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 model" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 89
Tytuł:
A Note on Option Pricing with the Use of Discrete-Time Stochastic Volatility Processes
Autorzy:
Pajor, Anna
Powiązania:
https://bibliotekanauki.pl/articles/483255.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
option pricing
SV model
Bayesian forecasting
Opis:
In this paper we show that in the lognormal discrete-time stochastic volatility model with predictable conditional expected returns, the conditional expected value of the discounted payoff of a European call option is infinite. Our empirical illustration shows that the characteristics of the predictive distributions of the discounted payoffs, obtained using Monte Carlo methods, do not indicate directly that the expected discounted payoffs are infinite.
Źródło:
Central European Journal of Economic Modelling and Econometrics; 2009, 1, 1; 71-81
2080-0886
2080-119X
Pojawia się w:
Central European Journal of Economic Modelling and Econometrics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A rainfall forecasting method using machine learning models and its application to the Fukuoka city case
Autorzy:
Sumi, S. M.
Zaman, M. F.
Hirose, H.
Powiązania:
https://bibliotekanauki.pl/articles/331290.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
maszyna ucząca się
metoda wielomodelowa
przetwarzanie wstępne
rainfall forecasting
machine learning
multi model method
preprocessing
model ranking
Opis:
In the present article, an attempt is made to derive optimal data-driven machine learning methods for forecasting an average daily and monthly rainfall of the Fukuoka city in Japan. This comparative study is conducted concentrating on three aspects: modelling inputs, modelling methods and pre-processing techniques. A comparison between linear correlation analysis and average mutual information is made to find an optimal input technique. For the modelling of the rainfall, a novel hybrid multi-model method is proposed and compared with its constituent models. The models include the artificial neural network, multivariate adaptive regression splines, the k-nearest neighbour, and radial basis support vector regression. Each of these methods is applied to model the daily and monthly rainfall, coupled with a pre-processing technique including moving average and principal component analysis. In the first stage of the hybrid method, sub-models from each of the above methods are constructed with different parameter settings. In the second stage, the sub-models are ranked with a variable selection technique and the higher ranked models are selected based on the leave-one-out cross-validation error. The forecasting of the hybrid model is performed by the weighted combination of the finally selected models.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 841-854
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A simplified forecasting model for the estimation of container traffic in seaports at a national level – the case of Poland
Autorzy:
Matczak, M.
Powiązania:
https://bibliotekanauki.pl/articles/116932.pdf
Data publikacji:
2020
Wydawca:
Uniwersytet Morski w Gdyni. Wydział Nawigacyjny
Tematy:
containerization
Polish seaport sector
simplified forecasting model
container traffic in seaports
estimation of container traffic in seaports
TEU
container
Opis:
Comprehensive forecasting of future volumes of container traffic in seaports is important when it comes to port development, including investments, especially in relation to costly transport infrastructure (e.g. new terminals). The aim of this article is to present a specific, simplified model of demand forecasting for container traffic in seaports as well as to give a practical verification of the model in the Polish seaport sector. The model consists of relevant indexes of containerisation (values, dynamics) referring to the macroeconomic characteristics of the country of cargo origin as well as destination-predictor variables (e.g. population, foreign trade, gross domestic product). This method will facilitate the evaluation of three basic segments of the container market: foreign trade services, maritime transit flows and land transit flows. International comparisons of indexes (benchmarking) as well as extrapolations of future changes can support this prediction process. A practical implementation of this research has enabled us to calculate that the total container volume in Poland will be approximately 4.69 – 4.87 million TEU by the year 2023.
Źródło:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation; 2020, 14, 1; 153-158
2083-6473
2083-6481
Pojawia się w:
TransNav : International Journal on Marine Navigation and Safety of Sea Transportation
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An assignation and comparison of the prognosis results of paid-in-term receivables in opencast mine "X" via autoregressive model and periodic trends method
Wyznaczenie i porównanie wyników prognozy należności terminowych otrzymanych za pomocą modelu autoregresyjnego i metody trendów jednoimiennych okresów
Autorzy:
Trzaskuś-Żak, B.
