Comparison of the effectiveness of time series analysis methods: SMA, WMA, EMA, EWMA, and Kalman filter for data analysis

• Autorzy: Lotysh Volodymyr , Gumeniuk Larysa , Humeniuk Pavlo

Identyfikatory

DOI

10.35784/iapgos.3652

Warianty tytułu

PL

Porównanie skuteczności metod analizy szeregów czasowych: SMA, WMA, EMA, EWMA i filtr Kalmana do analizy danych

• Języki publikacji: EN

Abstrakty

EN

In time series analysis, signal processing, and financial analysis, simple moving average (SMA), weighted moving average (WMA), exponential moving average (EMA), exponential weighted moving average (EWMA), and Kalman filter are widely used methods. Each method has its own strengths and weaknesses, and the choice of method depends on the specific application and data characteristics. It is important for researchers and practitionersto understand the properties and limitations of these methods in order to make informed decisions when analyzing time seriesdata. This study investigates the effectiveness of time series analysis methods using data modeled with a known exponential function with overlaid random noise. This approach allows for control of the underlying trend in the data while introducing the variability characteristic of real-world data. The relationships were written using scripts for the construction of dependencies, and graphical interpretation of the results is provided.

PL

W analizie szeregów czasowych, przetwarzaniu sygnałów i analizie finansowej szeroko stosowane są: prosta średnia ruchoma (SMA), ważona średnia ruchoma (WMA), wykładnicza średniaruchoma (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 badaczyi 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. Podanajest graficzna interpretacja wyników.

Słowa kluczowe

EN

data analysis; modeling; moving average; Kalman filter

PL

analiza danych; modelowanie; średnia ruchoma; filtr Kalmana

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 3
• Strony: 71--74
• Opis fizyczny: Bibliogr. 7 poz., wykr.

Twórcy

autor

Lotysh Volodymyr

• Lutsk National Technical University, Faculty of Computer and Information Technologies, Department of Automation and Computer-Integrated Technologies, Lutsk,Ukraine

• https://orcid.org/0000-0003-0899-8015

autor

Gumeniuk Larysa

• Lutsk National Technical University, Faculty of Computer and Information Technologies, Department of Automation and Computer-Integrated Technologies, Lutsk,Ukraine

• https://orcid.org/0000-0002-7678-7060

autor

Humeniuk Pavlo

• Lutsk National Technical University, Faculty of Computer and Information Technologies, Department of Automation and Computer-Integrated Technologies, Lutsk,Ukraine

• https://orcid.org/0000-0002-6251-8548

Bibliografia

• [1] Brockwell P. J., Davis R. A.: Introduction to time series and forecasting. Springer, 2016.
• [2] Gardner E. S.: Exponential smoothing: The state of the art. Journal of forecasting 4(1), 1985, 1–28.
• [3] Hyndman R. J., Athanasopoulos G.: Forecasting: principles and practice. Otexts, 2018.
• [4] Lewis C. D.: Industrial and business forecasting methods. Butterworth, Kent 1982.
• [5] Ruppert D., Wand M. P., Carroll R. J.: Semiparametric regression. Cambridge University Press, 2018.
• [6] Terry J. W., Parramore K.: Quantitative Methods for Finance. International Thomson Business Press, 1997.
• [7] Wynn R. F., Holden K.: An introduction to applied econometric analysis. Macmillan, London 1974.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).