Построение модели

Значения целевого ряда (это тот ряд, который нужно найти, например, доход по акциям на день вперед) зависят от N факторов, среди которых мо­гут быть комбинации переменных, прошлые значения целевой переменной, закодированные качественные показатели.

Оценка качества модели обычно основывается на критерии согласия типа средней квадратичной ошибки (MSE) или квадратного корня из нее (RМSE). Эти критерии показывают, насколько предсказанные значения оказались близки к обучающему, подтверждающему или тестовому мно­жествам.

В линейном анализе временных рядов можно получить несмещенную оцен­ку способности к обобщению, исследуя результаты работы на обучающем мно­жестве (МSЕ), число свободных параметров (w) и объем обучающего множест­ва (N). Оценки такого типа называются информационными критериями (I С) и включают в себя компоненту, соответствующую критерию согласия, и компо­ненту штрафа, которая учитывает сложность модели. Были предложены сле­дующие информационные критерии: нормализованный (NAIC), нормализован­ный байесовский (NВIC) и итоговая ошибка прогноза (FPE):

2W

NAlC = In(MSE) + N

2W lnN

NBIC=In(MSE)+ N,