Powiązania:
https://bibliotekanauki.pl/articles/348641.pdf
Data publikacji:
2012
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
należności
prognozowanie
model autoregresyjny
metoda trendów jednoimiennych
receivables
forecasting
autoregressive model
periodic trends method
Opis:
The article presents stages of development of three forecasting models based on two methods: an autoregressive method and a periodic trends method. Both in the autoregressive model and in the method of periodic trends (in the second analysis) an intervention causing a drop of production and sales due to modernisation of the production line was taken into account. Besides, an average forecast was also prepared on the basis of the three obtained models. Furthermore, an ex post mean squared forecast error (ex post-MSE) was calculated and then its root, that is RMSE (root mean square error) as well as ex post-MAPE (mean absolute percentage error) for the established forecast. According to the results model I has the lowest forecast error values (RMSE, MAPE).
Artykuł przedstawia etapy budowy trzech modeli prognostycznych w oparciu o dwie metody: model autoregresyjny i metodę trendów jednoimiennych okresów. Zarówno w modelu autoregresyjnym, jak również w metodzie trendów jednoimiennych okresów (w drugim ujęciu) uwzględniono interwencję wywołującą spadek produkcji i sprzedaży, ze względu na modernizację linii produkcyjnej. Sporządzono również średnią prognozę na podstawie trzech otrzymanych modeli. Obliczono, średni kwadratowy błąd prognoz ex post-MSE (mean squared error), a następnie jego pierwiastek, czyli RMSE (root mean square error), jak również średni absolutny błąd procentowy ex post-MAPE (mean absolute percentage error) dla wyznaczonych prognoz w trzech skonstruowanych modelach prognostycznych. Wyniki obliczeń wskazują, że model I cechują najmniejsze wartości błędów prognozy (RMSE, MAPE).
Źródło:
AGH Journal of Mining and Geoengineering; 2012, 36, 3; 353-366
1732-6702
Pojawia się w:
AGH Journal of Mining and Geoengineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An improved GM(1.1) model with background value optimization and Fourier-series residual error correction and its application in cost forecasting of coal mine
Ulepszony model GM(1,1) z optymalizacją wartości tła i korekcją błędów resztkowych szeregów Fouriera oraz jego zastosowanie w prognozowaniu kosztów kopalni węgla kamiennego
Autorzy:
Liu, Di
Li, Guoqing
Chanda, Emmanuel K.
Hu, Nailian
Ma, Zhaoyang
Powiązania:
https://bibliotekanauki.pl/articles/216495.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
cost forecasting
dynamic grey model
background value optimization
Fourier series
residual error correction
prognozowanie kosztów
dynamiczny model szary
optymalizacja wartości tła
korekcja błędów resztkowych
szeregi Fouriera
Opis:
This paper researches the application of grey system theory in cost forecasting of the coal mine. The grey model (GM(1.1)) is widely used in forecasting in business and industrial systems with advantages of minimal data, a short time and little fluctuation. Also, the model fits exponentially with increasing data more precisely than other prediction techniques. However, the traditional GM(1.1) model suffers from the poor anti-interference ability. Aimed at the flaws of the conventional GM(1.1) model, this paper proposes a novel dynamic forecasting model with the theory of background value optimization and Fourier-series residual error correction based on the traditional GM(1.1) model. The new model applies the golden segmentation optimization method to optimize the background value and Fourier-series theory to extract periodic information in the grey forecasting model for correcting the residual error. In the proposed dynamic model, the newest data is gradually added while the oldest is removed from the original data sequence. To test the new model’s forecasting performance, it was applied to the prediction of unit costs in coal mining, and the results show that the prediction accuracy is improved compared with other grey forecasting models. The new model gives a MAPE & C value of 0.14% and 0.02, respectively, compared to 1.75% and 0.37 respectively for the traditional GM(1.1) model. Thus, the new GM(1.1) model proposed in this paper, with advantages of practical application and high accuracy, provides a new method for cost forecasting in coal mining, and then help decision makers to make more scientific decisions for the mining operation.
