پیش بینی فرایندهای تصادفی با استفاده از تجزیه و تحلیل طیف منحصر به فرد: جنبه های تئوری و کاربرد

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
15
نشریه :
الزویر
تعداد رفرنس ها :
26
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Linear recurrent formula Mean squared forecast error Signal dimension Window length
کلمات کلیدی :
فرمول مجدد خطی، خطای پیش بینی میانگین مربع، بعد سیگنال، طول دریچه
عنوان فارسی :

پیش بینی فرایندهای تصادفی با استفاده از تجزیه و تحلیل طیف منحصر به فرد: جنبه های تئوری و کاربرد

عنوان انگلیسی :

Forecasting stochastic processes using singular spectrum analysis: Aspects of the theory and application

ژورنال :
International Journal of Forecasting
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0169207016300085
آدرس DOI :
https://doi.org/10.1016/j.ijforecast.2016.01.003
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 14

نشریه : الزویر

تعداد رفرنس ها : 26

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Linear recurrent formula Mean squared forecast error Signal dimension Window length

کلمات کلیدی : فرمول مجدد خطی، خطای پیش بینی میانگین مربع، بعد سیگنال، طول دریچه

عنوان فارسی : پیش بینی فرایندهای تصادفی با استفاده از تجزیه و تحلیل طیف منحصر به فرد: جنبه های تئوری و کاربرد

عنوان انگلیسی : Forecasting stochastic processes using singular spectrum analysis: Aspects of the theory and application

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0169207016300085



چکیده انگلیسی
This paper presents theoretical results on the properties of forecasts obtained by using singular spectrum analysis to forecast time series that are realizations of stochastic processes. The mean squared forecast errors are derived under broad regularity conditions, and it is shown that, in practice, the forecasts obtained will converge to their population ensemble counterparts. The theoretical results are illustrated by examining the performances of singular spectrum analysis forecasts when applied to autoregressive processes and a random walk process. Simulation experiments suggest that the asymptotic properties developed are reflected in the behaviour of observed finite samples. Empirical applications using real world data sets indicate that forecasts based on singular spectrum analysis are competitive with other methods currently in vogue.

چکیده فارسی
این مقاله نتایج نظری را در مورد خواص پیش بینی های به دست آمده با استفاده از تجزیه و تحلیل طیف منحصر به فرد برای پیش بینی سری زمانی که اجرای فاکتورهای تصادفی است، ارائه می کند. میانگین اشتباه پیش بینی مربعات مربع در شرایط منظم مشتق شده است و نشان داده شده است که در عمل، پیش بینی های به دست آمده به همتایان خود گروه همگرا هم بستگی دارند. نتایج نظری با بررسی پیشنهادهای تحلیل طیف اختصاصی در هنگام استفاده از فرایندهای خودکارآمدی و یک فرایند روش تصادفی، نشان داده شده است. آزمایشات شبیه سازی نشان می دهد که خواص آسیمپتیکی توسعه یافته در رفتار نمونه های مشاهده شده منعکس شده است. برنامه های تجربی با استفاده از داده های دنیای واقعی نشان می دهد که پیش بینی های مبتنی بر تحلیل طیف منحصر به فرد رقابتی با سایر روش های در حال حاضر در ریاضی است.

موضوعات مقاله