Рассмотрена проблема прогнозирования временных рядов цен акций ведущих мировых компаний, которым свойственна долговременная память. Делается предположение, что игнорирование наличия подобной корреляционной структуры временных рядов с применением традиционных методов анализа приводит к появлению значительно большей погрешности, чем учет долговременной памяти при фактическом отсутствии. Предполагается, что колебания цен на инструменты финансового рынка описываются процессом Херста, которым моделируют процессы с долговременной памятью. Такой временной ряд не может быть эффективно проанализирован с помощью традиционных стационарных моделей, которые полностью игнорируют этот факт. Ставится задача: с использованием рассматриваемого метода установить наличие долговременной памяти у исходного временного ряда и определить его тип.
Розглянуто проблему прогнозування часових рядів цін акцій провідних світових компаній, яким властива довготермінова пам'ять. Зроблено припущення, що у разі застосування традиційних методів аналізу ігнорування наявності подібної кореляційної структури часових рядів призводить до появи значно більшої похибки, ніж врахування довготермінової пам'яті за фактичної її відсутності. Передбачається, що коливання цін на інструменти фінансового ринку описуються процесом Герста, який моделює процеси з довготерміновою пам'яттю. Такий часовий ряд не можна ефективно аналізувати за допомогою традиційних стаціонарних моделей, які повністю ігнорують цей факт. Ставиться задача з використанням розглянутого методу встановити наявність довготермінової пам'яті у вихідного часового ряду і визначити його тип.
The problem of forecasting the time series of stock prices of leading global companies that are characterized by long-term memory is considered. It is assumed that ignoring the presence of such a correlation structure in time series using traditional methods of analysis leads to a much greater error than taking into account long-term memory in its actual absence. It is assumed that the daily fluctuations in prices for financial market instruments are the Hurst process, that is, they have long-term memory, which means such a time series cannot be effectively analyzed using traditional stationary models that completely ignore this fact. Thus, the task is set, using the R/S analysis method, to determine the presence of long-term memory in the initial time series, to determine its type.
