Idősorelemzés és idősor-előrejelzés

OData támogatás
Konzulens:
Dr. Pataki Béla József
Méréstechnika és Információs Rendszerek Tanszék

A szakdolgozat témája az idősor-előrejelzésre alkalmas módszerek áttekintése, implementálása, összehasonlítása, használhatóságuk feltérképezése. A módszerek igen széles spektrumát használták, javasolták már erre a célra, például a legközelebbi szomszéd alapú modellek, ARMA, ARIMA modellek, mesterséges neurális hálók, regressziós modellek, mozgó átlagolás, exponenciális simítás stb. ezek áttekintése és egy csoport kiválasztása, majd megvalósítása és tesztelése a feladat. A cél a magyar áramtőzsde következő napi árának minél pontosabb becslése.

A magyar áramtőzsde (HUPX) 2009-es indulása óta már több évnyi klíringeredmény áll rendelkezésre mélyrehatóbb elemző vizsgálatok elvégzéséhez. Ezen kívül a MAVIR adatpublikáció az elektromos rendszer pillanatnyi állapotáról is rendelkezésre állnak.

A vizsgált főbb problémák:

• A magyar tőzsdei adatok feldolgozása és elemzése

• Az összegyűjtött adatok közötti kapcsolat vizsgálata.

• A MAVIR adatok szerepe az ár alakulásában

Az elmúlt nyolc évben ráadásul háromféle környezetben is működött a magyar tőzsde: önállóan, a cseh-szlovák-magyar összekapcsolásban, valamint a 4M piac-összekapcsolásban. Az Európai Unió célja egy közös villamosenergia-piac. Az folyamatosan változó környezetben egyre fontosabb feladat lesz az árak minél pontosabb előrejelzése, a fogyasztás alakulásának meghatározása. A pontosabb előrejelzések segítik a jobb gazdasági döntéseket.

A dolgozatban megvizsgáltam többféle algoritmust. Átlagolással, mediánnal jeleztem előre következő napi adatot. Kipróbáltam az ARIMA modellt, illetve implementáltam egy legközelebbi szomszéd algoritmust, ami a napi abszolút hibával méri a napok közelségét. A legjobban az óránkénti mediánt számoló algoritmus működött, aminek az átlagos négyzetes hibája 227.034 forint lett.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.