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 "Dane wysokiej częstotliwości" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Prognozowanie zmienności polskich indeksów giełdowych za pomocą modeli GARCH przy użyciu danych wysokiej częstotliwości
    Forecasting Polish Stock Indices Volatility Using GARCH Models and High Frequency Data
    Autorzy:
    Doman, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/906663.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    prognozowanie
    zmienność zrealizowana
    GARCH
    dane wysokiej częstotliwości
    Opis:
    The notion of daily realized volatility introduced by Andersen and Bollerslev gave a new impulse to research connected with modeling and forecasting the volatility of financial returns using GARCH models. Daily realized volatility is a sum of squared intraday returns. Volatility forecasts obtained from GARCH models improve when instead of daily squared returns they are evaluated against the realized volatility. In this paper we calculate and investigate volatility forecasts for stock indices from the Warsaw Stock Exchange delivered by GARCH models with realized volatility as an additional explanatory variable.
    Wprowadzone przez Andersena i Boilersleva pojęcie dziennej zmienności zrealizowanej dało nowy impuls badaniom poświęconym modelowaniu i prognozowaniu zmienności cen instrumentów finansowych przy użyciu modeli GARCH. Dzienna zmienność zrealizowana jest określona jako suma kwadratów zwrotów śróddziennych. Odnoszenie dziennych prognoz modeli GARCH do tak rozumianej zmienności zwykle znacznie poprawia jakość prognozy. Praca poświęcona jest prognozowaniu dziennej zmienności zrealizowanej indeksów Warszawskiej Giełdy Papierów Wartościowych za pomocą modeli z rodziny GARCH, w których opóźniona dzienna zmienność zrealizowana została również wprowadzona jako dodatkowa zmienna objaśniająca.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 177
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie danych wysokiej częstotliwości w prognozowaniu zmienności polskich indeksów giełdowych za pomocą modeli zmienności stochastycznej
    Application of High-Frequency Data in Forecasting Polish Stock Indices by Means of Stochastic Volatility Models
    Autorzy:
    Doman, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/906667.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    prognozowanie
    zmienność stochastyczna
    zmienność zrealizowana
    dane wysokiej częstotliwości
    Opis:
    Stochastic volatility (SV) models form a class of models applied to financial instrument volatility forecasting that is alternative to the one consisting of better known GARCH models. In contrast to GARCH models, the time-varying volatility in SV models is described by means of two uncorrelated stochastic processes. In this paper we apply stochastic volatility models to forecasting the daily volatility of the Warsaw Stock Exchange indices. The obtained forecasts are evaluated against the daily realized volatility understood as a sum of squared intraday returns. We also investigate the impact of entering the realized volatility as an additional explanatory variable on the quality of the forecasts.
    Modele zmienności stochastycznej (SV) stanowią drugą, obok bardziej znanych modeli typu GARCH, klasę modeli wykorzystywanych do prognozowania zmienności instrumentów finansowych. W przeciwieństwie do modeli rodziny GARCH, w modelach SV ewolucja zmienności w czasie jest opisywana za pomocą dwóch nieskorelowanych procesów stochastycznych. W niniejszym artykule modele SV są stosowane do prognozowania dziennej zmienności indeksów Giełdy Papierów Wartościowych w Warszawie. Otrzymywane prognozy odnoszone są do dziennej zmienności zrealizowanej, rozumianej jak o suma kwadratów zwrotów śróddziennych. Ponadto badany jest wpływ, jaki na jakość prognoz ma wprowadzenie do modelu SV dziennej zmienności zrealizowanej jako dodatkowej zmiennej objaśniającej.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 177
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie dziennej zmienności indeksu WIG określonej za pomocą danych o wyższej częstotliwości
    Forecasting the Daily Volatility Defined with High-Frequency Data for the Stock Index WIG
    Autorzy:
    Doman, Małgorzata
    Doman, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/905229.pdf
    Data publikacji:
    2003
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    prognozowanie
    zmienność zrealizowana
    GARCH
    dane o wysokiej częstotliwości
    Opis:
    It is generally acknowledged that squared daily returns on a financial instrument provide a poor approximation of its daily volatility. It was first pointed out by Andersen and Bollerslev that more accurate estimates are obtained with the realized volatility calculated as the sum of squared intraday returns corresponding to high-frequency data. In this paper we show how the volatility forecasts for the stock index WIG provided by the popular GARCH(I,I) improve when instead of daily squared returns they are evaluated against the realized volatility.
