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 "price forecast" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The application of trend estimation model in predicting the average selling price of timber
    Autorzy:
    Adamowicz, Krzysztof
    Górna, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/2010868.pdf
    Data publikacji:
    2020
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Drewna
    Tematy:
    wood economics
    forest economics
    price forecast
    prediction methods
    trend estimation model
    Opis:
    The article analyzes the possibility of adopting trend estimation model to predict the average selling price of timber (CGUS). The study used information about the average selling prices of timber in chosen periods (2006-2017). The data concerning the actual CGUS was used to create a trend estimation model. The models and CGUS predictions were conducted based on three different time series encompassing 5-year periods. The predicted (CGUS) trend estimation in particular years was requested based on extrapolation, which exceeded the accepted set of information used in the study to create a trend estimation model. On the basis of the conducted study it was ascertained that the method of modeling linear trend estimation should be adopted in the price prediction process. The error assessment with which the linear function formulas are burdened, it was noticed that the value of the coefficient of residual variation was between 4.40% and 7.82%. It was also noticed that the linear modeling of CGUS trend estimation, despite unfavorable values of coefficient of determination and convergence, to some extent, can be viewed as an assistance tool in the decisionmaking process in the scope of predicting the height of the analyzed price. This view was supported by the achieved predictions which were verified with the actual prices of timber. The price difference between the actual and the predicted one was between -1.59 PLN to 2.27 PLN, and in relative terms the predictive error was between 0.83 to 1.15%. In our opinion the presented research process can constitute a reference point as a comparative element to verify the results for other, new price prediction models. The process of modeling timber prices should be extended by other predicators which are connected with forest market chain.
    Źródło:
    Drewno. Prace Naukowe. Doniesienia. Komunikaty; 2020, 63, 206; 147-159
    1644-3985
    Pojawia się w:
    Drewno. Prace Naukowe. Doniesienia. Komunikaty
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of pork meat prices by selected methods as an element supporting the decision-making process
    Autorzy:
    Zielińska-Sitkiewicz, Monika
    Chrzanowska, Mariola
    Powiązania:
    https://bibliotekanauki.pl/articles/2100136.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    agricultural sector
    pork price
    forecast
    creeping trend
    ARIMA model
    Opis:
    Forecasts of economic processes can be determined using various methods, and each of them has its own characteristics and is based on specific assumptions. In the case of agriculture, forecasting is an essential element of efficient management of the entire farming process. The pork sector is one of the main agricultural sectors in the world. Pork consumption and supply are the highest among all types of meat, and Poland belongs to the group of large producers. The article analyses the price formation of class E pork, expressed in € per 100 kg of carcass, recorded from May 2004 to December 2019. The data comes from the Agri-food data portal. A creeping trend model with segments of linear trends of various lengths and the methodology of building ARIMA models are used to forecast these prices. The accuracy of forecasts is verified by forecasting ex post and ex ante errors, graphical analysis, and backcasting analysis. The study shows that both methods can be used in the prediction of pork prices.
    Źródło:
    Operations Research and Decisions; 2021, 31, 3; 137--152
    2081-8858
    2391-6060
    Pojawia się w:
    Operations Research and Decisions
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Inflation and production costs of selected agricultural products in Poland in 2022
    Inflacja a koszty produkcji wybranych produktów rolniczych w 2022 roku
    Autorzy:
    Podstawka, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/2082354.pdf
    Data publikacji:
    2022
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    agricultural production
    inflation
    price
    forecast
    produkcja rolna
    inflacja
    cena
    prognoza
    Opis:
    The aim of the paper is to present measures taken in recent years by state public authorities that affect inflation in Poland. An assessment was made of the growth in prices for purchased agricultural inputs, which was correlated with cost structures, and on this basis an increase in the production costs of basic agricultural products in 2022 was estimated. This projected increase in production costs was then related to estimated income. This made it possible to determine their growth, which would allow the current level of agricultural income to be maintained. The government rescue measures triggered by COVID-19 had three main sources of funding: expenditure of the state budget and the budget of European funds - PLN 23.2 billion, COVID-19 Counteracting Fund - PLN 92.7 billion, and financial shields of the Polish Development Fund - PLN 63.5 billion, While the government's intervention activities, under the conditions of the crisis, should be assessed positively, their methods of implementation should be assessed critically. Financial support under the shields was given to companies that showed a decline in turnover caused by the coronavirus pandemic. As a result, those companies that may have deliberately created the conditions to receive support were supported. In all analyzed types of agricultural crop production activities in 2022, there will be an increase in the cost of their production by about 50-60%. The exception will be the production of rye, where the cost increase will be even higher.
    Celem opracowania było przedstawienie działań podejmowanych, w ostatnich latach, przez państwowe władze publiczne wpływających na inflację w Polsce. Na tym tle dokonano oceny wzrostu cen na rolnicze kupowane środki produkcji, które skorelowano ze strukturą kosztów i na tej podstawie oszacowany został wzrost kosztów produkcji podstawowych produktów rolniczych w 2022 roku. Następnie ten prognozowany wzrost kosztów produkcji odniesiono do szacowanych przychodów. Pozwoliło to ustalić ich wzrost, który umożliwiałby utrzymanie dotychczasowego poziomu dochodów rolniczych. Działania ratunkowe rządu wywołane przez COVID-19 miały trzy główne źródła finansowania: ∑ wydatki budżetu państwa i budżetu środków europejskich – 23,2 mld zł, ∑ Fundusz Przeciwdziałania COVID-19 – 92,7 mld zł, ∑ tarcze finansowe Polskiego Funduszu Rozwoju – 63,5 mld zł, O ile działania interwencyjne rządu, w warunkach kryzysu, należy ocenić pozytywnie, to ich sposoby realizacji krytycznie. Wsparcie finansowe w ramach tarcz otrzymały firmy, które wykazywały spadek obrotów spowodowany pandemią koronawirusa. W efekcie wspierano te firmy, które być może celowo tworzyły warunki do otrzymania wsparcia. Firmy dobrze prosperujące w warunkach COVID-19 takiego wsparcia były natomiast pozbawione. We wszystkich analizowanych rodzajach działalności produkcji rolniczej roślinnej w 2022 roku nastąpi wzrost kosztów ich wytwarzania o około 50-60% Wyjątkiem będzie produkcja żyta, gdzie wzrost kosztów będzie jeszcze wyższy.
    Źródło:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Polityki Europejskie, Finanse i Marketing; 2022, 27[76]; 89-98
    2081-3430
    Pojawia się w:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Polityki Europejskie, Finanse i Marketing
    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 1-4 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