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 "FORECASTING" wg kryterium: Temat

  Lista filtrów

Dostawca treści

Podbaza

Wyrównaj
Wyświetlanie 1-15 z 624
Tytuł:
Implementation of Distributed Hydrological Modeling in a Semi-Arid Mediterranean Catchment Azzaba, Morocco
Autorzy:
Abdelmounim, Bouadila
Benaabidate, Lahcen
Bouizrou, Ismail
Aqnouy, Mourad
Powiązania:
https://bibliotekanauki.pl/articles/123743.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Inżynierii Ekologicznej
Tematy:
semi-arid mediterranean context
flood forecasting
continuous modelling
event-based modelling
ATHYS platform
distributed SCS-LR model
Opis:
The typical Mediterranean climate is marked at certain times of the year by sudden torrential rains causing high water flows, which leads to heavy flooding and hydroclimatic fluctuations due to a semi-arid climate. This explains the need for hydrological modeling for water resource management in these contexts. This work concerns the hydrological modeling of the Azzaba catchment area in Haut-Sebou “Morocco”. In the first part of this work, a bibliographic synthesis was carried out to characterize certain factors (physical, geological and climatic), and a hydrological study was carried out by processing rainfall and hydrometric data from the considered time periods. Ultimately, the use of the “ATHYS” platform is beginning to reproduce the flows at the Azzaba outlet. This model is really applicable in the semi-arid context based on several studies carried out on these contexts, since it has to consider the chronological sequence of phenomena on one hand and the influence of the climatic and physicalhydrogeological parameters of the basin (humidity and soil exchange) on the other. Several criteria were used in this study to estimate the model performance; the most common is Nash-Sutcliffe. After observation and analysis of the overall results, it can be concluded that the model reproduces flows in the Azzaba River watershed well, especially in event mode (mean Nash-Sutcliffe value of 0.71). The use of a historical meteorological time series to simulate flow using a daily time step gives average results with a Nash of 0.50, which strengthens the reliability of the ATHYS platform in the Mediterranean climate area.
Źródło:
Journal of Ecological Engineering; 2019, 20, 6; 236-254
2299-8993
Pojawia się w:
Journal of Ecological Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Enhancing the performance of deep learning technique by combining with gradient boosting in rainfall-runoff simulation
Autorzy:
Abdullaeva, Barno S.
Powiązania:
https://bibliotekanauki.pl/articles/28411647.pdf
Data publikacji:
2023
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
deep learning
gradient boosting
hybrid model
multi-step ahead forecasting
rainfall-runoff simulation
Opis:
Artificial neural networks are widely employed as data mining methods by researchers across various fields, including rainfall-runoff (R-R) statistical modelling. To enhance the performance of these networks, deep learning (DL) neural networks have been developed to improve modelling accuracy. The present study aims to improve the effectiveness of DL networks in enhancing the performance of artificial neural networks via merging with the gradient boosting (GB) technique for daily runoff data forecasting in the river Amu Darya, Uzbekistan. The obtained results showed that the new hybrid proposed model performed exceptionally well, achieving a 16.67% improvement in determination coefficient (R2) and a 23.18% reduction in root mean square error (RMSE) during the training phase compared to the single DL model. Moreover, during the verification phase, the hybrid model displayed remarkable performance, demonstrating a 66.67% increase in R2 and a 50% reduction in RMSE. Furthermore, the hybrid model outperformed the single GB model by a significant margin. During the training phase, the new model showed an 18.18% increase in R2 and a 25% reduction in RMSE. In the verification phase, it improved by an impressive 75% in R2 and a 33.33% reduction in RMSE compared to the single GB model. These findings highlight the potential of the hybrid DL-GB model in improving daily runoff data forecasting in the challenging hydrological context of the Amu Darya River basin in Uzbekistan.
