Informacja

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

Wyszukujesz frazę "forecast quality" wg kryterium: Wszystkie pola


Wyświetlanie 1-2 z 2
Tytuł:
Jakość prognostyczna wskaźników testu koniunktury przemysłowej dla Polski w przekroju województw
Forecast quality of indicators of industrial tendency survey across Voivodeships of Poland
Autorzy:
Kaźmierska-Zatoń, Maria
Zatoń, Wojciech
Powiązania:
https://bibliotekanauki.pl/articles/424766.pdf
Data publikacji:
2014
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
industrial tendency survey
forecast quality
forecasting at the regional level
Opis:
In this article the evaluation of the quality of indicators of industrial tendency survey in the Polish voivodeships in the short-term is presented. The attention is focused on the multi-faceted comparison of forecasts and assessments of the economic situation expressed by entrepreneurs. The tools used in the study are: graphic description and quantitative measures (Pearson correlation coefficient, a sign consistency index, a dynamic direction consistency index, sMAPE and Theil coefficients). Data source used were monthly data published by the CSO on the industrial tendency survey. Considering average values, both across voivodeships and some distinguished business characteristics, monthly assessments and forecasts of industrial tendency are consistent. Forecast quality of industrial tendency survey can be described as satisfactory. However, there are relatively large differences in the forecast quality across voivodeships as well as across business characteristics. The quality of the forecasts in terms of the direction consistency is clearly better than regarding the scale of the error.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2014, 4(46); 85-97
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Predicting oil prices
Prognozowanie cen ropy naftowej
Autorzy:
Ejdys, J.
Halicka, K.
Winkowski, C.
Powiązania:
https://bibliotekanauki.pl/articles/256449.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
forecasting
forecast quality
price
crude oil
Holt-Winters model
artificial neural networks
prognozowanie
jakość prognozy
cena
ropa naftowa
model Holta-Wintersa
sztuczna sieć neuronowa
Opis:
The purpose of this article is the use of artificial intelligence methods and exponential smoothing methods to determine the short-term forecast of BRENT oil prices. Another important objective of the research is to conduct a comparative analysis of the quality of the forecasts and make recommendations concerning the constructed forecasting models. Historical data used in this study came from the London Stock Exchange and covered the period from January 2012 to April 2013. The selection of forecasting models was based on the visual decomposition of the time series. The comparative analysis of the quality of the forecasts was carried out, inter alia, on the basis of such measures as mean error (ME), mean absolute error (MAE), root of mean squared error (RMS), mean relative error (MAPE), and the relative error (APE).
Celem niniejszego artykułu jest zastosowanie metod sztucznej inteligencji oraz metod wygładzania wykładniczego do wyznaczenia krótkookresowej prognozy ceny ropy naftowej BRENT. Kolejnym istotnym celem badań jest przeprowadzenie analizy porównawczej jakości otrzymanych prognoz i dokonanie rekomendacji zbudowanych modeli prognostycznych. Dane historyczne wykorzystane w niniejszym badaniu pochodziły z giełdy London Stock Exchange i obejmowały okres od stycznia 2012 r. do kwietnia 2013 r. Wyboru modeli prognostycznych dokonano na podstawie wizualnej dekompozycji szeregu czasowego. Analiza porównawcza jakości otrzymanych prognoz została przeprowadzona między innymi na podstawie takich miar jak średni błąd (ME), średni bezwzględny błąd (MAE), pierwiastek ze średniego kwadratowego błędu (RMS), średni względny błąd (MAPE) oraz względny błąd (APE).
Źródło:
Problemy Eksploatacji; 2014, 1; 5-13
1232-9312
Pojawia się w:
Problemy Eksploatacji
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