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 "czasowych" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Porównanie metod estymacji VaR na polskim rynku gazu
    Comparison of VaR estimation methods on polish natural gas market
    Autorzy:
    Ganczarek-Gamrot, Alicja
    Powiązania:
    https://bibliotekanauki.pl/articles/588129.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Modele szeregów czasowych
    Rozkład stóp zwrotu
    VaR
    Time series models
    Rates of return distribution
    Opis:
    Celem pracy jest przeprowadzenie analizy porównawczej metod estymacji ryzyka zmiany ceny gazu oszacowanego za pomocą Value-at-Risk (VaR). W pracy do porównania efektywności estymacji ryzyka zmiany ceny gazu wybrano metodę symulacji Monte Carlo, w której VaR traktowany jest jako kwantyl rozkładu zmiennej losowej o rozkładzie normalnym, t-Studenta, GED oraz skośnym rozkładzie t-Studenta z VaR oszacowanym z uwzględnieniem dynamiki zmienności cen gazu za pomocą liniowych oraz nieliniowych modeli szeregów czasowych AR-GARCH. Analiza porównawcza została przeprowadzona w oparciu o wyniki testu przekroczeń Kupca na podstawie logarytmicznych stóp zwrotu wartości indeksu gas_ base notowanego na Rynku Dnia Następnego (RDN) TGE w okresie od 1 stycznia do 20 listopada 2014 roku.
    This work is aimed at comparing methods of Value-at-Risk (VaR) estimation on Polish natural gas market. Two methods of calculating VaR were examined. One of them uses a quantile of the normal, t-Student, skewed t-Student or GED distribution. Another method is based on AR-GARCH models. Empirical analysis was carried out for logarithmic rates of return of gas-base index noted on the Day Ahead Market from 1th January to 20th November 2014. Based on Kupiec test results one may say that on Polish natural gas market VaR estimates calculated by time series models are more appropriate than VaR estimates calculated as a quantile of distribution.
    Źródło:
    Studia Ekonomiczne; 2015, 219; 41-52
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nowoczesna analiza wizualna ekonomicznych szeregów czasowych
    Modern Visual Analysis of Economic Time Series
    Autorzy:
    Nowiński, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/593452.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Analiza ilościowa
    Analiza szeregów czasowych
    Metoda graficzna
    Szeregi czasowe
    Graphical method
    Quantitative analysis
    Time-series
    Time-series analysis
    Opis:
    Artykuł przedstawia metody zaawansowanej analizy wizualnej, która nie polega jedynie na badaniu podstawowych, statystycznych własności szeregów czasowych, ale przede wszystkim na próbie wykrycia pewnej złożonej, ukrytej w nich struktury. Uzyskanie takich informacji nie jest możliwe na podstawie podstawowych badań statystycznych danych szeregu czasowego ani jego wykresu w postaci pierwotnej, który jest w rzeczywistości kompletnie nieczytelny. Współczesna analiza szeregu czasowego często przypomina przepuszczenie danych szeregu przez pewien pryzmat oraz przedstawienie wyników na odpowiednio skonstruowanym wykresie w celu wizualnej identyfikacji jego określonych własności. Istnieją również metody dwustopniowe, które dodatkowo zawierają analizę ilościową i możliwości szacowania specjalnych wskaźników uzyskanych wyłącznie na podstawie takich wykresów, które same niosą wiele przydatnych informacji i mogą stanowić wskazówki przy wyborze innych metod i narzędzi badawczych (por. np. metody Recurrence Quantification Analysis lub Artificial Insymmetrised Patterns). Metody te pozwalają na odróżnienie badanego szeregu czasowego od losowego szumu, wykrycie zakłóconych procesów deterministycznych, ocenę rodzaju zależności w nim występujących, określenie stopnia stacjonarności, determinizmu i rekurencji. Mogą także pomóc w doborze metod pozwalających wykryć w danych elementy nieliniowości (a nawet chaosu deterministycznego). Inną zaletą tego podejścia jest możliwość ujawnienia w danych cykli okresowych o różnych długościach (co pozwala na bardziej skuteczne stosowanie modeli ARIMA lub wyrównywania wykładniczego, gdzie okres składnika cyklicznego musi być znany i może być wykorzystywany w pewnych modelach teoretycznych, np. średnich ruchomych lub autokorelacji). Takie własności nowoczesnej wersji metod wizualnej analizy szeregów czasowych musiały wzbudzić zainteresowanie badaczy skomplikowanych zjawisk i procesów ekonomicznych, którzy próbują je wykorzystywać do pogłębionej analizy nieliniowej, a także do efektywnego modelowania i prób prognozowania tych procesów. Jest to również powód przedstawienia urozmaiconego przeglądu tych metod w niniejszym artykule.