Źródło:
Journal of Water and Land Development; 2023, 59; 216--223
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Forecasting industrial production in Poland – a comparison of different methods
Autorzy:
Acedański, Jan
Powiązania:
https://bibliotekanauki.pl/articles/425092.pdf
Data publikacji:
2013
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
forecasting
industrial production
leading indicators
factor models
Opis:
In this paper we compared the accuracy of a few forecasting methods of the industrial production index in Poland. Naïve forecasts, simple autoregressive models, leading indicator models, factor models as well as joint models were included in the considerations. We used the out-of-sample RMSE and CPA tests as the main measures of the predictions accuracy. We found that three models provided the best predictions in most cases – the models with the PMI index and with the PMI and German IFO indexes as leading indicators as well as joint forecasts.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2013, 1(39); 40-51
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Kryteria wyboru dynamicznych modeli czynnikowych dla celów prognostycznych
Selection Criteria for Forecasting Dynamic Factor Models
Autorzy:
Acedański, Jan
Powiązania:
https://bibliotekanauki.pl/articles/589725.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Metody prognozowania
Modele autoregresji
Modele ekonometryczne
Prognozowanie makroekonomiczne
Macroeconomic forecasting, Forecasting methods, Autoregression models, Econometric models
Opis:
The paper compares three groups of methods used for best dynamic factor model selection for forecasting: modified information criteria, methods exclusively based on ex post forecasts analysis and mixed algorithms. It searches for the approach that delivers best out-of-sample forecasts according to mean square error measure. The analysis utilizes both Monte Carlo generated samples as well as real time series used for forecasting consumer inflation in Poland. Results show that best forecasts are obtained from the modified information criteria proposed by Groen and Kapetanios, whereas the methods that employ ex post forecasts from rolling windows usually give the worst predictions.
Źródło:
Studia Ekonomiczne; 2013, 124; 193-216
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of machine learning methods for runoff forecasting in mountainous watersheds with limited data
Porównanie metod uczenia maszynowego do prognozowania spływu w zlewniach górskich na podstawie ograniczonych danych
Autorzy:
Adamowski, J.
Prasher, S. O.
Powiązania:
https://bibliotekanauki.pl/articles/292443.pdf
Data publikacji:
2012
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
Himalaje
prognozowanie spływu
regresja wektora wsparcia
sieci falkowe
uczenie maszynowe
Himalayas
machine learning
runoff forecasting
support vector regression
wavelet networks
Opis:
Runoff forecasting in mountainous regions with processed based models is often difficult and inaccurate due to the complexity of the rainfall-runoff relationships and difficulties involved in obtaining the required data. Machine learning models offer an alternative for runoff forecasting in these regions. This paper explores and compares two machine learning methods, support vector regression (SVR) and wavelet networks (WN) for daily runoff forecasting in the mountainous Sianji watershed located in the Himalayan region of India. The models were based on runoff, antecedent precipitation index, rainfall, and day of the year data collected over the three year period from July 1, 2001 and June 30, 2004. It was found that both the methods provided accurate results, with the best WN model slightly outperforming the best SVR model in accuracy. Both the WN and SVR methods should be tested in other mountainous watershed with limited data to further assess their suitability in forecasting.
Prognozowanie spływu z obszarów górskich z użyciem programowanych modeli jest często trudne i niedokładne z powodu złożonych zależności między opadem a spływem i problemów związanych z pozyskaniem niezbędnych danych. Modele uczenia maszynowego stwarzają alternatywę dla prognozowania spływu z takich regionów. W pracy analizowano i porównano dwie metody uczenia maszynowego - metodę regresji wektorów nośnych (SVR) i sieci falkowych (WN) do dobowego prognozowania spływu w górskiej zlewni Sianji, usytuowanej w indyjskiej części Himalajów. Modele opracowano na podstawie danych o spływie, wskaźniku poprzednich opadów, opadzie i kolejnym dniu roku za trzyletni okres od 1 lipca 2001 r. do 30 czerwca 2004 r. Stwierdzono, że obie metody zapewniają dokładne wyniki, przy czym najlepszy model WN nieco przewyższa najlepszy model SVR pod względem dokładności. Obie metody powinny być testowane w innych zlewniach górskich o ograniczonej liczbie danych, aby lepiej ocenić ich przydatność do prognozowania.
