Informacja

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

Wyszukujesz frazę "Prognozowanie szeregów czasowych" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Wpływ liczby „najbliższych sąsiadów” na dokładność prognoz ekonomicznych szeregów czasowych
Effect of the number of “nearest neighbors” on the accuracy of economic time series forecasts
Autorzy:
Miśkiewicz-Nawrocka, Monika
Powiązania:
https://bibliotekanauki.pl/articles/591526.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Metoda najbliższych sąsiadów
Prognozowanie szeregów czasowych
Rekonstrukcja przestrzeni stanów
State space reconstruction
The nearest neighbors method
Time series forecasting
Opis:
Metoda najbliższych sąsiadów jest jedną z metod prognozowania szeregów czasowych. W metodzie tej, prognozę (N+1)-go elementu ˆN+1 x szacuje się jako średnią ważoną obserwacji xi+1, gdzie wektory d i x są k najbliższymi sąsiadami wektora d N x w zrekonstruowanej d-wymiarowej przestrzeni stanów. Istotnym problemem podczas stosowania tej metody jest wyznaczenie prawidłowej liczby najbliższych sąsiadów, która powinna być brana pod uwagę przy wyznaczaniu prognoz. Głównym celem artykułu jest zbadanie wpływu liczby najbliższych sąsiadów na dokładność prognoz ekonomicznych szeregów czasowych. Badania zostały przeprowadzone w oparciu o wybrane finansowe szeregi czasowe.
One of time series forecasting method is the nearest neighbors method. In this method, the forecast for (N+1)-th element ˆN +1 x is estimated as a weighted average of observations i+1 x , where the vectors d i x are k nearest neighbors of vector d N x in the reconstructed d-dimensional state space. An important problem when using nearest neighbors method is to determine the correct number of nearest neighbors, that should be taken into account in the determination of forecasts. The aim of the article will be to research the effect of the number of nearest neighbors on the accuracy of economic time series forecasts. The test will be conducted on the basis of selected financial time series.
Źródło:
Studia Ekonomiczne; 2016, 295; 60-69
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prognozowanie szeregów czasowych aktualizacji Jednolitych Plików Kontrolnych
Forecasting of Standard Audit Files for Tax (Saf-T) updates
Autorzy:
Ćwikliński, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/589569.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza szeregów czasowych
BATS/TBATS
Dekompozycja
Jednolity Plik Kontrolny
Prognozowanie
SARIMA
Analyze of time series
BATS
Decomposition
Predicting
Standard Audit Files for Tax (SAF-T)
TBATS
Opis:
Prognozowanie szeregów czasowych stało się niezbędne w procesie kontrolowania procesów zachodzących w systemach informatycznych Ministerstwa Finansów. Wymierne w sensie finansowym są problemy braku lub niepełnej aktualizacji relacyjnej bazy danych JPK_VAT w akceptowalnym przez prawo terminie. W tym przypadku niezwykle ważna okazuje się umiejętność zastosowania nie tylko klasycznych modeli uwzględniających składniki sezonowe (np. SARIMA), ale także złożone składniki systematyczne (BATS/TBATS). Dokonano analizy szeregów czasowych pod kątem występowania składników systematycznych, postawiono prognozy i przetestowano reszty. Otrzymano i zestawiono wyniki testów wskazujące na konieczność zastosowania modelu TBATS.
The forecasting of different time series became necessary process at the Ministry of Finance IT systems. The problems with lack of information and actual updates of Standard Audit Files for Tax are known. Capabilities to choosing right predicting model of time series with complex seasonal patterns are crucial in some cases. In the article, author made the decomposition of time series with complex seasonal patterns. The results of modeling and testing indicated the best predicting (according to Mean Absolute Percentage Error) and time series decomposition method – TBATS.
Źródło:
Studia Ekonomiczne; 2019, 390; 76-90
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie metody moving block bootstrap w prognozowaniu szeregów czasowych z wahaniami okresowymi
The Use of the Moving Block Bootstrap Method in Periodic Time Series Forecasting
Autorzy:
Kończak, Grzegorz
Miłek, Michał
Powiązania:
https://bibliotekanauki.pl/articles/586452.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza szeregów czasowych
Metody statystyczne
Modele ARIMA
Prognozowanie matematyczne
Szeregi czasowe
Autoregressive integrated moving average (ARIMA) models
Mathematical forecasting
Statistical methods
Time-series
Time-series analysis
Opis:
The aim of the analysis of the time series is, among others, to facilitate the formulation of prognosis. The basis for the inference of the future variables are their future realizations. There are various methods used in time series forecasting, such as for example naïve method, Holt-Winters models, ARIMA models and various simulation methods. One of the most popular and widely used simulation method in statistical research is the bootstrap method proposed by B. Efron. It is usually applied in measuring the estimates of the variance and testing the hypotheses in cases when the distribution of the test statistic is unknown. This method does not require for the selected samples to be from the standard normal distribution population. Due to the construction of the random samples in this method, there is usually no possibility to directly apply it in the analysis of the periodic time series. In the literature written on this subject, there are the proposals to introduce some modifications to the bootstrap method that would provide the possibility to conduct such analyses. One of such methods is the moving block bootstrap. In the present essay, we will present the proposal to apply this method to create the confidential intervals for the periodic time series forecasts. The results gathered by applying that method are compared with the results obtained via the classic construction of the confidential intervals for the forecasts and on the confidential intervals based on ARIMA models.
Źródło:
Studia Ekonomiczne; 2014, 203; 91-100
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie i dekompozycja szeregów czasowych aktualizacji Jednolitych Plików Kontrolnych
Modeling and decomposition of Standard Sudit Files for Tax (SAF-T) updates
Autorzy:
Ćwikliński, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/590746.pdf
Data publikacji:
2019
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Analiza szeregów czasowych
BATS/TBATS
Dekompozycja
Jednolity Plik Kontrolny
Prognozowanie
SARIMA
Analyze of time series
BATS
Decomposition
Predicting
Standard Audit Files for Tax (SAF-T)
TBATS
Opis:
Modelowanie szeregów czasowych stało się niezbędne w procesie kontrolowania procesów zachodzących w systemach informatycznych Ministerstwa Finansów RP. Wymierne w sensie finansowym są problemy braku lub niepełnej aktualizacji relacyjnej bazy danych JPK_VAT w akceptowalnym przez prawo terminie. W tym przypad-ku niezwykle ważna okazuje się umiejętność zastosowania nie tylko klasycznych modeli uwzględniających składniki sezonowe (np. SARIMA), ale także złożone składniki systematyczne (BATS/TBATS). Dokonano analizy szeregów czasowych pod kątem występowania składników systematycznych, estymowano parametry strukturalne modeli, otrzymano i zestawiono wyniki testów wskazujące na konieczność zastosowania modelu TBATS.
The modeling different time series became necessary process at the Ministry of Finance IT systems. The problems with lack of information and actual updates of Standard Audit Files for Tax are known. Capabilities to choosing right model of time series with complex seasonal patterns are crucial in some cases. In the article, author made the decomposition of time series with complex seasonal patterns. The results of modeling and testing indicated the best predicting (according to Mean Absolute Percentage Error) and time series decomposition method – TBATS.
Źródło:
Studia Ekonomiczne; 2019, 390; 60-75
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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