Выбор порядка регрессионной модели при прогнозировании случайных нестационарных экономических процессов

Autor: Stepan Kubiv
Jazyk: angličtina
Rok vydání: 2019
Předmět:
Heteroscedasticity
Mathematical optimization
Computer science
lcsh:Business
stochastic system
discrete time series
Moving average
Bayesian information criterion
lcsh:Technology (General)
Autoregressive integrated moving average
Padé approximation
heteroskedasticity
autoregressive model
regression model
model order
production system
гетероскедастичність
дискретні часові ряди
модель авторегресії
стохастична система
апроксимація Паде
регресійна модель
порядок моделі
виробнича система
UDC 519.688+517.9
Stochastic process
Random function
гетероскедастичность
дискретные временные ряды
модель авторегрессии
стохастическая система
аппроксимация Паде
регрессионная модель
порядок модели
Autoregressive model
УДК 519.688+517.9
lcsh:T1-995
Akaike information criterion
lcsh:HF5001-6182
Zdroj: Tehnologìčnij Audit ta Rezervi Virobnictva, Vol 5, Iss 4(49), Pp 46-49 (2019)
Technology audit and production reserves; Том 5, № 4(49) (2019): Economics of enterprises. Macroeconomics; 46-49
Technology audit and production reserves; Том 5, № 4(49) (2019): Економіка підприємств. Макроекономіка; 46-49
Technology audit and production reserves; Том 5, № 4(49) (2019): Экономика предприятий. Макроэкономика; 46-49
ISSN: 2312-8372
2226-3780
Popis: The object of research is heteroskedastic processes that affect the production of military goods of exporting countries. Today, armed conflicts are the most significant factor affecting the volume of production and export of weapons, since it assumes that the parties have the necessary quantity of weapons and is, in a sense, a stochastic process. The work is devoted to forecasting stochastic effects on the production processes of military goods of exporting countries. As an example, an economic system with stochastic effects and bottleneck problems in production units is considered. The model of the output process is presented as a random process with slow non-stationarity (heteroscedastic process). The methods for predicting non-stationary random processes are used. The problem of choosing and substantiating a mathematical model for predicting a heteroskedastic process is investigated, and considered. It is proved that the most capable short-term forecasting method is the Padé approximation method. It is shown that the Padé method, in fact, is a method of approximation by analytical (finely rational) functions, therefore it can be interpreted as a method of constructing a model of autoregression and moving average (ARIMA). Modifications of the ARIMA model, such as a model of autoregression and integrated moving average or autoregression and fractal integrated moving average, are considered. A modified method is developed for choosing the order of the autoregressive model according to the Akaike information criterion and beyond the Bayesian information criterion. The model problems and examples of experimental dependencies are analyzed. An effective technique is proposed for choosing the order of regression models used in the practical forecasting of stochastic processes, based on the canonical layouts of a random function. To partition the distribution function into non-equidistant intervals with constant flow intensities, an economic recurrence algorithm is used. The calculation results can be used to optimally select the order of the regression model, which approximates the real production process in the form of a time series with random external influences.
Объектом исследования являются гетероскедастические процессы, которые влияют на производство товаров военного назначения стран-экспортеров. На сегодняшний день вооруженные конфликты являются наиболее значимым фактором, влияющим на объемы производства и экспорта вооружения, поскольку предполагает наличие у сторон необходимого количества вооружения и есть в некотором смысле стохастическим процессом. Работа посвящена прогнозированию стохастических воздействий на производственные процессы товаров военного назначения стран-экспортеров. В качестве примера рассмотрено экономическую систему со стохастическими воздействиями и проблемами узких мест в производственных подразделениях. Модель процесса выхода продукции представлено в виде случайного процессу с медленной нестационарностью (гетероскедастического процесса). В ходе исследования использовались методы прогнозирования нестационарных случайных процессов. Исследована задача выбора и обоснования математической модели прогноза рассматриваемого гетероскедастического процесса. Доказано, что наиболее способным методом краткосрочного прогноза является метод приближения Паде. Показано, что метод Паде, по сути, является методом аппроксимации аналитическими (мелко-рациональными) функциями, поэтому его можно интерпретировать как метод построения модели авторегрессии и скользящего среднего (АРСС). Рассмотрены модификации модели АРСС, такие как модель авторегрессии и интегрированного скользящего среднего или авторегрессии и фрактального интегрированного скользящего среднего. Разработан модифицированный метод выбора порядка авторегрессионной модели по информационному критерию Акаике и по байесовскому информационному критерию. Проанализированы модельная задача и примеры экспериментальных зависимостей. Предложено эффективную методику выбора порядка регрессионных моделей, применяемых при практическом прогнозировании стохастических процессов, которая основана на канонических раскладах случайной функции. Для разбиения функции распределения на неэквидистантные интервалы с постоянными интенсивностями потока используется экономический рекуррентный алгоритм. Результаты расчетов могут быть использованы для оптимального выбора порядка регрессионной модели, которой аппроксимируется реальный процесс производства в виде временного ряда со случайными внешними воздействиями.
Об’єктом дослідження є гетероскедастичні процеси, які впливають на виробництво товарів військового призначення країн-експортерів. На сьогоднішній день збройні конфлікти є найбільш значущим фактором, який впливає на обсяги виробництва та експорту озброєння, оскільки передбачає наявність у сторін необхідної кількості озброєння та є в певному сенсі стохастичним процесом. Робота присвячена прогнозуванню стохастичних впливів на виробничі процеси товарів військового призначення країн-експортерів. В якості прикладу розглянуто економічну систему зі стохастичними впливами та проблемами вузьких місць у виробничих підрозділах. Модель процесу виходу продукції представлено у виді випадкового процесу з повільною нестаціонарністю (гетероскедастичного процесу). В ході дослідження використовувалися методи прогнозування нестаціонарних випадкових процесів. Досліджено задачу вибору та обґрунтування математичної моделі прогнозу гетероскедастичного процесу, що розглядається. Доведено, що найбільш спроможним методом короткострокового прогнозу є метод наближення Паде. Показано, що метод Паде, по суті, є методом апроксимації аналітичними (дрібно-раціональними) функціями, тому його можна інтерпретувати як метод побудови моделі авторегресії та ковзного середнього (АРКС). Розглянуті модифікації моделі АРКС, такі як модель авторегресії та інтегрованого ковзного середнього або авторегресії та фрактального інтегрованого ковзного середнього. Розроблено модифікований метод вибору порядку авторегресійної моделі за інформаційним критерієм Акаіке та за байєсівським інформаційним критерієм. Проаналізовано модельну задачу та приклади експериментальних залежностей. Запропоновано ефективну методику вибору порядку регресійних моделей, що застосовуються при практичному прогнозуванні стохастичних процесів, яка заснована на канонічних розкладах випадкової функції. Для розбиття функції розподілу на нееквідистантні інтервали з постійними інтенсивностями потоку використовується економічний рекурентний алгоритм. Результати розрахунків можуть бути використані для оптимального вибору порядку регресійної моделі, якою апроксимується реальний процес виробництва у вигляді часового ряду з випадковими зовнішніми впливами.
Databáze: OpenAIRE
Externí odkaz: