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 "correction model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Determinanty cen ropy naftowej
    Determinants of crude oil prices
    Autorzy:
    Socha, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/282333.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    ceny ropy naftowej
    WTI
    model korekty błędem
    kointegracja
    crude oil prices
    error-correction model
    cointegration
    Opis:
    Celem artykułu jest próba identyfikacji oraz oceny stopnia wpływu najważniejszych czynników kształtujących ceny ropy naftowej WTI. Podjęcie takiej tematyki stanowi nawią- zanie do dyskusji prowadzonych przez innych badaczy rynku na łamach światowej literatury oraz podejmowanych przez nich prób określenia przyczyn silnych wahań cen surowca z lat 2007–2009. Z jednej strony w okresie tym obserwowano silne fluktuacje wielkości popytu na ropę naftową, tj. w latach 2000–2007 odnotowano ponadprzeciętny wzrost zapotrzebowania na surowiec (szczególnie w krajach azjatyckich), by w okresie kryzysu finansowego obserwować jego nagły spadek. Rosnący popyt i ceny surowca wpłynęły na zwiększenie przez firmy wydobywcze nakładów na rozpoznanie nowych złóż, czego wynikiem jest obserwowany na terenie Ameryki Północnej po 2013 roku silny wzrost wydobycia ze złóż niekonwencjonalnych. Z drugiej strony początek XXI wieku przyniósł rekordowy wzrost obrotu instrumentami finansowymi opartymi na cenach ropy naftowej. W pierwszej części artykułu zaprezentowano przegląd najważniejszych prac empirycznych w obszarze będącym przedmiotem pracy. Weryfikacja postawionego problemu badawczego opierała się na przeprowadzonej analizie kointegracji z wykorzystaniem metody Johansena oraz w drugim kroku estymacji modelu korekty błędem. Próba, na podstawie której dokonano oszacowania, to lata 2002–2014, a więc uwzględniono szczególnie istotny dla historii handlu ropą naftową okres tzw. trzeciego szoku cenowego z lat 2007–2008. Otrzymane rezultaty pozwalają wnioskować, że wpływ na procesy cenotwórcze na rynku czarnego złota mają zarówno czynniki popytowo-podażowe, jak i te związane z obrotem kontraktami terminowymi na ropę naftową. Co ważne, determinanty z pierwszej kategorii, a więc te o charakterze fundamentalnym, silniej rzutują na kształtowanie się cen. Dodatkowo można przypuszczać, że wzrost liczby transakcji futures zawieranych przez podmioty utożsamiane ze spekulacyjnymi (niezwiązane bezpośrednio z przedmiotowym rynkiem) może wpływać destabilizująco na zmiany cen ropy naftowej.
    The article aims to identify and evaluate the degree of influence of the most important factors determining the price of WTI crude oil. This theme of research is fully consistent with discussions in the world literature about the reasons of strong fluctuations of crude oil prices in the years 2007–2009. On the one hand, in that period we observed strong fluctuations in oil demand, especially years 2000–2007 are interesting because we noticed a strong increase in consumption (the highest growth in Asian countries) and other period is the financial crisis when it plummeted. Increasing demand and crude oil prices were the main factors considered by oil refineries as an incentive for boosting budgets for oil fields discovery. Clearly, it resulted with a growth of extraction from the unconventional oil resources. On the other hand 21st century has brought a record growth in the trading of crude oil futures. In the first part of this article a review of the most significant empirical research has been presented. Empirical investigation was conducted using cointegration analysis (Johansen method) and in the second step estimating an error correction model. In this study we have used the sample of years 2002–2014, which are particularly relevant because it covers the years 2007–2009, when we have observed third crude oil price shock. The results of this study show that impact on the price – setting mechanism have not only supply – demand factors, but also trade of crude oil futures. However, determinants from the first group have stronger influence on WTI prices. Furthermore, it can be confirmed that the increase in a number of futures transactions is reinforcing changes of oil prices. Especially when we consider these transactions, that are taken by organizations perceived as speculative.