    Powszechnie uważa się, że kwadraty dziennych zwrotów instrumentu Finansowego słabo aproksymują jego dzienną zmienność. Andersen i Bollerslev jako pierwsi zauważyli, że bardziej dokładne oszacowania zmienności można otrzymać za pomocą zmienności liczonej jako suma kwadratów zwrotów śróddziennych, odpowiadających danym o wyższej częstotliwości. W niniejszym artykule pokazujemy, o ile poprawiają się prognozy zmienności indeksu giełdowego WIG, gdy zamiast do kwadratów zwrotów dziennych odnosi się je do zmienności zrealizowanej.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2003, 166
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wartość zagrożona portfela inwestycyjnego szacowana na podstawie danych wysokiej częstotliwości − badania empiryczne
    Value at risk of the investment portfolio based on high frequency data − empirical studies
    Autorzy:
    Iskra, Daniel
    Czernik, Tadeusz
    Powiązania:
    https://bibliotekanauki.pl/articles/586363.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Dane wysokiej częstotliwości
    Optymalny portfel inwestycyjny
    Wartość zagrożona
    High frequency data
    Optimal portfolio
    Value at Risk
    Opis:
    W opracowaniu zaprezentowano wyniki szacowania wartości zagrożonej spółek oraz optymalnych portfeli inwestycyjnych. Badania przeprowadzono na minutowych notowaniach spółek wchodzących w skład indeksu S&P100. W symulacjach uwzględniono dwa podejścia konstrukcji empirycznych rozkładów logarytmicznej stopy zwrotu użytych do wyznaczania wartości zagrożonej. W pierwszym z nich rozpatrywany szereg zawierał kolejne notowania cen akcji. W podejściu drugim w konstrukcji rozkładów empirycznych dokonano podziału dni na części i wyznaczano rozkład na podstawie danych z wybranych części dnia sesyjnego (np. z jednej godziny) z kilku, kilkunastu dni. W wyniku przeprowadzonych badań wykazano, iż w pewnych przypadkach (użyte podejście, zakres parametrów) zgodność oszacowanej wartości zagrożonej z realnymi stratami była wysoka.
    Paper presents results of estimating Value at Risk for stocks and the optimal investment portfolios. Study was conducted at the minute quotations of companies included in the S&P100 index. The simulations included two design approaches of empirical distributions of the logarithmic rate of return used to determine the value at risk. The first one takes into account consecutive price quotations. In the second price quotations were divided into empirical distributions days were divided into six groups (quotations which come from time interval e.g. 10 am-11 am from each consecutive day were transferred to the same data set). The research has shown that in certain cases the accuracy of the estimated value at risk of real loss was high.
    Źródło:
    Studia Ekonomiczne; 2015, 221; 32-49
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    WYKORZYSTANIE DANYCH OCZYSZCZONYCH O WYSOKIEJ CZĘSTOTLIWOŚCI W PROGNOZOWANIU ZMIENNYCH ZE ZŁOŻONĄ SEZONOWOŚCIĄ
    APPLICATION OF SEASONALLY ADJUSTED HIGH FREQUENCY DATA TO FORECASTING VARIABLES WITH COMPLEX SEASONALITY
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/452810.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    prognozowanie
    dane o wysokiej częstotliwości
    złożona sezonowość
    wyrównywanie wykładnicze
    forecasting
    high frequency data
    complex seasonality
    exponential smoothing models
    Opis:
    W pracy przedstawione zostanie procedura modelowania i prognozowania zmiennej o bardzo wysokiej częstotliwości obserwowania na podstawie szeregów, z których wyeliminowano dwa lub trzy rodzaje sezonowości. Do budowy prognoz zostaną wykorzystane wybrane modele adaptacyjne. Rozważania teoretyczne zilustrowane zostaną przykładem empirycznym dotyczącym, kształtowania się zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A.