Źródło:
Journal of Water and Land Development; 2012, no. 17 [VII-XII]; 89-97
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An overview of deep learning techniques for short-term electricity load forecasting
Autorzy:
Adewuyi, Saheed
Aina, Segun
Uzunuigbe, Moses
Lawal, Aderonke
Oluwaranti, Adeniran
Powiązania:
https://bibliotekanauki.pl/articles/117932.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
Short-term Load Forecasting
Deep Learning Architectures
RNN
LSTM
CNN
SAE
prognozowanie obciążenia krótkoterminowego
architektura głębokiego uczenia
Opis:
This paper presents an overview of some Deep Learning (DL) techniques applicable to forecasting electricity consumptions, especially in the short-term horizon. The paper introduced key parts of four DL architectures including the RNN, LSTM, CNN and SAE, which are recently adopted in implementing Short-term (electricity) Load Forecasting problems. It further presented a model approach for solving such problems. The eventual implication of the study is to present an insightful direction about concepts of the DL methods for forecasting electricity loads in the short-term period, especially to a potential researcher in quest of solving similar problems.
Źródło:
Applied Computer Science; 2019, 15, 4; 75-92
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A deep learning model for electricity demand forecasting based on a tropical data
Autorzy:
Adewuyi, Saheed A.
Aina, Segun
Oluwaranti, Adeniran I.
Powiązania:
https://bibliotekanauki.pl/articles/118123.pdf
Data publikacji:
2020
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
Electricity Demand Forecasting
STLF
Deep Learning Techniques
LSTM
CNN
MLP
prognozowanie zapotrzebowania na energię elektryczną
techniki głębokiego uczenia
Opis:
Electricity demand forecasting is a term used for prediction of users’ consumption on the grid ahead of actual demand. It is very important to all power stakeholders across levels. The power players employ electricity demand forecasting for sundry purposes. Moreover, the government’s policy on its market deregulation has greatly amplified its essence. Despite numerous studies on the subject using certain classical approaches, there exists an opportunity for exploration of more sophisticated methods such as the deep learning (DL) techniques. Successful researches about DL applications to computer vision, speech recognition, and acoustic computing problems are motivation. However, such researches are not sufficiently exploited for electricity demand forecasting using DL methods. In this paper, we considered specific DL techniques (LSTM, CNN, and MLP) to short-term load forecasting problems, using tropical institutional data obtained from a Transmission Company. We also test how accurate are predictions across the techniques. Our results relatively revealed models appropriateness for the problem.
Źródło:
Applied Computer Science; 2020, 16, 1; 5-17
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An arma type pi-sigma artificial neural network for nonlinear time series forecasting
Autorzy:
Akdeniz, E.
Egrioglu, E.
Bas, E.
Yolcu, U.
