АНАЛИЗ ДАННЫХ С ПОМОЩЬЮ ФРАКТАЛЬНОЙ ГЕОМЕТРИИ И МЕТОДОВ САМОПОДОБИЯ


Цитировать

Полный текст

Аннотация

В настоящий момент исследователи рыночных и экономических показателей (циклов) практически не используют (в силу крайне скептического отношения) для своих вычислений математические методики нахождения фрактальных закономерностей (самоподобий), определяющих движение тренда изучаемых показателей (или некоторое состояние исследуемого сектора экономики АПК). Данные инструменты показали свою эффективность при прогнозировании макроэкономических временных рядов показателей деятельности некоторых региональных участников сахарного подкомплекса АПК. Отдельные элементы таких закономерностей хорошо себя зарекомендовали при построении индикаторов опережающего развития. Их относят к классу экспресс-методов идентификации тренда. По эффективности и временным затратам они значительно превосходят такие математические инструменты, как искусственные нейронные сети, генетические алгоритмы, методы нечеткой логики и т. д. В работе реализуется поиск устойчивых ценовых паттернов в истории котировок, схожих с текущими значениями. Идея состоит в том, что любой «ценовой рисунок» уже имел место в прошлом: если его верно определить, то можно с высокой точностью спрогнозировать поведение какого угодно сегмента агропромышленного рынка, и не только. Рассмотрены методы прогнозирования, относящиеся к классу фазово-фрактального анализа и методов самоподобия. При этом особое внимание уделяется адаптации таких методов при прогнозировании показателей региональных участников сахарного подкомплекса АПК. В практической части применялись элементы фазового (циклического) анализа для подавления ложных сигналов (всплесков). Это позволило в значительной степени снизить информационный шум в одномерных спектрах. Результаты прикладных расчетов и практической реализации подтвердили возможность применения инструмента при прогнозировании показателей экономической деятельности крупных отраслевых предприятий сахарного подкомплекса. Полученные результаты по описанным моделям позволяют осуществлять многовариантные расчеты по одинаковым показателям. Результаты применения фазово-фрактального анализа и методов самоподобия в задачах прогнозирования продемонстрировали возможность их решения и подтвердили свою практическую значимость.

Об авторах

Д. Ю. Жмурко

Краснодарский университет Министерства внутренних дел Российской Федерации

Автор, ответственный за переписку.
Email: danis1982@mail.ru
Россия

Список литературы

  1. Шелухин О.И. Мультифракталы. Инфокоммуникационные приложения. М.: Горячая Линия-Телеком, 2016. 576 с.
  2. Кириченко Л., Радивилова Т. Фрактальный анализ реальных данных // International Journal “Information Content and Processing”. 2018. Vol. 5. № 2. P. 142-199.
  3. Александровская Ю.П. Использование фрактальных методов для анализа финансовых рядов // Вестник Казанского технологического университета. 2014. Т. 17. № 18. С. 257-261.
  4. Гладков С.О. Теоретические свойства физических фракталов и их приложение к практическим задачам. М.: МАИ, 2017. 196 с.
  5. Мандельброт Б. Фрактальная геометрия природы. М.: Институт компьютерных исследований, 2002. 655 с.
  6. Абаимов С.Г. Статистическая физика сложных систем. От фракталов до скейлинг-поведения. М.: URSS, 2019. 400 с.
  7. Кравченко Г.М., Васильев С.Э., Пуданова Л.И. Парадигма фрактальных структур // Инженерный вестник Дона. 2017. № 4. С. 183-192.
  8. Протасов В.Ю. Синусоида и фрактал: Элементы теории обработки сигналов и теории всплесков. М.: МЦНМО, 2020. 120 с.
  9. Makletsov S.V., Opokina N.A., Shafigullin I.K. Аpplication of fractal analysis method for studying stock market // International Transaction Journal of Engineering, Management, & Applied Sciences & Technologies. 2020. Vol. 11. № 1. P. 1-8.
  10. Paluch M., Jackowska-Strumillo L. Hybrid Models Combining Technical and Fractal Analysis with ANN for Short-Term Prediction of Close Values on the Warsaw Stock Exchange // Applied sciences (Switzerland). 2018. Vol. 8. № 12. Article number 2473.
  11. Пректер Р., Фрост А. Волновой принцип Эллиотта. Ключ к пониманию рынка. 9-е изд. М.: Альпина Паблишер, 2019. 268 с.
  12. Деменок С.Л. Просто фрактал. СПб.: Страта, 2019. 274 с.
  13. Семенко А.Ф. Иерархии циклов. М.: ВегаПринт, 2015. 450 с.
  14. Джанахмедов А. Синергетика и фракталы в экологии. Германия: LAP LAMBERT Acad. Publ., 2017. 312 с.
  15. Chen Q., Liu G., Ma X., Li X., He Z. Fractal generator for efficient production of random planar patterns and symbols in digital mapping // Computers & Geosciences. 2017. Vol. 105. P. 91-102.
  16. Потапов A.A. Фрактальные методы исследования флуктуаций сигналов и динамических систем в пространстве дробной размерности. URL: https://www.researchgate.net/publication/320728322_Potapov_AA_Fraktalnye_metody_issledovania_fluktuacij_signalov_i_dinamiceskih_sistem_v_prostranstve_drobnoj_razmernosti.
  17. Моторина И.Ю., Курзенев В.А. Фрактальный анализ динамики коэффициентов финансового состояния предприятий // Управленческое консультирование. 2016. № 11. С. 81-88.
  18. Sviridov O.Y., Nekrasova I.V. Fractal analysis of financial markets // Международный научно-исследовательский журнал. 2016. № 10-1. C. 74-80.
  19. Бурлаков В.В., Дементьева Е.М., Дзюрдзя О.А. Фрактальный анализ как метод прогнозирования динамики стоимости ценных бумаг предприятий с учетом их скрытого инновационного потенциала // Вестник РГГУ. Серия: Экономика. Управление. Право. 2020. № 3. С. 87-98.
  20. Большаков В., Волчук В., Дубров Ю. Пути применения теории фракталов. Германия: OmniScriptum Publishing KS, 2016. 156 с.
  21. Грегори-Вильямс Дж., Вильямс Б. Торговый хаос. Увеличение прибыли методами технического анализа. 2-е изд. М.: Альпина Паблишер, 2019. 310 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© ,



Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах