sibsutisВестник СибГУТИThe Herald of the Siberian State University of Telecommunications and Information Science1998-6920СибГУТИsibsutis-446Research ArticleСтатьиПрогнозирование временны́х рядов на основе универсальной меры и деревьев принятия решенийPrediction of time series based on a universal measure and decision treesЛысякА. С.LysiakA. S.accemt@gmail.comРябкоБ. Я.RyabkoB. J.boris@ryabko.netСибГУТИ; НГУRussian FederationСибГУТИRussian Federation201426102022025771Copyright © Лысяк А.С., Рябко Б.Я., 20222022Лысяк А.С., Рябко Б.Я.Lysiak A.S., Ryabko B.J.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsutis.ru/jour/article/view/446

В данной работе предложены и развиты два метода прогнозирования временных рядов базирующихся на методах сжатия информации. Показано теоретическое обоснование описываемых методов, а также способы применения данных методов прогнозирования к случаю прогнозирования вещественных рядов. Кроме того, приведены результаты экспериментальных исследований двух рассматриваемых методов на примерах прогнозирования реальных экономических рядов, таких как индексы промышленных и потребительских цен и курсов валют, а также проведено исследование эффективности данных методов и способы выбора эффективных параметров работы данных методов.

In this paper, we propose and develop two methods for time series forecasting based on the methods of data compression. Theoretical justification of the methods described is presented, as well as the ways of using the prediction methods to the real series forecasting. In addition, the results of experimental studies of two methods are considered illustrated by real economic series forecasting such as indexes of industrial and consumer prices and exchange rates. The effectiveness of these techniques and methods for selecting effective parameters of these methods are also investigated.

