- Как было выяснено ранее в качестве ориентира прогноза можно использовать обратное сглаживание ряда. А в качестве входов модели можно использовать прямые сглаживания. Подбирая коэффициенты сглаживания выхода и коэффициенты сглаживания и набор входов можно строить модель.
- На будущее поведение ряда влияет множежество факторов. Есть шанс выявить некоторые такие факторы в истории самого ряда и других рядах (поведение российского рынка довольно сильно зависит от результатов торогов в Америке). Но таких рядов очень много и влияние их на исследуемый ряд может быть очень мало.
- Для оценки предсказуемости данных можно использовать методы boxcounting.
Предложения:
Можно взять множество рядов российских и заграничных, наложить на них сглаживание и попытаться найти ряды с хорошим уровнем прогноза.
Проблемы:
При реализации данного проекта могут возникнуть некоторые трудности. Большое количество рядов не позволит использовать сложные модели прогнозирования. Необходимо выбирать между точностью прогноза и доходностью прогноза. Кроме того желательно оценивать риски.
Решения:
Для принятия решения по модели в большинстве случаев достаточно бинарного результата - продавать или покупать. Кроме того такой-же бинарный подход можно применить и к входам модели. Это должно значительно упростить их. Применяя метод boxcounting к бинарным банным можно написать упрощенный алгоритм поиска наиболее явных зависимостей и поиска наиболее значимых входов модели. Обработку бинарных данных на больших массивах информации можно реализовать на скомпилированных C модулях с применением операций бинарной обработки. По полученым входам уже можно строить реальную модель прогнозирования.
Комментариев нет:
Отправить комментарий