(4) ci-dessous).
(3) La forme et le montant des données historiques doivent être considérées comme un compromis entre les exigences optimales du programme et les modalités pratiques de collecte de données et les exigences du client.
La meilleure longueur de l'histoire (par exemple, nombre de périodes considérées) dépend, en théorie, si le processus est stationnaire ou non stationnaire. En fait, tous les processus sont non stationnaires mais certains sont plus fixe que d'autres. Cela signifie que la moyenne de la variable de prédiction sur un ensemble est toujours en fonction du temps, mais dans certains procédés le taux de variation est suffisamment faible pour être négligée. Ce sont des processus stationnaires. Il se trouve que l'arrêt du processus plus long est le optimale (voir Ivakhnenko et Lapa).
Depuis comparaison est la base de cette méthode, nous avons le processus stationnaire idéal aride donc une longue histoire est mieux. Les problèmes pratiques de l'utilisation d'une longue histoire sont évidents, l'espace de stockage d'être une principal qui est coûteux. Le programme gère 10 périodes de l'histoire, mais, encore une fois, cela peut facilement être étendu si nécessaire. Le délai réel utilisé dépend uniquement sur les aspects pratiques des exigences du client.
Si le client est prêt à acheter et vendre à des intervalles de deux semaines, puis le délai devrait être tous les quinze jours et ainsi de suite. Si il n'a aucune idée de ce délai achat /vente, puis plus le délai sera le mieux, même si cela signifie une augmentation des problèmes de collecte de données et ainsi de suite. Aucune décision définitive n'a été prise sur ce point, car il est pas nécessaire pour l'organisation de fichier de données ou le programme lui-même.
(4) et
(5) La constante de normalisation (par exemple, la somme de tous les poids) est un compromis entre la précision et le temps de fonctionnement. Plus le nombre, meilleure est la précision, à savoir, il n'y a plus de résolution entre les poids individuels, mais il est également une complexité accrue dans l'arithmétique impliquée dans les processus de poids évolution. Un autre effet à noter est que l'arithmétique arrondi sur la division peut c