An improved SSA forecasting result based on a filtered recurrent forecasting algorithm

La technique d'analyse du spectre singulier (SSA) est une méthode puissante et non paramétrique dans le domaine de l'analyse des séries temporelles. Elle connaît depuis ces dernières années une popularité croissante en raison de son large éventail d'applications. La prévision récurrente est l'une des plus importantes méthodes de prévision en SSA. Dans ce texte, nous améliorons la précision de ces prévisions récurrentes en introduisant un nouvel algorithme. Dans notre approche, les coefficients récurrents sont engendrés à partir d'une série filtrée qui a un bruit moindre, ce qui permet d'obtenir de meilleures prévisions. Nous comparons cette nouvelle méthode avec celle établie, en la testant sur des applications à diverses séries temporelles, réelles ou simulées. Les résultats confirment que la nouvelle méthode produit des prévisions plus précises.