Прогнозування часових рядiв з складною поведiнкою за допомогою узагальненої тригонометричної моделi з випадковими параметрами

Дослiджено можливостi застосування рiзних методiв моделювання часового ряду щоквартальних значень ВВП України, зокрема автокореляцiйнi моделi з рiзними наборами параметрiв. Для цього побудовано та протестовано якiсть 16 моделей. Дослiджено модель SARIMA(4, 1, 1) · (0, 0, 1)4 та використано її для прогнозування значень часового ряду, оцiнено точнiсть прогнозу. Розроблено узагальнену тригонометричну модель з випадковими компонентами для моделювання ряду перших рiзниць з врахуванням випадкових збурень. Отриману модель застосовано до аналiзу показникiв ВВП України, виконано прогнозування за двома сценарiями: песимiстичним та найбiльш очiкуваним, порiвняно результати прогнозування з емпiричними даними. Показано, що дана модель може ефективно використовуватись для моделювання та прогнозування деяких часових рядiв з випадковими збуреннями.

The possibility of using different methods of modeling the time series of quarterly GDP values of Ukraine, in particular, autocorrelation models with different sets of parameters, was investigated. For this reason, 16 models were built and their quality was tested. The SARIMA(4, 1, 1) • (0, 0, 1)4 model was studied and used to forecast the values of the time series, and the predictive accuracy was estimated. A generalized trigonometric model with random components has been developed for modeling a series of first differences taking into account random perturbations. The obtained model was applied to the analysis of Ukraine’s GDP indicators, forecasting was performed according to two scenarios: the pessimistic and the most expected, and the forecasting results were compared with empirical data.
It is shown that this model can be effectively used for modeling and forecasting some time series with random disturbances.