнозирование временных рядов с долговременной памятью с помощью моделей класса ARFIMA

Abstract

В статье рассмотрена проблема прогнозирования временных рядов цен акций ведущих мировых компаний, которым свойственна долгосрочная память. Делается предположение о том, что игнорирование наличия подобной корреляционной структуры у временных рядов, применяя традиционные методы анализа, приводит к появлению значительно большей погрешности, чем учёт долговременной памяти при фактическом ее отсутствии. Используя разработанный ранее алгоритм прогнозирования на базе моделей класса ARFIMA, на основе нескольких временных рядов, которым свойственна хаотическая динамика, доказывается данное предположение.

The problem of the prognostication of dynamic series of stock quotation is discussed in the article. The assumption is made: taking into account the long-term memory of those dynamic series is better than using the traditional methods of the analysis (touching the error). Such assumption is also proved by using the ARFIMA model based algorithm, applying to the several dynamic series, which are characterized by the state of chaos.