Standard

Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA. / Расторгуев, Андрей Евгеньевич; Григорьев, Дмитрий Алексеевич.

Third Conference on Software Engineering and Information Management (SEIM-2018). 2018. p. 38-46.

Research output: Chapter in Book/Report/Conference proceeding › Conference contribution › Research › peer-review

Harvard

Расторгуев, АЕ & Григорьев, ДА 2018, Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA. in Third Conference on Software Engineering and Information Management (SEIM-2018). pp. 38-46, 3rd Conference on Software Engineering and Information Management, SEIM 2018, Saint Petersburg, Russian Federation, 14/04/18.

APA

Расторгуев, А. Е., & Григорьев, Д. А. (2018). Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA. In Third Conference on Software Engineering and Information Management (SEIM-2018) (pp. 38-46)

Vancouver

Расторгуев АЕ, Григорьев ДА. Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA. In Third Conference on Software Engineering and Information Management (SEIM-2018). 2018. p. 38-46

Author

Расторгуев, Андрей Евгеньевич ; Григорьев, Дмитрий Алексеевич. / Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA. Third Conference on Software Engineering and Information Management (SEIM-2018). 2018. pp. 38-46

BibTeX

@inproceedings{fd0e57da5a154b8e9078037284c90fdf,
title = "Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA",
abstract = "Производство и потребление нефти являются критическими факторами для экономики ряда стран,поэтому возможность прогнозирования поведения ее цены весьма актуальна. Существует множество работ, которые исследуют различные методы машинного обучения:SVM, ANN, kNN, а также статистические методы ARIMA,GARCH и другие инструменты анализа временных рядов.Обзор литературы показывает преимущество методов SVMи ARIMA при прогнозировании финансовых рынков. В данной работе описана методика построения прогностическихмоделей на базе этих двух методов. Кроме того делаетсявывод о лучших показателях модели SVM при предсказании ценовых приращений котировок на энергоресурсы.Index Terms—финансовые временные ряды, цены нанефть, метод опорных векторов (SVM), ARIMA, прогнозирование финансовых котировок.",
author = "Расторгуев, {Андрей Евгеньевич} and Григорьев, {Дмитрий Алексеевич}",
year = "2018",
language = "русский",
isbn = "978-5-9500625-4-4",
pages = "38--46",
booktitle = "Third Conference on Software Engineering and Information Management (SEIM-2018)",
note = "null ; Conference date: 14-04-2018",

}

RIS

TY - GEN

T1 - Построение прогностических моделей поведения нефтяных котировок на основе методов опорных векторов (SVM) и ARIMA

AU - Расторгуев, Андрей Евгеньевич

AU - Григорьев, Дмитрий Алексеевич

PY - 2018

Y1 - 2018

N2 - Производство и потребление нефти являются критическими факторами для экономики ряда стран,поэтому возможность прогнозирования поведения ее цены весьма актуальна. Существует множество работ, которые исследуют различные методы машинного обучения:SVM, ANN, kNN, а также статистические методы ARIMA,GARCH и другие инструменты анализа временных рядов.Обзор литературы показывает преимущество методов SVMи ARIMA при прогнозировании финансовых рынков. В данной работе описана методика построения прогностическихмоделей на базе этих двух методов. Кроме того делаетсявывод о лучших показателях модели SVM при предсказании ценовых приращений котировок на энергоресурсы.Index Terms—финансовые временные ряды, цены нанефть, метод опорных векторов (SVM), ARIMA, прогнозирование финансовых котировок.

AB - Производство и потребление нефти являются критическими факторами для экономики ряда стран,поэтому возможность прогнозирования поведения ее цены весьма актуальна. Существует множество работ, которые исследуют различные методы машинного обучения:SVM, ANN, kNN, а также статистические методы ARIMA,GARCH и другие инструменты анализа временных рядов.Обзор литературы показывает преимущество методов SVMи ARIMA при прогнозировании финансовых рынков. В данной работе описана методика построения прогностическихмоделей на базе этих двух методов. Кроме того делаетсявывод о лучших показателях модели SVM при предсказании ценовых приращений котировок на энергоресурсы.Index Terms—финансовые временные ряды, цены нанефть, метод опорных векторов (SVM), ARIMA, прогнозирование финансовых котировок.

UR - https://seim-conf.org/en/archive/2018/

UR - https://seim-conf.org/media/materials/2018/proceedings/SEIM-2018_Short_Papers.pdf

M3 - статья в сборнике материалов конференции

SN - 978-5-9500625-4-4

SP - 38

EP - 46

BT - Third Conference on Software Engineering and Information Management (SEIM-2018)

Y2 - 14 April 2018

ER -

ID: 35271921