    The paper presents an advanced visual analysis method that does not rely only on examining of basic statistical properties of the time series, but also on attempting to detect a complex structure, hidden in the original dynamic process. Obtaining such information is not possible on the basis of the basic survey of time series data, or its graph in the original form, which is in fact completely illegible. Contemporary time series analysis of time series data is often reminiscent of passing it through a prism, and presenting the results on a properly constructed plots for visual identification of its specific properties. There are also two-step methods, which include both the possibility of quantitative analysis and estimation of specific indicators derived on the basis of such plots. They can carry a lot of useful information and provide us the guidance for the further selection of proper research of nonlinear analysis methods and tools (see eg. the methods of Recurrence Quantification Analysis and Artificial Insymmetrised Patterns). These methods allow to distinguish the analyzed time series from the random noise, to detect real deterministic processes biased with noise, to assess the type of dependencies in time series data, and to determine the degree of stationarity, determinism or recurrence. They can also help in the selection of methods to detect the nonlinearity in the data (or even deterministic chaos). Another advantage of this approach is the possibility of disclosure in data periodic cycles with periods of different lengths (for more efficient use of ARIMA and exponential smoothing models, where the period of the cyclical component must be known and can be used in certain theoretical models, eg. moving average or autocorrelation). Such properties of the modern version of visual time series analysis caused the interest of scientists trying to understand the complex economic phenomena and processes. They are trying to use it for in-depth nonlinear analysis, economic modeling and attempts of effective forecasting of these processes. This is the main reason for presenting a review of these methods in this paper.
    Źródło:
    Studia Ekonomiczne; 2015, 237; 79-91
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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:
    Stochastyczna analiza ryzyka szeregów czasowych
    Stochastic analysis of the risk of time series
    Autorzy:
    Mastalerz-Kodzis, Adrianna
    Pośpiech, Ewa
    Powiązania:
    https://bibliotekanauki.pl/articles/588658.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Modelowanie szeregów czasowych
    Pomiar ryzyka
    Stacjonarne i niestacjonarne procesy stochastyczne
    Risk analysis
    Stationary and non-stationary stochastic process
    Time-series modelling
    Opis:
    Celem artykułu jest pomiar ryzyka w przypadku stacjonarnych i niestacjonarnych szeregów czasowych. Jako narzędzie do oceny ryzyka wykorzystano funkcję Höldera generującą multiułamkowe procesy ruchów Browna. Za pomocą wybranych metod badania szeregów czasowych przeanalizowano zmienność kursów walut: USD/PLN, EUR/PLN oraz CHF/PLN. Biorąc pod uwagę historyczne i obecne trendy w szeregach czasowych oraz wartości miary zmienności wyciągnięto wnioski z badań. Artykuł składa się z dwóch części zasadniczych: elementów metodyki badań oraz analizy empirycznej.
    The aim of the article is to present the method of measuring local risk for stationary and non-stationary time series . In the article we have discussed the way of calculating risk within an area of any value of time series. As a tool enabling the assessment of the risk we have used Hölder's function generating multifractional processes of Brown's motion. With the use of selected time-series analysis methods the exchange rates volatility of the following currencies was examined: USD/PLN, EUR/PLN and CHF/PLN. The conclusions were drawn on the basis of the historical and current trends observed in the time-series and the values of variation measure. The paper comprises basic elements of research methodology as well as empirical examples.
    Źródło:
    Studia Ekonomiczne; 2017, 331; 112-122
    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
    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
      Wyświetlanie 1-7 z 7

      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