Порівняльний аналіз реалізації класичних статистичних моделей прогнозування одновимірних часових рядів у Python, R та Julia
Анотація
В роботі здійснено порівняльний аналіз реалізації класичних статистичних моделей прогнозування одновимірних часових рядів у середовищах програмування Python, R та Julia. У дослідженні розглянуто наївні та сезонно-наївні методи, експоненційне згладжування ETS, а також автоматичний підбір параметрів авторегресійних інтегрованих моделей ковзного середнього (Auto-ARIMA). Для експериментів використано два набори даних: щоденні котирування нафти марки Brent та щомісячні показники середньої заробітної плати в Україні. Оцінювання точності прогнозів здійснено за трьома метриками — RMSE, MASE та sMAPE — з урахуванням різних горизонтів прогнозування. Дослідження показало, що результати моделювання залежать не лише від математичної природи алгоритмів, але й від специфіки їхньої реалізації у відповідних екосистемах. Встановлено, що Python і R забезпечують повноцінну підтримку всіх розглянутих моделей, тоді як у Julia на момент проведення дослідження відсутня стабільна реалізація ETS та Auto-ARIMA, через що можливості порівняння були частково обмежені. Отримані результати мають значення як для оцінювання зрілості програмних екосистем у сфері часових рядів, так і для практичного вибору інструментів у прикладних задачах прогнозування.
Посилання
2. Seabold S., Perktold J. Statsmodels: Econometric and Statistical Modeling with Python. Proceedings of the 9th Python in Science Conference (SciPy 2010). 2010. P. 57–61.
3. Saavedra R., Bodin G., Souto M. StateSpaceModels.jl: a Julia Package for Time-Series Analysis in a State-Space Framework. arXiv preprint. 2019.
4. Hyndman R. J., Koehler A. B. Another look at measures of forecast accuracy. International Journal of Forecasting. 2006. Vol. 22, No. 4. P. 679–688.
5. Hyndman R. J., Athanasopoulos G. Forecasting: Principles and Practice (3rd ed.). Melbourne: OTexts, 2021.
