بهبود عملکرد روش های خودرگرسیون میانگین متحرک انباشته کلاسیک با استفاده از تکنیک های تجزیه ی تجمعی به عوامل اصلی

مدل‌های خودرگرسیون میانگین متحرک انباشته از شناخته شده‌ترین روش‌های آماری هستند. در ادبیات موضوع تلاش‌های فراوانی برای رفع نقایص و محدودیت‌های این‌گونه از مدل‌ها ارایه شده است. در این نوشتار، روشی برای مقابله با محدودیت ساختارهای پیچیده و چندگانه با استفاده از تکنیک‌های تجزیه‌ی تجمعی به عوامل اصلی ارایه شده است. در روش پیشنهادی، ابتدا سری زمانی مورد مطالعه که اساسا پیچیده و شامل چندین ساختار همزمان متفاوت است، به اجزاء تشکیل‌دهنده‌ی خود که اصولا پیچیدگی کمتری دارند و ساختارهای کمتری را نیز شامل می‌شوند، تجزیه می‌شود. سپس هریک از این ساختارهای ساده‌سازی شده با استفاده از روش خودرگرسیون میانگین متحرک انباشته، پیش‌بینی می‌شود. نهایتا نیز پیش‌بینی هریک از اجزاء اصلی به‌منظور تشکیل پیش‌بینی‌های نهایی با یکدیگر ترکیب می‌شود. نتایج حاصله از به‌کارگیری روش پیشنهادی در پیش‌بینی قیمت جهانی نفت خام که از پیچیده‌ترین سری‌های زمانی در بازارهای مالی هستند، بیان‌گر کارآمدی روش پیشنهادی است.