Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "vector model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Monte Carlo Analysis of Forecast Error Variance Decompositions under Alternative Model Identification Schemes
    Badanie dekompozycji wariancji błędów prognozy przy różnych schematach identyfikacji modeli wektorowej autoregresji za pomocą metody Monte Carlo
    Autorzy:
    Staszewska-Bystrova, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/654622.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    dekompozycja wariancji błędów prognozy
    strukturalne modele wektorowej autoregresji
    restrykcje długookresowe
    restrykcje krótkookresowe
    forecast error variance decomposition
    structural vector autoregressive model
    long-run restrictions
    short-run restrictions
    Opis:
    Celem artykułu jest zbadanie dokładności estymacji parametrów dekompozycji wariancji błędów prognozy dla strukturalnych modeli wektorowej autoregresji zidentyfikowanych z użyciem restrykcji na parametry krótko‑ i długookresowe. W analizie wykorzystano eksperymenty Monte Carlo. Wykazano, że dla procesów o pierwiastkach, których wartość zbliżona jest do jedności, wybrane parametry dekompozycji wariancji błędów prognozy można oszacować z większą precyzją przy założeniu trójkątnej macierzy mnożników długookresowych niż przy restrykcji trójkątnej macierzy mnożników bezpośrednich. Uzyskane wyniki wnoszą wkład do dyskusji dotyczącej zalet i wad różnych schematów identyfikacji przez wskazanie kontrprzykładów dla hipotezy, że wykorzystanie restrykcji krótkookresowych prowadzi do mniejszych błędów szacunku niż zastosowanie restrykcji na parametry długookresowe.
    The goal of the paper is to investigate the estimation precision of forecast error variance decomposition (FEVD) based on stable structural vector autoregressive models identified using short‑run and long‑run restrictions. The analysis is performed by means of Monte Carlo experiments. It is demonstrated that for processes with roots close to one, selected FEVD parameters can be estimated more accurately using recursive restrictions on the long‑run multipliers than under recursive restrictions on the impact effects of shocks. This finding contributes to the discussion of pros and cons of using alternative identification schemes by providing counterexamples for the notion that short‑run identifying restrictions lead to smaller estimation errors than long‑run restrictions.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 5, 338; 115-131
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Extracting Class Description from Support Vector Machines
    Profilowanie klas w metodzie wektorów nośnych
    Autorzy:
    Trzęsiok, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/904801.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Support Vector Machines
    knowledge extraction
    model interpretability
    Opis:
    Support Vector Machines (SVMs) belong to the group of Data Mining and Machine Learning methods. SVMs are considered to be one of the best classification methods in terms of performance measure. The biggest disadvantage of SVMs is their lack of interpretability. Additional procedures can be applied that enable knowledge extraction. We present such a procedure that uses the information embedded in support vectors – the observations that define the classification function. We use recursive partitioning applied to support vectors to increase the interpretability of SVMs.
    Metoda wektorów nośnych (SVM) należy do grupy statystycznych metod uczących się. Jak większość metod z tej grupy, metoda SVM buduje modele o bardzo dobrych własnościach predykcyjnych, lecz niewielkiej interpretowalności. W celu uzyskania dodatkowej wiedzy –stosuje się dodatkowe procedury wspomagające interpretowanie wyników modelowania. W artykule przedstawiono procedurę wykorzystującą informacje zawarte w wektorach nośnych – obserwacjach istotnie wpływających na postać wyznaczonej funkcji dyskryminującej. Intepretowalność modelu końcowego uzyskano dzięki zastosowaniu modelu rekurencyjnego podziału do dyskryminacji wyznaczonych wektorów nośnych.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 286
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Studying the Stock Market – Economic Activity Nexus in Poland with a VAR‑VECM Approach
    Badanie współzależności pomiędzy rynkiem akcji a poziomem aktywności gospodarczej w Polsce z wykorzystaniem metodologii VAR‑VECM
    Autorzy:
    Pietraszewski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/655935.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    WIG
    produkt krajowy brutto
    autoregresja wektorowa
    kointegracja
    model korekty błędem
    Gross Domestic Product
    vector autoregression
    cointegration
    error correction model
    Opis:
    W artykule omówiono związki pomiędzy koniunkturą giełdową a realną aktywnością gospodarczą oraz przedstawiono wyniki badania współzależności pomiędzy zmianami głównego indeksu akcji na GPW w Warszawie (WIG) oraz PKB w Polsce w latach 1995–2019. W wielu studiach empirycznych dla krajów wysoko rozwiniętych wykazano istnienie nie tylko dynamicznych interakcji krótkookresowych, ale również długoterminowej relacji kointegrującej pomiędzy poziomami indeksu i produktu. Dotychczasowe badania dla Polski wskazywały głównie na związki krótkookresowe pomiędzy stopami zwrotu z akcji a zmianami aktywności gospodarczej, podczas gdy dowody na istnienie długookresowej relacji kointegrującej są jak dotąd nieliczne. W artykule zastosowano metodologię VAR‑VECM oraz procedurę Johansena do badania kointegracji dla znacznie dłuższego szeregu danych kwartalnych niż w prowadzonych do tej pory badaniach. Badanie wykazało, że stopy zwrotu z akcji są przyczyną w sensie Grangera dla zmian PKB, przy czym wyprzedzenie w czasie sięga do trzech kwartałów. Znaleziono również dowody na istnienie długoterminowej relacji kointegrującej.
    The paper discusses the links between stock market performance and real economic activity and presents results of an empirical inquiry into dynamic relationships between the main stock index quoted on the Warsaw Stock Exchange (WIG) and GDP in Poland over the years 1995–2019. In many empirical studies for highly developed countries not only short‑run dynamic interactions but also a long‑run cointegrating relationship between the stock index and output have been found. Previous studies for Poland reported mainly short‑run linkages between stock returns and changes of economic activity whereas the evidence for a long‑run cointegrating relationship is still quite scarce. In this paper, the VAR‑VECM methodology with the Johansen tests for cointegration is used to study a substantially longer quarterly data interval than has been investigated so far. Research results show that stock returns Granger‑cause GDP growth with up to three‑quarters lead. The evidence for the existence of a long‑term cointegrating relationship has also been found.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2020, 3, 348; 65-89
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies