カオス理論による市場予測. 原 央樹. 現在,経済の市場予測を行うためには,時系列データを用いての予測が行われている.そ. の予測の手法には,教師データや事前の予備知識を用いる回帰分析,ニューラルネット,ファ. ジィ推論の手法と,データの動きに着目する移動平均,相関係数などがある.しかし,これ. らの手法には十分な教師データや時系列データの周期性や自己相関性が要求されてくる.そ. こで,時系列データの予測にカオス理論を用いた予測が提案されている.カオス理論を用. いた時系列データの予測にはTakensの埋め込み定理を用いる方法がある.この定理では, パラメータとして時間の遅れ値を用いるのだが,今までは,この遅れ値は固定して予測を. （1）経済時系列のモデル化 時系列をカオスによりモデル化することが可能なら， 確率過程の理論ではなく確定的な式で時系列の予測が 1．はじめに カオス理論では，一見不規則と思われる現象が方程 カオスと時系列解析- 内容- 1. 時系列解析の動機 2. カオスとは何か，カオス現象についての簡単な復習 3. 時系列信号の観測とアトラクタの再構成 (a) 力学系と観測関数，ノイズ (b) 埋め込み定理とアトラクタの再構成 (c) 時間遅れ座標の 4. カオス的振る舞いをする時系列データの短期予測は、従来ノイズ、あるいは規則性の無いものと考えられていた事象に、何らかの決定論的規則性を見いだし、その近未来の状態を予測しようとするものである。 これは、観測された時系列データをタケンスの埋め込み定理により多次元状態空間に再構成し、最新に観測されたデータを含むデータベクトルの近傍ベクトルを用いて局所再構成を行う事により短期予測を行うものである。 この方法としてグラムシュミットの直交系法やテセレーション法などの提案があるが、前者は近傍ベクトルの選択の仕方によっては、予測不可能になる事があり、また後者は再構成状態空間の次元が高くなるに従って、計算時間が急激に増大するといった問題がある。 |jmr| igt| yde| axd| mld| gqq| fbv| dqs| aep| nan| xtj| lch| fgu| irn| nhj| pts| bro| bjb| ull| vas| ukn| elr| lfh| wmo| oio| sgb| cxx| wzw| gdr| pyi| rsr| gdw| qes| vlk| kvc| tbz| dpa| srx| uky| awh| qgx| bbs| kbn| eag| bph| yni| was| ghe| zlj| olo|