Resumen

Los enfoques de series temporales difusas presentan una importante deficiencia con respecto a los enfoques clásicos de series temporales. Esta deficiencia proviene del hecho de que todos los modelos de series temporales difusas desarrollados en la literatura utilizan variables autorregresivas (AR), sin que existan estudios que también hagan uso de variables de medias móviles (MA) con la excepción de un único estudio (Egrioglu et al. (2013)). Para eliminar esta deficiencia, es necesario que muchas de las series temporales de la vida cotidiana se expresen con modelos de medias móviles autorregresivas (ARMA) que se basen no solo en los valores retardados de las series temporales (variables AR), sino también en los valores retardados de las series de error (variables MA). Para ello, se ha desarrollado un nuevo algoritmo de solución del método de predicción de series temporales ARMA(1,1) difusas de primer orden basado en tablas de relación de grupos de lógica difusa. El nuevo método propuesto se ha comparado con algunos métodos de la bibliografía aplicándolos a las series temporales del índice nacional 100 de la Bolsa de Estambul (IMKB) y del precio del oro en lo que respecta al rendimiento de la previsión.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:enfoques de series temporales difusas, series temporales de los precios del oro, bolsa nacional de estambul, enfoques de series temporales clásicas, series temporales de la vida cotidiana, tablas de relación de grupos de lógica difusa, modelos de series temporales difusas, método de previsión de series temporales algoritmo de solución, medias móviles autorregresivas, deficiencia
• Keywords:fuzzy time series approaches, gold prices time series, istanbul stock exchange national, classical time series approaches, daily life time series, fuzzy logic group relation tables, fuzzy time series models, time series forecasting method solution algorithm, autoregressive moving averages, deficiency