Аннотация:Дипломная работа посвящена исследованию локальных методов прогнозирования временных рядов. В отличие от глобальных методов, которые ищут представление ряда в определённом классе функций, локальные методы используют гипотезу «если два отрезка одного ряда имеют похожие начала, то они имеют и похожие продолжения». Основу любого такого метода составляет формализация понятия «похожие участки временного ряда» и способ построения прогноза. Стоит отметить, что исследования проводились в рамках кафедрального спецсеминара «Интерпретация данных и поиск закономерностей», на котором другими участниками было уже установлено, что в реальных прикладных задачах часто оказывается эффективным простое обобщение метода ближайшего соседа. Для последнего участка временного ряда ищется похожий участок с точностью до линейных преобразований (сжатия/растяжения и параллельного переноса). Используя это же преобразование, делается прогноз. При этом возможен поиск нескольких соседей, с последующим усреднением.
В дипломной работе Фёдоровой В.П. был реализован такой обобщённый метод ближайшего соседа, при этом, следуя работам МакНеймса по локальным алгоритмам прогнозирования, близость вычислялась с помощью взвешенной евклидовой метрики. Исследовано несколько способов усреднения прогнозов по ближайшим соседям: по взвешенному среднему арифметическому и медианное усреднение. Качество прогноза оценивалось по средней квадратичной ошибке и функционалу SMAPE (часто применяется при анализе финансовых временных рядов). Были проведены эксперименты на модельных рядах, показывающих поведение динамических систем, и на реальных финансовых временных рядах, взятых с соревнования учёных-прикладников «Forecasting Competition for Neural Networks & Computational Intelligence». Отметим, что для применения алгоритмов на реальных данных автору пришлось предложить и верифицировать несколько способов борьбы с пропусками в рядах (неизвестными значениями) и выбросами (нетипичными значениями). Реализован и исследован также локальный метод ближайших траекторий (МакНеймса).
Фёдорова В.П. успешно справилась со всеми поставленными перед ней задачами. Предложила методы настройки алгоритмов на реальные данные, провела эксперименты и написала «в хорошем стиле» дипломную работу. Результаты были доложены на студенческой конференции «Ломоносов – 2009». Фёдорова В.П. была соисполнителем работ по гранту РФФИ № 08-07-00305-а.