関連データを同時に埋め込んだカオスによる短期予測に関する研究

• 松本 義之

  東和大学

• 和多田 淳三

  大阪工業大学

書誌事項

タイトル別名

• Short-term Prediction by Chaos Method of Embedding Related Data at the Same Time
• カンレン データ オ ドウジ ニ ウメコンダ カオス ニヨル タンキ ヨソク

抄録

規則性を見出しにくいデータを予測する方法に, カオス理論に基づく時系列データの短期予測がある.これは, 従来ランダムに推移すると思われていた時系列データをTakensの埋め込み定理を用いてアトラクタを多次元空間に再構成することにより, 短期予測を可能としている.しかし, ランダムプロセスと異なる幾何学的性質を持つ時系列データでも, 低次元のカオス性を示さない時系列データをカオスで予測することは困難である.そこで, 本研究では, それに関連する別の時系列データを同時に埋め込むことにより, 予測を行いたい時系列データのカオス性を抽出し, 予測精度を向上させることを目的としている.また, 本手法の有用性を示すため, 東京証券株式市場の日経平均株価の短期予測についてシミュレーションを行っている.

収録刊行物

• 日本経営工学会論文誌

  日本経営工学会論文誌 49 (4), 209-217, 1998

  公益社団法人 日本経営工学会

キーワード

• カオス
• 短期予測
• 時系列データ

詳細情報

• CRID: 1390001205504281216
• NII論文ID: 110003945593
• NII論文ID: 10012129982
• NII書誌ID: AN10561806
• DOI: 10.11221/jima.49.209
• ISSN: 21879079
• ISSN: 13422618
• NDL書誌ID: 4591141
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I4591141
• 本文言語コード: ja
• データソース種別:
  • JaLC
  • NDL
  • CiNii Articles
• 抄録ライセンスフラグ: 使用不可