PORÓWNANIE SKUTECZNOŚCI METOD ANALIZY SZEREGÓW CZASOWYCH: SMA, WMA, EMA, EWMA I FILTR KALMANA DO ANALIZY DANYCH

##plugins.themes.bootstrap3.article.main##

Abstrakt

W analizie szeregów czasowych, przetwarzaniu sygnałów i analizie finansowej szeroko stosowane są: prosta średnia ruchoma (SMA), ważona średnia ruchoma (WMA), wykładnicza średnia ruchoma (EMA), wykładniczo-ważona średnia ruchoma (EWMA) i filtr Kalmana. Każda z metod ma swoje mocne i słabe strony, a wybór metody zależy od konkretnego zastosowania i charakterystyki danych. Dla badaczy i praktyków ważne jest zrozumienie właściwości i ograniczeń tych metod w celu podejmowania świadomych decyzji podczas analizy danych szeregów czasowych. W niniejszej pracy zbadano skuteczność metod analizy szeregów czasowych z wykorzystaniem danych modelowanych znaną funkcją wykładniczą z nałożonym szumem losowym. Takie podejście pozwala na kontrolowanie głównego trendu w danych przy jednoczesnym wprowadzeniu zmienności typowej dla danych rzeczywistych. Do budowy zależności zostały napisane skrypty. Podana jest graficzna interpretacja wyników.

Słowa kluczowe:

analiza danych, modelowanie, średnia ruchoma, filtr Kalmana

Bibliografia

##plugins.themes.bootstrap3.article.details##

PORÓWNANIE SKUTECZNOŚCI METOD ANALIZY SZEREGÓW CZASOWYCH: SMA, WMA, EMA, EWMA I FILTR KALMANA DO ANALIZY DANYCH. (2023). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 13(3), 71-74. https://doi.org/10.35784/iapgos.3652