    In the article will be presented procedure to modeling and forecasting of the high frequency variable, based on series, from which was eliminated two or three types of seasonality. Forecasts will be built on the basis of exponential smoothing models. The theoretical considerations will be illustrated with empirical example about demand for electricity in hour periods in the agglomeration A.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2015, 16, 4; 147-159
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    PROGNOZOWANIE NA PODSTAWIE SZEREGÓW CZASOWYCH O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI DLA LUK NIESYSTEMATYCZNYCH
    FORECASTING BASED ON HIGH FREQUENCY TIME SERIES WITH UNSYSTEMATIC GAPS
    Autorzy:
    Szmuksta – Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/453212.pdf
    Data publikacji:
    2016
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    prognozowanie
    dane o wysokiej częstotliwości
    złożona sezonowość
    wyrównywanie wykładnicze
    forecasting
    high frequency time series
    complex seasonality
    exponential smoothing
    Opis:
    W pracy przedstawione zostaną wyniki zastosowania wybranych modeli wyrównywania wykładniczego w prognozowaniu zmiennej o bardzo wysokiej częstotliwości, obserwowanej w okresach godzinnych, dla luk niesystematycznych, oczyszczonej z dwóch lub trzech rodzajów sezonowości. Rozpatrywany był wariant, w którym luki występują w każdym z rodzajów wahań składowych.
    In the paper will be presented the results of the application of selected models of exponential smoothing in forecasting of very high frequency variable, observed hourly, with unsystematic gaps, from which two or three types of seasonality fluctuation were eliminated. In the research was used a combination, in which gaps were present in each type of the fluctuation component.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2016, 17, 1; 121-136
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    MODELE ADAPTACYJNE W PROGNOZOWANIU NA PODSTAWIE SZEREGÓW CZASOWYCH O WYSOKIEJ CZĘSTOTLIWOŚCI Z LUKAMI SYSTEMATYCZNYMI
    ADAPTIVE MODELS IN FORECASTING OF HIGH-FREQUENCY TIMES SERIES WITH SYSTEMATIC GAPS
    Autorzy:
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/453186.pdf
    Data publikacji:
    2017
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    prognozowanie
    dane o wysokiej częstotliwości
    złożona sezonowość
    wyrównywanie wykładnicze
    luki systematyczne
    forecasting
    high frequency data
    complex seasonality
    exponential smoothing
    systematic gaps
    Opis:
    W pracy przedstawione zostaną wyniki zastosowania modeli Browna, Holta i Holta-Wintersa w prognozowaniu zmiennej o bardzo wysokiej częstotliwości obserwowania w warunkach braku pełnej informacji na podstawie danych oczyszczonych z dwóch lub trzech rodzajów sezonowości. Rozpatrywany były dwa warianty luk systematycznych.
    In the paper will be presented results of the application of Brown, Holt and Holt-Winters models in the forecasting of a very high frequency variable in condition of lack of full information, based on seasonal adjusted time series, from which two or three types of seasonal fluctuations were removed. Two variants of systematic gaps were considered.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2017, 18, 2; 374-389
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie brakujących danych dla szeregów o wysokiej częstotliwości oczyszczonych z sezonowości
    Forecasting missing data for seasonal adjusted high frequency time series
    Autorzy:
    Szmuksta-Zawadzka, Maria
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/585670.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Dane o wysokiej częstotliwości
    Luki w danych
    Prognozowanie
    Wyrównywanie wykładnicze
    Złożona sezonowość
    Complex seasonality
    Exponential smoothing
    Forecasting
    High frequency time series
    Unsystematic gaps
    Opis:
    W pracy przedstawione zostało wykorzystanie wybranych modeli adaptacyjnych w prognozowania zmiennych o bardzo wysokiej częstotliwości obserwowania, na podstawie szeregów z lukami niesystematycznymi, z których wyeliminowano dwa lub trzy rodzaje sezonowości. Egzemplifikacją rozważań teoretycznych stanowi przykład empiryczny, dotyczący kształtowania się zapotrzebowania na moc energetyczną w okresach godzinnych w aglomeracji A.
    In this paper was presented application of selected exponential smoothing models in forecasting very high frequency variables on the basis of time series with unsystematic gaps, from which two or three types of seasonal fluctuations were eliminated. Exemplification of theoretical considerations will be an empirical example, concerning the power demand in agglomeration A in hourly periods.
    Źródło:
    Studia Ekonomiczne; 2016, 289; 205-217
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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