In the paper we discuss existing techniques for univariate time series forecasting based on the wavelet transform and introduce also a new method of forecasting with wavelets. The new approach is based on a nonparametric estimation of a stochastic signal via a wavelet smoothing. The method can be thought of as a wavelet variant of the exponential smoothing, which is, however, much more universal, being at the same time relatively computationally efficient. Our empirical verification based on 17 time series from the M3-JIF-Competition database provides very promising results, confirming the practical relevance of the suggested approach.
W artykule dyskutuje się metody wyznaczania prognoz falkowych na podstawie szeregów jednowymiarowych oraz proponuje nowe rozwiązanie w tym zakresie, oparte na nieparametrycznej estymacji losowego sygnału metodą wyrównywania falkowego. Podejście to jest falkowym odpowiednikiem metody wyrównywania wykładniczego, będąc jednak rozwiązaniem znacznie bardziej uniwersalnym przy niewiele większej złożoności obliczeniowej. Badanie empiryczne wykonane na podstawie 17 szeregów czasowych z bazy M3-IJF-Competition dostarcza bardzo obiecujących wyników, które potwierdzają przydatność proponowanego rozwiązania.
Ta pozycja jest udostępniona na licencji Attribution-NoDerivs 3.0 Poland