Powiązania:
https://bibliotekanauki.pl/articles/91816.pdf
Data publikacji:
2018
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
high order artificial neural networks
pi-sigma neural network, forecasting
recurrent neural network
particle swarm optimization (PSO)
Opis:
Real-life time series have complex and non-linear structures. Artificial Neural Networks have been frequently used in the literature to analyze non-linear time series. High order artificial neural networks, in view of other artificial neural network types, are more adaptable to the data because of their expandable model order. In this paper, a new recurrent architecture for Pi-Sigma artificial neural networks is proposed. A learning algorithm based on particle swarm optimization is also used as a tool for the training of the proposed neural network. The proposed new high order artificial neural network is applied to three real life time series data and also a simulation study is performed for Istanbul Stock Exchange data set.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 2; 121-132
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Time Series ARIMA Model for Predicting Nigeria Net Foreign Direct Investment (FDI)
Autorzy:
Akpensuen, Shiaondo Henry
Edeghagba, Eghosa Elijah
Alhaji, Abdullahi Gwani
Joel, Simon
Powiązania:
https://bibliotekanauki.pl/articles/1059523.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
ADF
ARIMA
Forecasting
Foreign Direct Investment
Nigeria
Opis:
This paper presents an empirical study of modelling and forecasting time series data of Nigeria net foreign direct investment (FDI). The Box-Jenkins ARIMA methodology was used for forecasting the yearly data collected from 1972 to 2018. Result of the analysis revealed that the series became stationary at first difference. The diagnostic checking has shown that ARIMA (1, 1, 2) is appropriate or optimal model based on the Akaike’s Information Criterion (AIC), the Bayesian Information Criterion (BIC) and Hannan Quinn criterion (HQ). A twenty (20) year forecast was made from 2019-2039, the result of the forecast showed that the net FDI in Nigeria will continue to grow in the period forecasted. These forecasts will help policy makers in Nigeria to sustain their efforts to expand the tax base, reduce red tape, and strengthen the regulatory framework to investment and also investors friendly policies in order to attract the much needed FDI.
Źródło:
World Scientific News; 2019, 128, 2; 348-362
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The forecasting potential of adaptive models in tourism
Potencjał prognostyczny modeli adaptacyjnych w turystyce
Autorzy:
Aleksandrova, Anna
Aigina, Ekaterina
Dombrovskaya, Veronika
Powiązania:
https://bibliotekanauki.pl/articles/2032668.pdf
Data publikacji:
2021-12-31
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
prognozowanie
modele adaptacyjne
ruch turystyczny
metoda Holta-Wintersa
forecasting
adaptive modeling
tourist flows
Holt-Winters method
Opis:
The article discusses forecasting as one of the special scientific research areas which contribute to the assessment of tourist activity development prospects, the identification of key tourism development factors and effective management decision criteria. The study provides an overview of modern research methods used in Russia and other countries for making forecasts in the field of tourism. It aims at assessing the predictive capabilities of adaptive modeling, not frequently used currently in tourism research, for the quantitative analysis of tourist flows using the example of Barcelona, a major urban tourist destination in the pre-pandemic period. An example of a forecast for tourist numbers based on adaptive models is proposed, one of the key indicators showing tourist region success which have proven successful in the study of processes with a dynamic but unstable character.
Autorki omawiają prognozowanie jako szczególny obszar badań naukowych, który pomaga ocenić perspektywy rozwoju aktywności turystycznej, zidentyfikować kluczowe czynniki procesu zmian zachodzących w turyzmie oraz kryteria efektywnego zarządzania. Artykuł zawiera przegląd nowoczesnych metod badawczych stosowanych w Rosji i w innych krajach do sporządzania prognoz w dziedzinie turystyki. Celem opracowania jest ocena predyktywnych możliwości modelowania adaptacyjnego, obecnie niezbyt często stosowanego w badaniach turystycznych, do przeprowadzania ilościowej analizy ruchu turystycznego. Na podstawie danych dotyczących Barcelony – dużego miejskiego centrum turystycznego w czasach przed pandemią – opierając się na modelach adaptacyjnych, przedstawiono przykład prognozy liczby podróżnych. Jest to jeden z głównych wskaźników sukcesu turystycznego ujawnionego w trakcie badania procesów o dynamicznym, lecz niestałym charakterze.
