Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.238.99.243
    [SESS_TIME] => 1620974602
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 16bfd7df91c48f990a09eaa0eb972fa0
    [SALE_USER_ID] => 0
    [UNIQUE_KEY] => c22c733a33a2d9080f87df2bb093b83d
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2009 год, номер 1

АВТОМАТИЧЕСКАЯ ПЕРИОДИЗАЦИЯ СЛУЧАЙНЫХ ВРЕМЕННЫХ РЯДОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДА ОБЕЛЯЮЩЕГО ФИЛЬТРА

В. В. Савченко, Д. А. Пономарев
Нижегородский государственный лингвистический университет
svv@lunn.ru, dima-tenzor@yandex.ru
Ключевые слова: случайный временной ряд, модель авторегрессии, оценка прогнозирования, метод обеляющего фильтра, критерий минимума информационного рассогласования
Страницы: 56-64

Аннотация

Отталкиваясь от общей формулировки задачи о разладке, ставится и решается задача автоматической периодизации случайного временного ряда на однородные отрезки данных длиной в один кластер. На основе авторегрессионной модели и критерия минимума информационного рассогласования разработан новый алгоритм с нормировкой кластеров по дисперсии порождающего шума. Показано, что его главное преимущество по сравнению с известными аналогами состоит в высоких динамических свойствах. Приведены результаты экспериментальных исследований алгоритма в задаче анализа динамики фондовых рынков США и России. Получены оценки для допустимого (порогового) уровня разладки временного ряда в пределах одного кластера в информационной метрике Кульбака - Лейблера.