W pracy zbadano zastosowanie teorii szarego systemu w prognozowaniu kosztów kopalni węgla. Szary model (GM(1,1)) jest szeroko wykorzystywany w prognozowaniu w systemach biznesowych i przemysłowych z niewielką ilością danych, krótkim czasem i nieznacznymi wahaniami. Ponadto model dopasowuje wykładniczo dane bardziej dokładnie niż inne techniki prognozowania. Jednak tradycyjny model GM(1,1) ma słabą zdolność przeciwdziałania zakłóceniom. Mając na uwadze wady konwencjonalnego modelu GM(1,1), w artykule zaproponowano – w oparciu o tradycyjny model GM(1,1) – nowy model dynamicznego prognozowania z teorią optymalizacji wartości tła i korektą błędów resztkowych szeregów Fouriera. Nowy model stosuje metodę optymalizacji złotej segmentacji do optymalizacji wartości tła oraz teorię szeregów Fouriera w celu wyodrębnienia okresowych informacji w szarym modelu prognozowania, aby skorygować błąd resztkowy. W proponowanym modelu dynamicznym najnowsze dane są stopniowo dodawane, podczas gdy najstarsze – usuwane z oryginalnej sekwencji danych. Aby przetestować dokładność prognozowania nowego modelu, zastosowano go do prognozowania kosztów jednostkowych pozyskania węgla, a wyniki pokazują, że dokładność prognozowania jest lepsza w porównaniu z innymi szarymi modelami prognozowania. Nowy model daje wartości MAPE & C wynoszące odpowiednio 0,33% i 0,07, w porównaniu z odpowiednio 1,1% i 0,3 dla tradycyjnego modelu GM(1,1). Zatem zaproponowany w artykule, ulepszony model GM(1,1) z zaletami praktycznego zastosowania i wysoką dokładnością, jest nową metodą prognozowania kosztów w górnictwie węgla, która ułatwia decydentom podejmowanie decyzji ugruntowanych naukowo dotyczących operacji pozyskania węgla.
Źródło:
Gospodarka Surowcami Mineralnymi; 2019, 35, 3; 75-98
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
ANALIZA PORÓWNAWCZA MODELOWANIA LOGITOWEGO I LINIOWEJ FUNKCJI DYSKRYMINACYJNEJ W OCENIE RYZYKA UPADŁOŚCI SPÓŁEK GIEŁDOWYCH
COMPARATIVE ANALYSIS OF LOGIT MODELING AND DISCRIMINANT FUNCTION IN THE ASSESSMENT OF BANKRUPTCY RISK OF LISTED COMPANIES
Autorzy:
Wojnar, Jolanta
Powiązania:
https://bibliotekanauki.pl/articles/453469.pdf
Data publikacji:
2015
Wydawca:
Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
Tematy:
aplikacja modeli logitowych
analiza dyskryminacyjna prognozowanie upadłość
logit model
discriminant analysis
forecasting bankruptcy
Opis:
W pracy dokonano porównania efektów modelowania logitowego i liniowej funkcji dyskryminacyjnej w ocenie zagrożenia finansowego spółek giełdowych. Badano wpływ różnych wskaźników analizy finansowej na zdolność prognostyczną modeli. Poszukiwano wskaźników, które w najlepszy sposób ostrzegają o zagrożeniu upadłością. Dokonano weryfikacji empirycznej przydatności oszacowanych modeli dla przewidywania upadłości spółek.
In the paper the effects of logit model and discriminant function in the hazard assessment of the companies listed were compared. The effect of different indicators of financial analysis for the predictive ability of the models was studied. The aim was to find indicators which warn about the threat of bankruptcy in the best way.
Źródło:
Metody Ilościowe w Badaniach Ekonomicznych; 2015, 16, 4; 201-210
2082-792X
Pojawia się w:
Metody Ilościowe w Badaniach Ekonomicznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza rynku paliw i prognozy własne
The analysis of fuel market and own forecasts
Autorzy:
Skrobacki, Z.
