ПОРІВНЯЛЬНИЙ АНАЛІЗ РЕАЛІЗАЦІЇ КЛАСИЧНИХ СТАТИСТИЧНИХ МОДЕЛЕЙ ПРОГНОЗУВАННЯ ОДНОВИМІРНИХ ЧАСОВИХ РЯДІВ У PYTHON, R ТА JULIA

Abstract

В роботі здійснено порівняльний аналіз реалізації класичних статистичних моделей прогнозування одновимірних часових рядів у середовищах програмування Python, R та Julia. У дослідженні розглянуто наївні та сезонно-наївні методи, експоненційне згладжування ETS, а також автоматичний підбір параметрів авторегресійних інтегрованих моделей ковзного середнього (Auto-ARIMA). Для експериментів використано два набори даних: щоденні котирування нафти марки Brent та щомісячні показники середньої заробітної плати в Україні. Оцінювання точності прогнозів здійснено за трьома метриками — RMSE, MASE та sMAPE — з урахуванням різних горизонтів прогнозування. Дослідження показало, що результати моделювання залежать не лише від математичної природи алгоритмів, але й від специфіки їхньої реалізації у відповідних екосистемах. Встановлено, що Python і R забезпечують повноцінну підтримку всіх розглянутих моделей, тоді як у Julia на момент проведення дослідження відсутня стабільна реалізація ETS та Auto-ARIMA, через що можливості порівняння були частково обмежені. Отримані результати мають значення як для оцінювання зрілості програмних екосистем у сфері часових рядів, так і для практичного вибору інструментів у прикладних задачах прогнозування.