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 "Szupiluk, Ryszard" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Dywergencje Bosego-Einsteina w analizie podobieństw finansowych szeregów czasowych
    Bose-Einstein divergences for similarity analysis in financial time series
    Autorzy:
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/452750.pdf
    Data publikacji:
    2012
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    podobieństwo szeregów czasowych
    miary dywergencji
    dywergencja Bosego-Einsteina
    time series similarity
    divergence measures
    Bose-Einstein divergence
    Opis:
    Ocena wzajemnego podobieństwa finansowych szeregów czasowych jest jednym z problemów, w którym kwestia właściwego doboru metody analitycznej zaznacza się bardzo wyraźnie. Z reguły problem ten sprowadzany jest do analizy korelacji - co nie zawsze prowadzi do właściwych rezultatów. Często są to oceny wręcz sprzeczne ze wizualną obserwacją lub wiedzą ekspercką. Powodów takiego stanu rzeczy można upatrywać zarówno we właściwościach samej miary korelacyjnej i jej adekwatności do analizowanych danych, jak również w aspekcie metodologicznym przeprowadzanego badania. W niniejszym artykule zaproponujemy alternatywne rozwiązanie oparte na miarach dywergencji, w szczególności dywergencji Bosego-Einsteina. Przeprowadzone eksperymenty na poglądowych danych symulowanych potwierdzają użyteczność zaproponowanych rozwiązań
    The similarity assessment of the financial time series is the one of problems where the proper methodological choice is very important. The typical correlation approach can lead to misleading results. Often the similarity score is contrary to the visual observations, expert’s knowledge and even a common sense. The reasons of such situations can be associated with the properties of the correlation measure and its adequateness for analyzed data, as well as in terms of methodology aspects. In this article, we point these disadvantages associated with the use of correlation to assess the similarity of financial time series as well as we propose the alternative solution based on divergence measures. In particular, we focus on the Bose- Einstein divergence. The practical experiments with simulated data confirm the validity of our concept.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2012, 13, 3; 213-221
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wzorce na rynkach finansowych
    Patterns in financial markets
    Autorzy:
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/500146.pdf
    Data publikacji:
    2016
    Wydawca:
    Szkoła Główna Handlowa w Warszawie
    Tematy:
    wzorce na rynkach finansowych
    eksploracja danych finansowych
    systemy inwestycyjne
    financial market patterns
    financial Data Mining
    trading systems
    Opis:
    Niniejsze opracowanie poświęcone jest problemowi odkrywania wzorców na rynkach finansowych. Jest to zagadnienie wzbudzające gorące dyskusje metodologiczne oraz epistemologiczne. Dla praktyków oraz zwolenników eksploracji danych finansowych istnienie wzorców w danych finansowych jest zasadniczo oczywiste. Z kolei dla przeciwników możliwości identyfikacji wzorców rynkowych ich istnienie oznacza ekonomiczny „darmowy obiad”. Tak przeciwstawne stanowiska są motywacją dla rozważań z praktycznego, akademickiego i technicznego punktu widzenia.
    This paper is addressed for problem with financial market pasterns exploration. The financial pattern phenomena rise the hot methodological and epistemological discussions. For practitioners and adherents of financial Data Mining their existence is natural and assumed as default. On other hand opponents say that existing of visible patterns directly provide to economic “free lunch”. Such opposite standpoints are motivations to practical, academic and technical considerations from different point of view.
    Źródło:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2016, 98: Polityka gospodarcza w warunkach przemian rozwojowych; 257-267
    0866-9503
    Pojawia się w:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nowe metody analizy danych a teoria ekonomii
    New methods in data analysis and economic theory
    Autorzy:
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/500429.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Handlowa w Warszawie
    Tematy:
    nowoczesna analiza danych
    metodologia ekonomii
    ślepa separacja sygnałów
    neuroekonomia
    modern data analysis
    economic methodology
    blind signal separation
    neuroeconomy
    Opis:
    W niniejszym opracowaniu przedstawiliśmy związki między współczesnymi trendami w badaniach ekonomicznych a nowymi metodami analizy danych. Jako reprezentanta nowego nurtu analizy danych wybraliśmy metody ślepej separacji. Jest to dynamicznie rozwijająca się gałąź analizy danych, która zapoczątkowana pewnymi badaniami neurofizjologicznymi, przekształciła się w szerokie spektrum podejść rozważanych w kategoriach metod separacji, reprezentacji oraz transformacji danych. Do zasadniczych technik w tym obszarze należą przede wszystkim: analiza składowych niezależnych, nieujemna faktoryzacja macierzy oraz algorytmy AMUSE oraz SOBI. W drugiej części opracowania rozważamy różnice pozyskiwania wiedzy w podejściu indukcyjno-eksploracyjnym, którego reprezentantem mogą być metody separacji, a podejściem aprioryczno-dedukcyjnym typowym dla ortodoksyjnych nurtów ekonomii. Wykazujemy, że wbrew często opozycyjnemu ich przedstawieniu są to zasadniczo podejścia komplementarne. W naszej interpretacji wybór podejścia jest związany z relacją ilości danych do wielkości wiedzy eksperckiej o zjawisku.
