Дослідження проблем із гетероскедастичністю даних моніторингу якості атмосферного повітря
Вантажиться...
Файли
Дата
Автори
Назва журналу
Номер ISSN
Назва тому
DOI
Анотація
A regression analysis of an example of atmospheric air quality monitoring data based on EcoCity daily multi-year
data was carried out. The analysis showed that the series is stationary, heteroskedastic and distributed according to a
normal law. A comparison of data modeling results using the classic ARIMA model for homoscedastic series and models
for heteroskedastic data series ARCH, GARCH, EGARCH, APARCH, HARCH with different parameters showed that
heteroskedastic models are less adequate than the ARIMA model, which also gives a considerable error. Therefore, all
these models need to be improved for such a task
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Бібліографічний опис
Копняк В. Є. Дослідження проблем із гетероскедастичністю даних моніторингу якості атмосферного повітря [Електронний ресурс] / В. Є. Копняк, В. Б. Мокін // Матеріали LIІ науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2023/paper/view/18962.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (2)
- Jason Brownlee. How to Model Volatility with ARCH and GARCH for Time Series Forecasting in Python. August 24, 2018. Machine Learning Mastery. Time Series. https://machinelearningmastery.com/develop-arch-and-garchmodels-for-time-series-forecasting-in-python
- Mokin Vitalii. Kopniak Volodymyr. Kaggle Notebook “Air State Analysis: Comparison of ARIMA and GARCH models”, 2023, https://www.kaggle.com/code/vbmokin/air-state-analysis-comparison-of-arima-and-garch.