• SPbSPU
    Electronic Library

Login
Search manual

Details

Егорова, Юлия Вадимовна. Методы обработки и моделирования одномерных временных рядов: учебное пособие / Ю. В. Егорова; Уфимский университет науки и технологий. — Уфа: Уфимский университет, 2026. — Электрон. версия печ. публикации. — Доступ возможен через Электронную библиотеку УУНИТ. — <URL:https://elib.bashedu.ru/dl/local/EgorovaUV_Metodiobrimodelodnomervremenryadov_up_2026.pdf>. — Текст: электронный

Record create date

11/5/2026

Subject

временной ряд; компоненты временного ряда; модели декомпозиции; экспоненциальное сглаживание; оценка качества прогнозных моделей; модель ARIMA; модель SARIMA; практические рекомендации

Collections

Учебные и учебно-методические издания; Общая коллекция

Allowed Actions

–

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet
Network User group Action
Library BashGU Local Network Authenticated users
Read Download
Library BashGU Local Network All
Read Download
Internet Authenticated users
Read Download
Internet All
  • Введение
  • 1. Основные понятия и определения в задачах моделирования временных рядов
    • 1.1. Что такое временной ряд
    • 1.2. Основные характеристики временных рядов
    • 1.3. Классификация методов прогнозирования
  • 2. Компоненты временного ряда и их выделение
    • 2.1. Преобразования временного ряда
      • 2.1.1. Экономическая трансформация
      • 2.1.2. Математическая трансформация
    • 2.2. Компоненты временного ряда и модели декомпозиции
      • 2.2.1. Компоненты временного ряда
      • 2.2.2. Аддитивная и мультипликативная декомпозиции
      • 2.2.3. Классическая декомпозиция
      • 2.2.4. Алгоритм STL (Seasonal-Trend decomposition using LOESS)
  • 3. Характеристики временных рядов
    • 3.1. Автокорреляционная функция
    • 3.2. Частная автокорреляционная функция
    • 3.3. STL-характеристики
    • 3.4. Стационарность и тестирование стационарности
  • 4. Простейшие модели временных рядов
    • 4.1. Белый шум
    • 4.2. Модель с независимыми наблюдениями
    • 4.3. Случайное блуждание
    • 4.4. Сезонное случайное блуждание
  • 5. Модели экспоненциального сглаживания
    • 5.1. Простое экспоненциальное сглаживание (ETS(ANN))
    • 5.2. Экспоненциальное сглаживание с линейным трендом (ETS(AАN))
    • 5.3. Экспоненциальное сглаживание с аддитивным трендом и аддитивной сезонностью (ETS(AАА))
    • 5.4. Экспоненциальное сглаживание с аддитивным дампированным трендом (ETS(AАdN))
    • 5.5. Мультипликативные компоненты в моделях экспоненциального сглаживания (ETS(MNM), ETS(MAM))
    • 5.6. Таксономия моделей экспоненциального сглаживания
  • 6. Оценка качества прогнозных моделей
    • 6.1. Метрики ошибок прогноза
    • 6.2. Кросс-валидация для временных рядов
    • 6.3. Информационные критерии
    • 6.4. Анализ остатков
  • 7. Модели авторегрессии и скользящего среднего
    • 7.1. Модели авторегрессии AR(p)
    • 7.2. Модели скользящего среднего MA(q)
    • 7.3. Разложение Вольда
    • 7.4. Модель ARMA(p,q)
  • 8. Модели ARIMA и SARIMA
    • 8.1. Модель ARIMA(p,d,q)
    • 8.2. Сезонные модели SARIMA(p,d,q)(P,D,Q)
    • 8.3. Методология Бокса – Дженкинса
    • 8.4. Алгоритм Хандакара – Хиндмана
  • 9. Практические рекомендации
    • 9.1. Выбор модели для конкретной задачи
    • 9.2. Программная реализация
    • 9.3. Типичные ошибки и их предотвращение
    • 9.4. Кейсы из реальной практики
  • Заключение
  • Список цитируемой литературы
...