    In this paper, we present relations between actual trends in economic research and novel methods in data analysis. As the representation of the new data analysis approach we choose the blind signal separation methods. Blind separation methods is a rapidly developed branch of data analysis. It started from some neurophysiological problem and grew to wide range analytical approaches which currently are considered in term of data separation, representation and transformation. The main techniques in this area are: independent component analysis, nonnegative matrix factorization or AMUSE and SOBI algorithms. In the second part of paper we consider knowledge discovery differences in inductive-exploration approach what is typical for blind signal separation methods and apriori-deductive approach what is typical for orthodox economy theories. Against often opposite treatments we suggest complementary interpretation. In our meaning the natural methodological choice is associated with relation data to expert knowledge about given phenomena. In the small data case we need to compensate it by some theorethical assumptions.
    Źródło:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2015, 95 :Podejście krótkookresowe i strategiczne w polityce gospodarczej; 245-270
    0866-9503
    Pojawia się w:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    IDENTYFIKACJA KOMPONENTÓW DESTRUKCYJNYCH W MODELACH PREDYKCYJNYCH W PODEJŚCIU WIELOMODELOWYM
    IDENTYFIKACJA KOMPONENTÓW DESTRUKCYJNYCH W MODELACH PREDYKCYJNYCH W PODEJŚCIU WIELOMODELOWYM IDENTIFICATION OF DESTRUCTIVE COMPONENTS IN PREDICTIVE MODELS WITH A MULTI-MODEL APPROACH
    Autorzy:
    Szupiluk, Ryszard
    Rubach, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/453339.pdf
    Data publikacji:
    2017
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    predykcja
    agregacja modeli
    ślepa separacja
    identyfikacja szumów
    prediction
    blind separation
    ensemble methods
    Theta noise measure
    Opis:
    W niniejszym artykule przedstawimy metodę identyfikacji komponentów destrukcyjnych występujących w podejściu wielomodelowym wykorzystującym algorytmy ślepej separacji sygnałów. Ocena charakterystyki poszczególnych komponentów dokonana zostanie na podstawie autorskich mierników zmienności/gładkości sygnałów. W celu potwierdzenia skuteczności prezentowanej metody przedstawimy praktyczny eksperyment poprawy wyników prognozy zużycia energii elektrycznej.
    In this paper we present a method of identification of destructive components in predictive models. This method may be applied in case of a multi-model approach and uses algorithms of blind signal separation. The evaluation of the characteristics of individual components will be based on the proposed metrics for evaluating the variation or smoothness of signals. In order to confirm the effectiveness of the presented method, we will present a practical experiment in which the results of the forecast of short-term electricity consumption are improved. Keywords: prediction, blind separation, ensemble methods, Theta noise measure
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2017, 18, 4; 679-688
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    FILTRACJA FINANSOWYCH SZEREGÓW CZASOWYCH METODAMI NIEUJEMNEJ FAKTORYZACJI MACIERZY
    FILTRATION OF FINANCIAL TIME SERIES USING NON-NEGATIVE MATRIX FACTORIZATION METHODS
    Autorzy:
    Szupiluk, Ryszard
    Rubach, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/453792.pdf
    Data publikacji:
    2018
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    filtracja szeregów czasowych
    estymacja trendów
    nieujemna faktoryzacja macierzy
    time-series filtration
    trend estimation
    non-negative matrix factorization
    Opis:
    W niniejszym artykule przedstawimy metodę wielowy¬miarowej filtracji do eliminacji szumów oraz estymacji trendów z finansowych szeregów czasowych. Jednym z istotnych elementów procesu filtracji będzie dekompozycja szeregów czasowych przy wykorzystaniu nieujemnej faktoryzacji macierzy. Prezentowana metoda może być wykorzystana w wielu praktycznych obszarach finansów i zarządzania jak analiza techniczna rynków, systemy inwestycyjne czy modele ryzyka.
    In this paper, we will present a method of multivariate filtration that may be used to eliminate noise and estimate trends in financial time-series. A significant element of the filtration process is the decomposition of time-series using nonnegative matrix factorization. The presented method may be applied in many practical aspects of finance and management, in particular for use in technical analysis of financial markets, trading systems or risk models.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2018, 19, 3; 284-292
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    ESTIMATING THE ROC CURVE AND ITS SIGNIFICANCE FOR CLASSIFICATION MODELS’ ASSESSMENT
    Autorzy:
    Gajowniczek, Krzysztof
    Ząbkowski, Tomasz
    Szupiluk, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/453918.pdf
    Data publikacji:
    2014
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    ROC curve
    AUC
    classification models’ assessment
    Opis:
    Article presents a ROC (receiver operating characteristic) curve and its application for classification models’ assessment. ROC curve, along with area under the receiver operating characteristic (AUC) is frequently used as a measure for the diagnostics in many industries including medicine, marketing, finance and technology. In this article, we discuss and compare estimation procedures, both parametric and non-parametric, since these are constantly being developed, adjusted and extended.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2014, 15, 2; 382-391
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    MULTIVARIATE DECOMPOSITIONS FOR VALUE AT RISK MODELLING
    Autorzy:
    Szupiluk, Ryszard
    Wojewnik, Piotr
    Ząbkowski, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/453900.pdf
    Data publikacji:
    2013
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    multivariate decompositions
    value at risk modelling
    independent components analysis
    Opis:
    This paper presents the application of independent component analysis (ICA) for value at risk modelling (VaR). The probabilistic models fitted to hidden components from the time series help to identify the independent factors influencing the portfolio value. An important issue here is the choice of the ICA algorithm, especially taking into account the characteristics of the instruments with respect to higher-order statistics. The proposed ICA-VaR concept has been tested on transactional data of selected stocks listed on Warsaw Stock Exchange.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2013, 14, 2; 240-250
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    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