Статистический анализ многомерных двоичных временных рядов на основе нейросетевой модели

Харин Ю. С.; Шибалко С. А.

Статистический анализ многомерных двоичных временных рядов на основе нейросетевой модели

Харин Ю. С., Шибалко С. А.

2024

https://doi.org/10.29235/1561-8323-2024-68-4-271-281

Рассматривается задача статистического анализа N-мерных двоичных временных рядов. Предлагается подход к решению этой задачи на основе малопараметрической нейросетевой модели эргодической цепи Маркова порядка s. Построены состоятельные статистические оценки параметров модели и алгоритмы компьютерного анализа данных с использованием нейросетевой модели: алгоритм оценивания параметров и алгоритм прогнозирования. Приведены результаты компьютерных экспериментов на модельных и реальных данных.

Харин Ю. С., Шибалко С. А. Статистический анализ многомерных двоичных временных рядов на основе нейросетевой модели. Доклады Национальной академии наук Беларуси. 2024;68(4):271-281. https://doi.org/10.29235/1561-8323-2024-68-4-271-281

Цитирование

Список литературы

1. Anderson, T. W. The Statistical Analysis of Time Series / T. W. Anderson. – New York, 1971. – 704 p. https://doi.org/10.1002/9781118186428

2. Nelder, J. Generalized linear models / J. Nelder, R. Wedderburn // J. R. Stat. Soc. Ser. A. – 1972. – Vol. 135, N 3. – P. 370–384. https://doi.org/10.2307/2344614

3. Biswas, A. Discrete-valued ARMA processes / A. Biswas, P. X.-K. Song // Statist. Probab. Lett. – 2009. – Vol. 79, N 17. – P. 1884–1889. https://doi.org/10.1016/j.spl.2009.05.025

4. Cameron, A. C. Regression Analysis of Count Data / A. C. Cameron, P. K. Trivedi. – Cambridge, 2013. – 567 p. https://doi.org/10.1017/cbo9781139013567

5. Kim, C. Dynamic linear models with Markov-switching / C. Kim // J. Econometrics. – 1994. – Vol. 60, N 1–2. – P. 1–22. https://doi.org/10.1016/0304-4076(94)90036-1

6. Hamilton, J. D. Time Series Analysis / J. D. Hamilton. – Princeton, NJ, 1994. – 799 p. https://doi.org/10.1515/9780691218632

7. Statistical analysis of multivariate discrete-valued time series / K. Fokianos [et al.] // J. Multivariate Anal. – 2022. – Vol. 188. – Art. 104805. https://doi.org/10.1016/j.jmva.2021.104805

8. Харин, Ю. С. Нейросетевые модели биномиальных временных рядов в задачах анализа данных / Ю. С. Харин // Докл. Нац. акад. наук Беларуси. – 2021. – Т. 65, № 6. – С. 654–660. https://doi.org/10.29235/1561-8323-2021-65-6-654-660

9. Billingsley, P. Statistical methods in Markov chains / P. Billingsley // Ann. Math. Stat. – 1961. – Vol. 32, N 1. – P. 12–40. https://doi.org/10.1214/aoms/1177705136

10. Kharin, Yu. Robust estimation for binomial conditionally nonlinear autoregressive time series based on multivariate conditional frequencies / Yu. Kharin, V. Voloshko // J. Multivariate Anal. – 2021. – Vol. 185. – Art. 104777. https://doi.org/10.1016/j.jmva.2021.104777

11. Ширяев, А. Н. Вероятность: в 2 кн. / А. Н. Ширяев. – М., 2004.

12. Kollo, T. Advanced Multivariate Statistics and Matrices / T. Kollo, D. Rosen. – Dordrecht, 2005. – 506 p. https://doi.org/10.1007/1-4020-3419-9

13. Magnus, J. Matrix Differential Calculus with Applications in Statistics and Econometrics / J. Magnus, H. Neudecker. – New York, 2019. – 482 p.

14. Харин, Ю. С. Оптимальность и робастность в статистическом прогнозировании / Ю. С. Харин. – Минск, 2008. – 263 с.

Источник

Информация

Автор

Харин Ю. С. НИИ прикладных проблем математики и информатики БГУ
Шибалко С. А. Белорусский государственный университет

Страницы

271-281

Год издания

2024

Ключевые слова

Коллекции

Доклады Национальной академии наук Беларуси