Wpływ metody redukcji szumu losowego na dokładność prognoz ekonomicznych szeregów czasowych

Od momentu pojawienia się w literaturze pojęcia deterministycznego chaosu można zaobserwować ogromny wzrost zainteresowania wielu badaczy teorią nieliniowych układów dynamicznych. Owo zainteresowanie zaowocowało pojawieniem się nowych metod predykcji szeregów czasowych, tj. metody największego wykładnika Lapunowa oraz metody najbliższych sąsiadów. Rzeczywiste szeregi czasowe są zwykle zaburzone przez szum losowy, który może komplikować problem ich prognozowania. Obecność szumu w danych może znacząco wpływać na jakość otrzymanych prognoz, dlatego głównym celem artykułu będzie ocena dokładności prognozowania szeregów czasowych poddanych procesowi redukcji szumu losowego oraz ocena efektywoności wybranej metody redukcji.

Since the deterministic chaos appeared in the literature, we have observed a huge increase of interest in nonlinear dynamic systems theory among researchers. This interest has led to the creation of new methods of time series prediction, e.g. the method of the largest Lyapunov exponent and the nearest neighbors. Real time series are usually distributed by random noise, which can complicate the problem of time series forecasting. As the presence of noise in the data can significantly affect the quality of forecasts, the aim of the article is to evaluate the accuracy of predicting the time series filtered using the nearest neighbor method and the effectiveness of the chosen method of reduction.