    Źródło:
    Polityka Energetyczna; 2017, 20, 1; 49--66
    1429-6675
    Pojawia się w:
    Polityka Energetyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An improved GM(1.1) model with background value optimization and Fourier-series residual error correction and its application in cost forecasting of coal mine
    Ulepszony model GM(1,1) z optymalizacją wartości tła i korekcją błędów resztkowych szeregów Fouriera oraz jego zastosowanie w prognozowaniu kosztów kopalni węgla kamiennego
    Autorzy:
    Liu, Di
    Li, Guoqing
    Chanda, Emmanuel K.
    Hu, Nailian
    Ma, Zhaoyang
    Powiązania:
    https://bibliotekanauki.pl/articles/216495.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    cost forecasting
    dynamic grey model
    background value optimization
    Fourier series
    residual error correction
    prognozowanie kosztów
    dynamiczny model szary
    optymalizacja wartości tła
    korekcja błędów resztkowych
    szeregi Fouriera
    Opis:
    This paper researches the application of grey system theory in cost forecasting of the coal mine. The grey model (GM(1.1)) is widely used in forecasting in business and industrial systems with advantages of minimal data, a short time and little fluctuation. Also, the model fits exponentially with increasing data more precisely than other prediction techniques. However, the traditional GM(1.1) model suffers from the poor anti-interference ability. Aimed at the flaws of the conventional GM(1.1) model, this paper proposes a novel dynamic forecasting model with the theory of background value optimization and Fourier-series residual error correction based on the traditional GM(1.1) model. The new model applies the golden segmentation optimization method to optimize the background value and Fourier-series theory to extract periodic information in the grey forecasting model for correcting the residual error. In the proposed dynamic model, the newest data is gradually added while the oldest is removed from the original data sequence. To test the new model’s forecasting performance, it was applied to the prediction of unit costs in coal mining, and the results show that the prediction accuracy is improved compared with other grey forecasting models. The new model gives a MAPE & C value of 0.14% and 0.02, respectively, compared to 1.75% and 0.37 respectively for the traditional GM(1.1) model. Thus, the new GM(1.1) model proposed in this paper, with advantages of practical application and high accuracy, provides a new method for cost forecasting in coal mining, and then help decision makers to make more scientific decisions for the mining operation.
    W pracy zbadano zastosowanie teorii szarego systemu w prognozowaniu kosztów kopalni węgla. Szary model (GM(1,1)) jest szeroko wykorzystywany w prognozowaniu w systemach biznesowych i przemysłowych z niewielką ilością danych, krótkim czasem i nieznacznymi wahaniami. Ponadto model dopasowuje wykładniczo dane bardziej dokładnie niż inne techniki prognozowania. Jednak tradycyjny model GM(1,1) ma słabą zdolność przeciwdziałania zakłóceniom. Mając na uwadze wady konwencjonalnego modelu GM(1,1), w artykule zaproponowano – w oparciu o tradycyjny model GM(1,1) – nowy model dynamicznego prognozowania z teorią optymalizacji wartości tła i korektą błędów resztkowych szeregów Fouriera. Nowy model stosuje metodę optymalizacji złotej segmentacji do optymalizacji wartości tła oraz teorię szeregów Fouriera w celu wyodrębnienia okresowych informacji w szarym modelu prognozowania, aby skorygować błąd resztkowy. W proponowanym modelu dynamicznym najnowsze dane są stopniowo dodawane, podczas gdy najstarsze – usuwane z oryginalnej sekwencji danych. Aby przetestować dokładność prognozowania nowego modelu, zastosowano go do prognozowania kosztów jednostkowych pozyskania węgla, a wyniki pokazują, że dokładność prognozowania jest lepsza w porównaniu z innymi szarymi modelami prognozowania. Nowy model daje wartości MAPE & C wynoszące odpowiednio 0,33% i 0,07, w porównaniu z odpowiednio 1,1% i 0,3 dla tradycyjnego modelu GM(1,1). Zatem zaproponowany w artykule, ulepszony model GM(1,1) z zaletami praktycznego zastosowania i wysoką dokładnością, jest nową metodą prognozowania kosztów w górnictwie węgla, która ułatwia decydentom podejmowanie decyzji ugruntowanych naukowo dotyczących operacji pozyskania węgla.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2019, 35, 3; 75-98
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      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