Изменения
→NNETAR
Модель можно описать уравнением
$y_t = f(y_{t-1}) + \epsilon_t$ <br>
где $y_{t-1} = (y_{t-1}, y_{t-2}, ...)'$ - вектор, содержащий запаздывающие значения , <br>f - нейронная сеть, с 4 скрытыми узлами в каждом слое , <br>$\epsilon_t$ - считаем, что ряд ошибок --- гомокседастичен( и возможно имеет нормальное распределение)
Мы можем моделировать будущие выборочные пути этой модели итеративно, случайным образом генерируя значение для $\epsilon_t$ либо из нормального распределения, либо путем повторной выборки из исторических значений. Так что если
$\epsilon_{T+1}*$
{{--- }} случайная выборка из распределения ошибок в момент времени $T+1$,<br> тогда $y_{T+1}* = f(y_T) + \epsilon_{T+1}*$ {{--- }} один из возможных вариантов распределения прогнозов для $y_{T+1}$ <br>
Установив $y_{T+1}* = (y_{T+1}*, y_{T})'$, мы можем повторить процесс, чтобы получить $y_{T+2}* = f(y_{T+1}) + \epsilon_{T+2}$. <br>
