文献

J-GLOBAL ID：201702210059347586   整理番号：17A0368965

WARIMAX GARCH法を用いた時系列予測【Powered by NICT】

Time series forecasting with the WARIMAX-GARCH method

著者 (5件)： Correa J.M. (Department of Mathematics, Federal Technological University of Parana, Medianeira, Parana, Brazil) ,  Neto A.C. (Department of Statistic, Federal University of Parana, Curitiba, Parana, Brazil) ,  Teixeira Junior L.A. (Latin American Institute of Technology, Infrastructure and Territory, Federal University of Latin America Integration, Foz do Iguacu, Parana, Brazil) ,  Franco E.M.C. (Department of Electrical Engineering, State University of West Parana, Foz do Iguacu, Parana, Brazil) ,  Faria A.E. (Department of Mathematics and Statistics, The Open University, Milton Keynes, Buckinghamshire, England, United Kingdom)
資料名： Neurocomputing  (Neurocomputing)
巻： 216  ページ： 805-815  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 適切に選択された外因性変数(EV)を含む非常にしばしば因果予測法は,単変量法よりも改善された予測性能を示したことが知られている。しかし,実際には,EVは通常は得るのが困難で多くの場合全く入手できない。本論文では,外因性変数と一般化自己回帰条件付き分散不均一性(WARIMAX GARCH)法を用いたウェーブレット自己回帰統合移動平均と呼ばれる,新しい因果予測手法は予測性能と精度を向上させるためと,EV利用できない問題を少なくとも部分的に対処するために提案した。基本的に,WARIMAX GARCH法は最初に基本的な時系列から決定されることをウェーブレット成分(WC)に適用した外因性変数と一般化自己回帰条件付き分散不均一性(ARIMAX GARCH)モデルを用いた自己回帰統合移動平均からのウェーブレット「EV」(WEVs)を得た。は従来のEVであるかのようにWEVsは,事実上,WARIMAX GARCH法で処理した。GARCHとARIMA GARCHモデルと同様に,WARIMAX GARCH法を用いて観測されデータの過去の値に依存することを条件付分散のような非線形特性を示す時系列に適していた。しかし,これらとは異なり,予測性能を向上させるための系列における周波数領域パターンを明示的にモデル化できた。ブラジルにおける日時系列ダム変位への適用はサンプル内およびサンプル外の両方の予測のための統計的尺度に及ぼす-GARCH法よりも優れている,(多層パーセプトロン)人工ニューラルネットワーク(ANN)と[1]としてのウェーブレット人工ニューラルネットワーク(WANN)と呼ばれるそのウェーブレットバージョンだけでなく,顕著にWARIMAX GARCH法を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： ダム ,  不均一性 ,  周波数領域 ,  多層パーセプトロン ,  モデリング ,  予測技法 ,  ニューラルネットワーク ,  *波束 ,  ブラジル連邦共和国
準シソーラス用語： *ARIMAモデル ,  自己回帰 ,  予測性能 ,  時系列予測 ,  一般分散自己回帰モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： ウェーブレット分解 ,  外因性変数 ,  ARIMA-GARCHモデル ,  予測

分類 (3件)： 数値計算  (JE02000J) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： GARCH ,  時系列予測