The 3 reference contexts in paper Irina Orlova V., Viktor Turundaevskiy B., Ирина Орлова Владленовна, Виктор Турундаевский Борисович (2016) “КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ИПОТЕЧНОГО КРЕДИТОВАНИЯ // SHORT-TERM FORECASTING OF MORTGAGE LENDING” / spz:neicon:statecon:y:2013:i:6:p:175-177

  1. Start
    8121
    Prefix
    После выбора порядка d модели мы фактически анализируем не сам ряд, а его разности порядка d, а его идентификация сводится к идентификации АРСС(p,q) – модели, модели авторегрессии – скользящего среднего. Для определения p и q мы воспользуемся характерными свойствами модели, основанными на поведении её автокорреляционной (АКФ) и частной автокорреляционной (ЧАКФ) функций
    Exact
    [1]
    Suffix
    . Модель АРСС(p, q) имеет параметры авторегрессии p и скользящего среднего q, если АКФ и ЧАКФ обладают следующими свойствами: АКФ – осциллирующее или прямое убывание коэффициентов автокорреляции r(k), начиная с k = q, ЧАКФ – осциллирующее или прямое убывание частных коэффициентов автокорреляции rчастн(k), начиная с k = p.
    (check this in PDF content)

  2. Start
    9255
    Prefix
    Большой порядок авторегрессии (р = 4), скорее всего, объясняется наличием псевдо-сезонности, d – порядок разностного оператора равен 1, q – параметр процесса скользящего среднего тоже равен 1. Параметры модели, полученные в программе VSTAT
    Exact
    [2]
    Suffix
    , приведены в табл. 1. 3. Прогнозирование выдачи ипотечных кредитов С помощью программы VSTAT была выполнена проверка адекватности и точности построенной модели. Качество модели довольно высокое, уравнение значимо, свойство независимости остатков выполняется (критерий Дарбина – Уотсона равен 1,8), распределение остатков нормальное.
    (check this in PDF content)

  3. Start
    11095
    Prefix
    Заключение Выбор модели для прогноза ипотечного кредитования оказался не простым. Модели АРИСС, близкие по параметрам к выбранной, не дали более хороших результатов. Не дали результатов и модели экспоненциального сглаживания, которые неплохо зарекомендовали себя в прошлом
    Exact
    [3]
    Suffix
    . Возможно, более хорошие результаты можно было бы получить, если бы исходные данные были бы более чем за два года. В этом случае, скорее всего, удалось бы выявить сезонную составляющую. Из данных за 2 года видно, что периоды роста и падения объёмов кредитов совпадают почти по всем месяцам года, исключая летние месяцы, что вполне объяснимо.
    (check this in PDF content)