Метод многофакторного прогнозирования экономических процессов на основе модифицированного обучающегося генетического алгоритма

Классические регрессионные линейные и нелинейные модели, используемые для про гнозирования многомерных временных рядов, исходят из линейной независимости объясняющих набо ров данных (факторов). В случае наличия взаимосвязи между факторами они непригодны. Предлагае мый метод позволяет прогнозировать развитие некоторого экономического фактора (показателя) во взаимосвязи с другими факторами, представленных как в количественных, так и в качественных (по рядковых) шкалах. При этом предлагается использовать модифицированный обучающийся генетиче ский алгоритм LGAP (Learning Genetic Algorithm for Prognosis), позволяющий автоматически извлекать закономерности из представленного для прогнозирования набора данных многомерных временных ря дов.

The method of multivariate forecasting of economic processes based on a modified learning genetic algorithm

Classical linear and nonlinear regression models used for forecasting multivariate time series arebased on the linear independence of sets of explanatory data (factors). In the case of correlation between thefactors they are unsuitable. The proposed method makes it possible to predict the development of a certain economic factor (indicator) in conjunction with other factors, presented in both quantitative and qualitative (ordinal)scales. It is proposed to use a modified Learning genetic algorithm for prognosis (LGAP) to automatically extract patterns from the presented data for forecasting a set of multivariate time series.