прогнозированиевременные рядыдеревья принятия решенийрешающие деревьяR-методID3forecastingtime seriesR-methoddecision treesID3ReferencesAhmed N. An empirical comparison of machine learning models for time series forecasting // Econometric Reviews. 2010,Vol. 29, Issue 5-6. P. 594-621.Ahmed N. An empirical comparison of machine learning models for time series forecasting // Econometric Reviews. 2010,Vol. 29, Issue 5-6. P. 594-621.Palit A. K., Popovic D. Computational Intelligence in Time Series Forecasting: Theory and Engineering Applications (Advances in Industrial Control). Springer-Verlag New York: Secaucus, NJ, USA, 2005.Palit A. K., Popovic D. Computational Intelligence in Time Series Forecasting: Theory and Engineering Applications (Advances in Industrial Control). Springer-Verlag New York: Secaucus, NJ, USA, 2005.Zhang G., Patuwo B. E., Michael Y. H. Forecasting with articial neural networks:: The state of the art // International Journal of Forecasting. 1998. Vol. 14, Issue 1. P. 35--62.Zhang G., Patuwo B. E., Michael Y. H. Forecasting with articial neural networks:: The state of the art // International Journal of Forecasting. 1998. Vol. 14, Issue 1. P. 35--62.Приставка П.А. Экспериментальное исследование метода прогнозирования, основанного на универсальных кодах // Вестник СибГУТИ, 2010. №4, C. 26--35.Приставка П.А. Экспериментальное исследование метода прогнозирования, основанного на универсальных кодах // Вестник СибГУТИ, 2010. №4, C. 26--35.Cheng H. et al. Multistep-ahead time series prediction // Lecture Notes in Computer Science. 2006. V. 3918. P. 765--774.Cheng H. et al. Multistep-ahead time series prediction // Lecture Notes in Computer Science. 2006. V. 3918. P. 765--774.Bontempi G. Local Learning Techniques for Modeling, Prediction and Control. Ph.d., IRIDIA-Universit de Libre de Bruxelles, BELGIUM, 1999.Bontempi G. Local Learning Techniques for Modeling, Prediction and Control. Ph.d., IRIDIA-Universit de Libre de Bruxelles, BELGIUM, 1999.B. Ryabko. Compression-Based Methods for Nonparametric Prediction and Estimation of Some Characteristics of Time Series. // IEEE Transactions on Information Theory, Vol. 55, No. 9, 2009.P. 4309--4315.B. Ryabko. Compression-Based Methods for Nonparametric Prediction and Estimation of Some Characteristics of Time Series. // IEEE Transactions on Information Theory, Vol. 55, No. 9, 2009.P. 4309--4315.Рябко Б. Я. Дважды универсальное кодирование // Проблемы передачи информации. 1984. Т. 20, № 3. С. 24--28Рябко Б. Я. Дважды универсальное кодирование // Проблемы передачи информации. 1984. Т. 20, № 3. С. 24--28Рябко Б., Монарёв В. Экспериментальное исследование методов прогнозирования, основанных на алгоритмах сжатия данных // Проблемы передачи информации. 2005. C. 65--69.Рябко Б., Монарёв В. Экспериментальное исследование методов прогнозирования, основанных на алгоритмах сжатия данных // Проблемы передачи информации. 2005. C. 65--69.Nevill-Manning C.G., Witten I.H., Paynter G.W. Lexically-GeneratedSubjectHierarchiesforBrowsingLargeCollections // International Journalof Digital Libraries. 1999. Vol. 2, Issue 3. P. 111--123.Nevill-Manning C.G., Witten I.H., Paynter G.W. Lexically-GeneratedSubjectHierarchiesforBrowsingLargeCollections // International Journalof Digital Libraries. 1999. Vol. 2, Issue 3. P. 111--123.Nevill-Manning C.G., Witten I.H.Identifying Hierarchical Structure in Sequences: A linear-time algorithm // Journal of Artificial Intelligence Research. 1997. Vol. 7. P. 67--82.Nevill-Manning C.G., Witten I.H.Identifying Hierarchical Structure in Sequences: A linear-time algorithm // Journal of Artificial Intelligence Research. 1997. Vol. 7. P. 67--82.Poskitt D.S., Tremayne A.R. The selection and use of linear and bilinear time series models // International Journal of Forecasting. 1986. Vol. 2, Issue 1. P. 101--114Poskitt D.S., Tremayne A.R. The selection and use of linear and bilinear time series models // International Journal of Forecasting. 1986. Vol. 2, Issue 1. P. 101--114Tong H. Non-linear Time Series: A Dynamical System Approach. Oxford University Press, 1990.Tong H. Non-linear Time Series: A Dynamical System Approach. Oxford University Press, 1990.Tong H. Threshold models in Nonlinear Time Series Analysis. Springer Verlag, Berlin, 1983.Tong H. Threshold models in Nonlinear Time Series Analysis. Springer Verlag, Berlin, 1983.Tong H., Lim K. S. Threshold autoregression, limit cycles and cyclical data //. Journal of the Royal Statistical. Series B (Methodological). 1980. Vol. 42, Issue 3. P. 245--292.Tong H., Lim K. S. Threshold autoregression, limit cycles and cyclical data //. Journal of the Royal Statistical. Series B (Methodological). 1980. Vol. 42, Issue 3. P. 245--292.Engle R. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom // Econometrica. 1982. Vol. 50. Issue 4. P. 987--1007.Engle R. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom // Econometrica. 1982. Vol. 50. Issue 4. P. 987--1007.Clements M.P. et al. Forecasting economic and financial time-series with non-linear models // International Journal of Forecasting. 2004. Vol. 20.Issue 2. P. 169--183Clements M.P. et al. Forecasting economic and financial time-series with non-linear models // International Journal of Forecasting. 2004. Vol. 20.Issue 2. P. 169--183Рябко Б.Я. Прогнозирование случайных поседовательностей и универсальное кодирование. // Проблемы передачи информации. 1988. №24. C.3--14.Рябко Б.Я. Прогнозирование случайных поседовательностей и универсальное кодирование. // Проблемы передачи информации. 1988. №24. C.3--14.Krichevsky R. Universal Compression and Retrival. KluverAcademicPublishers, 1993.Krichevsky R. Universal Compression and Retrival. KluverAcademicPublishers, 1993.

The authors declare that there are no conflicts of interest present.