یک الگوریتم موازی برای پیش بینی تغییرات در سری های زمانی مالی

این تحقیق به دنبال ارائه یک روش سریع و بهینه برای انجام عملیات پیش بینی تغییرات در یک سری زمانی مالی می باشد مولف ابتدا تعریفی از یک سری زمانی مالی ارائه می دهد سپس از میان روش های موجود برای مدل کردن و تحلیل کردن سری های زمانی مالی مانند فیلتر کالمن Kalman Filter و ماشین های پشتیبانی بردار Support Vectore Machine و مدل مخفی مارکوف (Hidden Markov Model مدل مخفی مارکوف انتخاب می شود این مدل یک مدل اماری است که به دلیل پایه ریاضی قوی می تواند سیستم پیش بینی کننده یک سری زمانی مالی را پاسخگو باشد این تحقیق روش موازی سازی الگوریتم پیشرونده Forward Algorithm در پزوهش نلسن و سند را مد نظر قرار می دهد و با بازنویسی فرمول محاسبه کننده احتمال مشاهدات مقادیر متغییر آلفا در الگوریتم پیشرونده روشی جدید ارائه می گردد مرتبه الگوریتمی روش ارائه شده بهبود پشم گیری را نشان می دهد همچنین نتایج شبیه سازی های انجام شده برای روش پیشنهادی و پیاده سازی ترتیبی نشان می دهد که زمان الگوریتم پیشنهادی کاهش قابل توجهی داشته است

کلیدواژه ها:

مدل مخفی مارکوف ، پیش بینی سری زمانی مالی ، الگوریتم موازی