, (1)
где ,
— критическое значение дроби Стьюдента. Практическая реализация коллокационных моделей опирается на построение автоковариационных функций стационарных случайных процессов [5], обычно:
, , , , (2)
где — дисперсия стационарного процесса, , — параметры моделей.
В данной работе выполнен сравнительный анализ прогнозов финансового индекса (1), полученных в рамках рандомизированных алгоритмов в работе [4] с применением ковариационных функций (2), и комбинированного прогноза, представляющего собой линейную комбинацию этих прогнозов.
Оценки средних квадратических ошибок прогнозов индекса РТС Таблица 1.
число прогнозов |
Модель (1) |
Модель (2) |
Модель (3) |
Комбинация (равные веса) |
Комбинация (оптимальные веса) |
1 |
2 |
3 |
4 |
5 |
6 |
231 |
12,459 |
4,195 |
4,245 |
5,715 |
4,176 |
Как отмечается в работах по комбинированным методам прогнозирования [1],[2], средняя квадратическая ошибка комбинированного прогноза не больше максимальной из составляющих. В пятом столбце таблицы 1 при комбинировании прогнозов использованы равные веса, в шестом — оптимальные, в смысле минимума средней квадратической ошибки.
С увеличением числа составляющих комбинированного прогноза, его точность увеличивается, это подтверждается данными таблицы 2.
Оценки средних квадратических ошибок прогнозов индекса РТС Таблица 2.
число прогнозов |
Модель (1) |
Модель (2) |
Модель (3) |
Модель (4) |
Модель (5) |
Комбинация (оптимальные веса) |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
231 |
12,459 |
4,195 |
4,245 |
4,19 |
4,26 |
4,166 |
При построении оптимального прогноза в таблице 2 добавлены прогнозы, полученные в рамках модели экономического броуновского движения (модель (4) [9], и тривиального прогнозирования (модель (5)). Результат показывает увеличение точности прогнозирования.
Литература
Сурков А.А. Объединение прогнозов — эффективный способ повышения точности прогнозирования / Материалы X Международной научно-практической конференции 5-7 июня 2014 г. «Экономическое прогнозирование: модели и методы»/под общ. ред. д-ра экон. наук, проф. В.В. Давниса: Воронеж. гос. ун-т [и др.] — Воронеж: Издательско-полиграфический центр «Научная книга», 2014.
Немец С.Ю. Комбинированные методы прогнозирования на основе ретроспективных оценок и внутренних характеристик временных рядов. Дис. на соискание ученой степени кандидата технических наук.—Липецк, 2007 г.— с.139.
Давнис В.В., Тинякова В.В. Адаптивные модели: анализ и прогноз в экономических системах. — Воронеж: Воронежский государственный университет, 2006. —308.
Бывшев В.А., Бабешко Л.О., Клапко А.,О. Прогнозирование динамических рядов финансово-экономической информации рандомизированным алгоритмом коллокации. Управление риском. — М., 2004 г. № 1., с. 35-39.
Бабешко Л.О. Коллокационные модели прогнозирования в финансовой сфере. — М.: Экзамен, 2001 г. —288 с.