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 "modele szeregów czasowych" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Modelowanie sprzedaży paliw płynnych na podstawie dziennych szeregów czasowych
    The modelling of the sales of liquid fuel for daily data
    Autorzy:
    Szmuksta-Zawadzka, M.
    Zawadzki, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/78523.pdf
    Data publikacji:
    2010
    Wydawca:
    Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
    Tematy:
    paliwa plynne
    sprzedaz
    modelowanie
    szeregi czasowe
    dane dobowe
    modele szeregow czasowych
    prognozowanie
    Opis:
    The papers present analisys of econometrical modelling of the daily retail sales of liquid fuel. There were analised one petrol station of the firm which plays important role on the fuel market. The variable was described by time series hierarchical models with two types of seasonal variations: weekly variations and 12 months ones. Additionally there were included feast-days and days before and after feast-days.
    Źródło:
    Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica; 2010, 59
    2081-0644
    Pojawia się w:
    Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    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:
    Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
    A comparison of accuracies of different air pollutants concentration prediction methods
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297662.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    modele szeregów czasowych
    modele regresyjne
    sieci neuronowe
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    approximation
    time series models
    regression models
    neural networks
    Opis:
    W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
    Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    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
      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