Źródło:
Turyzm; 2021, 31, 2; 181-196
0867-5856
2080-6922
Pojawia się w:
Turyzm
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przydatność automatycznych systemów zliczania pasażerów w celach predykcji popytu na usługi transportowe
Usefulness of automatic passenger counting systems for prediction of demand for transport services
Autorzy:
Aleksandrowicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/193638.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
popyt
predykcja popytu
automatyczny system zliczania pasażerów
prognozowanie
prediction of demand
automatic passenger counting system
forecasting
Opis:
Artykuł stanowi podsumowanie prowadzonych pod koniec 2017 roku badań mających na celu zweryfikowanie poprawności zbieranych danych przez automatyczny system zliczania pasażerów, wykorzystywany przez MPK SA w Krakowie. Stanowi on także wstęp do szerszych badań mających na celu opracowanie modeli prognozowania popytu w miejskim transporcie zbiorowym z wykorzystaniem danych z systemu automatycznego. W artykule zaprezentowane zostały efekty analizy porównawczej danych z pomiarów zbieranych klasyczną metodą obserwacji oraz danych z czujników wejść i wyjść do pojazdu, gromadzonych w sposób automatyczny. Dodatkowo przedstawiono wzory na funkcje umożliwiające przeliczenie wyników zebranych w sposób automatyczny na dane rzeczywiste. Analizę podsumowano wykresami regresji liniowej oraz tabelą zgodności wyników pomiarów z automatycznego systemu zliczania pasażerów. W końcowej części artykułu zaprezentowano schemat modelu prognozy popytu na usługi transportowe z zastosowaniem danych z automatycznego systemu zliczania pasażerów. Oceniono przydatność wykorzystywania tego typu danych w celach prognostycznych oraz zaproponowano narzędzia, jakie zostaną zastosowane przy tworzeniu modelu. W pracy przedstawione zostały etapy działań, jakie zostaną podjęte w celu stworzenia modeli prognozy popytu na usługi transportowe. Artykuł zakończono podsumowaniem oraz planem dalszych badań mających na celu rozszerzenie wiedzy na opisywany w referacie temat.
The article is a summary of research conducted at the end of 2017 aimed at verifying the correctness of collected data by an automatic passenger counting system used by the MPK S.A. in Krakow. It is also a first step towards larger studies to develop models for forecasting demand in urban public transport using data from an automated system. The article presents the results of comparative analysis of data from measurements collected using the classical observation method and data from vehicle I/O sensors collected automatically. In addition, there are formulas for functions presented allowing to convert automatically collected results into the real data. The analysis was summarized by linear regression charts and a table of matching measurement results from an automatic passenger counting system. At the end the diagram of the model of demand forecast for transport services using data from an automatic passenger counting system was presented. The usefulness of using this type of data for forecasting purposes has been assessed and the tools that will be used to create the model have been proposed. The article also presents the stages of activities that will be undertaken in order to create the models of demand forecast for transport services. The article was completed with a summary and a plan of further research aimed at increasing knowledge on the topic described in the paper.
Źródło:
Transport Miejski i Regionalny; 2018, 4; 10-14
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Informowanie pasażerów o wolnych miejscach w pojazdach miejskiego transportu zbiorowego z wykorzystaniem automatycznych systemów zliczania pasażerów
Informing passengers about vacancies in urban public transport vehicles with the use of automatic passenger counting systems
Autorzy:
Aleksandrowicz, Jan
Powiązania:
https://bibliotekanauki.pl/articles/192538.pdf
Data publikacji:
2019
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
automatyczny system zliczania pasażerów
prognozowanie
liczba pasażerów w autobusach
aplikacja mobilna w transporcie zbiorowym
automatic passenger counting system
forecasting
number of bus passengers
mobile applications in public transport
Opis:
