350 руб
Журнал «Информационно-измерительные и управляющие системы» №6 за 2023 г.
Статья в номере:
Марковские цепи в задаче прогноза значений временного ряда
Тип статьи: научная статья
DOI: https://doi.org/10.18127/j20700814-202306-06
УДК: 519.213:51-77
Авторы:

С.Я. Криволапов1

1 Финансовый университет при Правительстве Российской Федерации (Москва, Россия)

1 skrivolapov@fa.ru

Аннотация:

Постановка проблемы. В настоящее время накоплен достаточно большой объем информации о результатах котировок акций российских компаний. Данную информацию можно использовать для получения прогноза котировок ценных бумаг при решении различных задач.

Цель. Используя методы теории марковских цепей и возможности языка программирования Python, получить прогноз времени, через которое логарифмическая доходность акций достигнет некоторого заданного состояния.

Результаты. Написана программа, позволяющая по заданной выборке значений временного ряда найти оценку среднего времени достижения заданного значения ряда.

Практическая значимость. Предложенный алгоритм можно использовать для решения практических задач прогноза временных рядов.

Страницы: 48-54
Для цитирования

Криволапов С.Я. Марковские цепи в задачах прогноза значений временного ряда // Информационно-измерительные и управляющие системы. 2023. Т. 21. № 6. С. 48−54. DOI: https://doi.org/10.18127/j20700814-202306-06

Список источников
  1. Ельченков Р.А., Дунаев М.Е., Зайцев К.С. Прогнозирование временных рядов при обработке потоковых данных в реальном времени // International Journal of Open Information Technologies. 2022. 1. С. 63−69.
  2. Лобач С.В., Жук Е.Е. Прогнозирование временных рядов марковского типа на основе вейвлет-анализа // Материалы Междунар. научной конф. «Информационные технологии и системы 2014» (ИТС 2014). Минск: БГУИР. 2014. С. 282−283.
  3. Лобач С.В., Жук Е.Е. Об одном способе прогнозирования временных рядов с пропусками // Экономика, моделирование, прогнозирование. 2016. 10. С. 218−223.
  4. Маккини Уэс. Python и анализ данных. М.: ДМК Пресс. 2020. 482 с.
  5. Криволапов С.Я., Хрипунова М.Б. Математика на Python. М.: КНОРУС. 2021. 456 с.
  6. Чжун Кай-Лай. Однородные цепи Маркова. М.: Мир. 1964. 427 с.
  7. Ширяев А.Н. Вероятность−2. М.: МЦНМО. 2011. 968 c.
  8. Коралов Л.Б., Синай Я.Г. Теория вероятностей и случайные процессы. М.: МЦНМО. 2013. 408 с.
  9. Выдрин А.С., Михалев А.В. Стохастические матрицы и анализ защищенности автоматизированных систем // Фундаментальная и прикладная математика. 2007. Т. 13. № 1. С. 61−99.
  10. Криволапов С.Я. Марковские цепи и язык Python в задачах достижения заданного состояния системы // Мягкие измерения и вычисления. 2022. Т. 61. № 12. С. 19−31.
Дата поступления: 11.08.2023
Одобрена после рецензирования: 25.08.2023
Принята к публикации: 02.10.2023