Детальная информация

Название Investigation of platinum price seasonality using high-order autoregression // Technoeconomics: an international journal. – 2025. – Vol. 4, № 2. — С. 70-79
Авторы Klimentov A. R.
Выходные сведения 2025
Коллекция Общая коллекция
Тематика Экономика ; Математическая экономика. Эконометрика ; Экономика металлургической промышленности ; platinum ; seasonal prices ; price forecasting ; high-order autoregression ; time series analysis ; autoregressive modeling ; платина ; сезонные цены ; прогнозирование цен ; авторегрессия высокого порядка ; анализ временных рядов ; авторегрессионное моделирование
УДК 330.4 ; 338.45:621.7
ББК 65в631 ; 65.305.2
Тип документа Статья, доклад
Тип файла PDF
Язык Английский
DOI 10.57809/2025.4.2.13.7
Права доступа Свободный доступ из сети Интернет (чтение, печать, копирование)
Дополнительно Новинка
Ключ записи RU\SPSTU\edoc\76792
Дата создания записи 03.09.2025

Разрешенные действия

Прочитать Загрузить (1,2 Мб)

Группа Анонимные пользователи
Сеть Интернет

This research investigates platinum price seasonality using high-order autoregressive modeling. The research object is daily platinum price dynamics (LME data, 2015-2024), focusing on long-term dependencies and cyclical patterns. The method employs stepwise decomposition of a 270-day lag autoregression AR(270) into computationally efficient 15-day lag sub-models, enabling significance testing of all coefficients while minimizing resource demands. Results identify the one-day lag as the dominant predictor, with marginal effects at 6-15-day lags and MAPE (1.15%) confirm model robustness. Conclusions indicate no statistically significant weekly cycles due to the overwhelming influence of short-term lags, though the method’s applicability in low-resource environments (e. g., Microsoft Excel) facilitates accessible highorder autoregression.

В данном исследовании изучается сезонность цен на платину с использованием авторегрессионного моделирования высокого порядка. Объектом исследования является ежедневная динамика цен на платину (данные LME за 2015-2024 гг.) с акцентом на долгосрочные зависимости и циклические закономерности. Метод использует пошаговую декомпозицию авторегрессии AR(270) с запаздыванием в 270 дней на эффективные в вычислительном отношении подмодели с запаздыванием в 15 дней, что позволяет проверять значимость всех коэффициентов при минимизации затрат ресурсов. Результаты показывают, что задержка на один день является доминирующим предиктором, с незначительными эффектами при задержке на 6-15 дней, а MAPE (1,15%) подтверждает надежность модели. Выводы указывают на отсутствие статистически значимых недельных циклов из-за подавляющего влияния краткосрочных задержек, хотя применимость метода в средах с низким уровнем ресурсов (например, Microsoft Excel) облегчает доступ к авторегрессии высокого порядка.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Все

Количество обращений: 17 
За последние 30 дней: 17

Подробная статистика