Artykuł stanowi podsumowanie prowadzonych pod koniec 2018 roku badań będących kontynuacją pomiarów weryfikujących poprawność zbieranych danych przez automatyczny system zliczania pasażerów, wykorzystywany przez MPK SA w Krakowie. Dodatkowo artykuł stanowi wstęp do rozważań na temat projektu aplikacji dla pasażerów prezentującej aktualną lub prognozowaną liczbę pasażerów w każdym pojeździe miejskiego transportu zbiorowego. Artykuł został podzielony na trzy części. W pierwszej zaprezentowano wyniki wcześniejszych badań oraz aktualnego stanu wiedzy na temat automatycznych systemów zliczania pasażerów. Przypomniano w niej najważniejsze wyniki prowadzonych wcześniej analiz, w tym niskiej zgodności pomiarów dla autobusów przegubowych. Druga część prezentuje aktualne wyniki pomiarów będących kontynuacją badań prowadzonych od 2017 roku. Badania wykazały, że naprawa systemu znacząco wpłynęła na zwiększenie zgodności zbieranych danych. Dodatkowo wykazano, że średnie liczby pasażerów w autobusach uzyskiwane w pomiarach automatycznych są bardzo zbliżone do danych rzeczywistych. W trzeciej części przedstawione zostały wnioski z całości badań oraz opisano szerzej koncepcję modułu prezentowania danych o liczbie pasażerów w pojazdach, w ramach jednej z funkcjonujących na rynku aplikacji mobilnych. W końcowej części artykułu zaprezentowano wnioski i plan dalszych badań związanych z wykorzystaniem danych z automatycznego systemu zliczania pasażerów.
The article is a summary of research conducted at the end of 2018, which is a continuation of measurements verifying the correctness of the data collected by the automatic passenger counting system used by the MPK S.A. in Krakow. The article is also an introduction of considerations on the project of application for passengers informing about current or forecast number of passengers in each urban public transport vehicle. The article has been divided into three parts. The first one is presenting the results of previous research and the current state of knowledge about automatic passenger counting systems. It recalls the most important results of previous analyses, including the low level of compatibility of measurements for articulated buses. The second part presents the current results of measurements being a continuation of the research conducted since 2017. The research has proved that system repair has significantly increased the compatibility of the collected data. Additionally, it has been shown that the average number of passengers in buses achieved in automatic measurements is very close to the real data. The third part presents conclusions from the whole research and describes more detailed the concept of the module presenting data on the number of passengers in vehicles within one of the mobile applications operating on the market.The final part of the article presents conclusions and plan of further research connected with the use of data from the automatic passenger counting system.
Źródło:
Transport Miejski i Regionalny; 2019, 8; 15-19
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling and forecasting monthly Brent crude oil prices: a long memory and volatility approach
Autorzy:
AlـGounmeein, Remal Shaher
Ismail, Mohd Tahir
Powiązania:
https://bibliotekanauki.pl/articles/1047374.pdf
Data publikacji:
2021-03-03
Wydawca:
Główny Urząd Statystyczny
Tematy:
ARFIMA
volatility
fGARCH
sGARCH
modelling and forecasting
hybrid model
Opis:
The Standard Generalised Autoregressive Conditionally Heteroskedastic (sGARCH) model and the Functional Generalised Autoregressive Conditionally Heteroskedastic (fGARCH) model were applied to study the volatility of the Autoregressive Fractionally Integrated Moving Average (ARFIMA) model, which is the primary objective of this study. The other goal of this paper is to expand on the researchers' previous work by examining long memory and volatilities simultaneously, by using the ARFIMA-sGARCH hybrid model and comparing it against the ARFIMA-fGARCH hybrid model. Consequently, the hybrid models were configured with the monthly Brent crude oil price series for the period from January 1979 to July 2019. These datasets were considered as the global economy is currently facing significant challenges resulting from noticeable volatilities, especially in terms of the Brent crude prices, due to the outbreak of COVID-19. To achieve these goals, an R/S analysis was performed and the aggregated variance and the Higuchi methods were applied to test for the presence of long memory in the dataset. Furthermore, four breaks have been detected: in 1986, 1999, 2005, and 2013 using the Bayes information criterion. In the further section of the paper, the Hurst Exponent and Geweke-Porter-Hudak (GPH) methods were used to estimate the values of fractional differences. Thus, some ARFIMA models were identified using AIC (Akaike Information Criterion), BIC (Schwartz Bayesian Information Criterion), AICc (corrected AIC), and the RMSE (Root Mean Squared Error). In result, the following conclusions were reached: the ARFIMA(2,0.3589648,2)-sGARCH(1,1) model and the ARFIMA(2,0.3589648,2)-fGARCH(1,1) model under normal distribution proved to be the best models, demonstrating the smallest values for these criteria. The calculations conducted herein show that the two models are of the same accuracy level in terms of the RMSE value, which equals 0.08808882, and it is this result that distinguishes our study. In conclusion, these models can be used to predict oil prices more accurately than others.
