Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

1 2023

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

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

100%

Lotysh V. , Gumeniuk L. , Humeniuk P.

tom T. 13, nr 3

71--74

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.

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.