Search academic texts

Information × Registration Number 2120U008522, Article popup.category Бакалаврська робота Title Порівняльний аналіз методів прогнозування нелінійних нестаціонарних процесів (AI translated) popup.author Скомороха Катерина ІгорівнаSkomorokha Kateryna Ihorivna popup.publication 01-06-2020 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/37394 popup.publisher Київ Description Дипломна робота: 123 с., 23 рис., 18 табл., 2 додатки, 10 джерел. Об'єкт дослідження: нелінійні нестаціонарні процеси, представлені часовими рядами. Мета роботи: побудова математичних моделей процесів в економіці та фінансах; оцінювання прогнозів; розробка програмного забезпечення для виконання обчислювальних експериментів. Метод дослідження: математичні моделі і методи аналізу процесів в економіці та фінансах. В роботі проведений огляд існуючих систем для аналізу часових рядів. Наведено моделі та методи прогнозування. Розглянуто і проаналізовано статистичні тести для аналізу. Створено програмне забезпечення для моделювання та прогнозування процесів на базі авторегресійних моделей з ковзним середнім. В роботі порівняно прогнозування вибраних цін акцій за допомогою як власного програмного продукту, так і існуючого аналогу для статистичної обробки даних. Система реалізована на базі платформи .Net Framework з використанням мови програмування C#, наведено приклади застосування програми для прогнозування реальних цін акцій компаній та процесу Лоренца. Розглянуто шляхи можливого подальшого вдосконалення системи. Bachelor thesis: 123 p., 23 fig., 18 tabl., 2 appendixes, 10 sources. Object of research: nonlinear nonstationary processes represented by time series. Objective: building mathematical models of economic and financial processes; evaluation of forecasts; development of software to perform computational experiments. Method of research: mathematical models and methods of analysis economic and financial processes. The paper reviews the most modern systems for time series analysis. Some of the known models and methods of forecasting are given. There are considered and analyzed statistical tests. A software for analytical modeling and forecasting processes to exchange models is based on autoregressive moving average was created. The paper compares the forecasting of selected stock prices using both its own software product and the existing analogue for statistical data processing. The system is implemented on the platform .Net Framework using the programming language C #, there are examples of programs for forecasting real stock prices and Lorenz process. There are ways of possible further improve the system. popup.nrat_date 2025-11-05 Close