Źródło:
Statistics in Transition new series; 2021, 22, 1; 29-54
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Możliwości udziału kolei w formowaniu turystycznych klastrów logistycznych
Possibilities of railway participation in the formation of tourist logistics clusters
Autorzy:
Aloshynskyi, Yevhen
Gertz, Jan
Powiązania:
https://bibliotekanauki.pl/articles/2146717.pdf
Data publikacji:
2021
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
transport kolejowy
koronawirus
turystyka
klaster
prognozowanie przewozów
rail transport
coronavirus
tourism
cluster
traffic forecasting
Opis:
W latach 2020–2021 koronawirus COVID-19 i wprowadzenie kwarantanny pociągnęły za sobą poważne konsekwencje, które doprowadziły do problemów w globalnej i lokalnej turystyce. Przeprowadzono analizę skutków epidemii dla europejskiej i polskiej branży turystycznej. Dla rozwiązania problemu spadku turystyki w Polsce zaproponowano działania organizacyjne mające na celu ustabilizowanie negatywnego wpływu na działalność małych i średnich firm oraz przekształcenie Polski w beneficjenta turystyki. Dla pozyskania dodatkowych źródeł zysku zaproponowano tworzenie turystycznych klastrów, w których kluczową funkcją ma być podniesienie poziomu logistycznej mobilności potencjalnych klientów usług turystycznych. Przez prognozowanie przewozów osobowych udowodniono celowość udziału kolei w formowaniu turystycznych klastrów logistycznych.
In 2020–2021, the COVID-19 coronavirus and the introduction of quarantine measures had serious consequences that led to a problem in global and local tourism. An analysis of the epidemic’s consequences for the European and Polish tourism industry was conducted. To solve the problem of the decline in Polish tourism, organizational measures were proposed to stabilize the negative impact on the activities of small and medium-sized enterprises and transform Poland into a tourism beneficiary. In order to obtain additional sources of profit, it was proposed to create tourist clusters, in which the key function is to increase the level of logistic mobility of potential customers of tourist services. By passenger traffic forecasting, the purposefulness of the participation of railways in the formation of tourist logistics clusters was proved.
Źródło:
Transport Miejski i Regionalny; 2021, 7-8; 28--34
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelling and Forecasting WIG20 Daily Returns
Autorzy:
Amado, Cristina
Silvennoinen, Annastiina
Teräsvirta, Timo
Powiązania:
https://bibliotekanauki.pl/articles/2076424.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
autoregressive conditional heteroskedasticity
forecasting volatility
modelling volatility
multiplicative time-varying GARCH
smooth transition
Opis:
The purpose of this paper is to model daily returns of the WIG20 index. The idea is to consider a model that explicitly takes changes in the amplitude of the clusters of volatility into account. This variation is modelled by a positive-valued deterministic component. A novelty in specification of the model is that the deterministic component is specified before estimating the multiplicative conditional variance component. The resulting model is subjected to misspecification tests and its forecasting performance is compared with that of commonly applied models of conditional heteroskedasticit
Źródło:
Central European Journal of Economic Modelling and Econometrics; 2017, 3; 173-200
2080-0886
2080-119X
Pojawia się w:
Central European Journal of Economic Modelling and Econometrics
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 624

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