Powiązania:
https://bibliotekanauki.pl/articles/314932.pdf
Data publikacji:
2012
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
prognozowanie
model multiplikatywny
model Browna
cena ropy
cena benzyny
forecasting
multiplicative model
Brown's model
prices of crude oil
prices of the Pb95 petrol
Opis:
W artykule przedstawiono rozwój światowej gospodarki w aspekcie potrzeb energetycznych, a szczególnie zapotrzebowanie na energię w transporcie. Wykonano analizy i prognozy ceny ropy na giełdzie w Nowym Jorku i ceny benzyny Pb95 w Polsce, stosując metody statystyczne do analizy szeregów czasowych. W wyniku analiz utworzono modele multiplikatywne, w których składowymi są funkcje opisujące zmienność wynikającą z trendu, ze zmian sezonowych, ze zmian cyklicznych i losowych. Utworzone modele dobrze aproksymowały dane rzeczywiste z rynków paliw. W celu prognozowania cen utworzono prognozy dla wszystkich funkcji składowych modelu z pominięciem funkcji zmian losowych. W celu uzyskania prognozy zmian cyklicznych zastosowano model Browna. W artykule przedstawiono także prognozę jakościową.
The article presents the development of the global economy in terms of energy needs, and specifically the demand for transport energy. Prices of crude oil on the New York Stock Exchange and the Pb95 petrol in Poland were analysed and forecasted, taking advantage of statistical methods for time series analysis. In reliance on the analyses, multiplicative models were developed whose constituents are functions depicting fluctuations related to trends, seasonal changes, cyclic and random variations. The developed models approximated well the real data obtained from the fuel markets. For price forecasting purposes, forecasts were developed for all constituent functions of the model, to the exclusion of the random variation function. The Brown's model was applied to the forecasts of cyclic variations. This paper also presents qualitative forecast for fuel market.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2012, 13, 7-8; 142-151
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza wrażliwości modelu potęgowego liczby zdarzeń drogowych w Polsce
Sensitivity analysis of power model of road accidents in Poland
Autorzy:
Rogowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/194098.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
Tematy:
model potęgowy
bezpieczeństwo ruchu drogowego
prognozowanie
power model
road safety
forecasting
Opis:
Wypadki drogowe stanowią istotny problem społeczny i ekonomiczny, stąd różnorodne działania zmierzające zarówno do zmniejszenia ich liczby, jak i ich skutków. Jednym z pierwszych modeli szacujących liczbę ofiar śmiertelnych w ruchu drogowym był model Smeeda będący modelem potęgowym o zmiennych objaśniających – liczbie pojazdów i liczbie ludności. Choć klasyczny model Smeeda, przynajmniej w warunkach polskich, jest nieprzydatny, to z parametrami estymowanymi metodą najmniejszych kwadratów jako model wykorzystujący klasyczne podejście do prognozy wypadków na podstawie zmiennych opisujących wystawienie na ryzyko, dość dobrze opisuje liczbę ofiar śmiertelnych i rannych w wypadkach drogowych, jak i liczbę wypadków drogowych. Jednak jego przydatność do celów prognostycznych warunkowana jest zmiennością w czasie parametrów modelu i wrażliwością modelu na zamiany wartości zmiennych objaśniających i parametrów modelu. W artykule przedstawiono wyniki analizy wrażliwości modeli potęgowych dla których parametry estymowano na podstawie danych rzeczywistych z lat 2000–2011. Stwierdzono małą wrażliwość modeli na zmiany wartości zmiennych objaśniających (uwzględniając zakres danych właściwy dla warunków polskich), co można uznać za zaletę w przypadku prognozowania – minimalizacja błędów związanych z prognozowaniem wartości zmiennych objaśniających. Jednocześnie stwierdzono bardzo dużą wrażliwość modeli na zmiany wartości parametrów – wykładników potęg, co powoduje duże trudności w doborze danych rzeczywistych do szacowania parametrów modeli. Zaproponowano modele z ustaloną wartością parametru jednej ze zmiennych objaśniających i parametrem w funkcji czasu dla drugiej zmiennej, podając postacie tych funkcji.
Road accidents are a major social and economic problem, therefore various activities are undertaken in order to reduce both their number and consequences. The Smeed’s model has been one of the first. It is a power model with two explanatory variables: population and the number of vehicles. In Polish conditions the Smeed’s classic model is useless. However, the exponential models with parameters estimated by the least squares method describe reasonably well the number of fatalities and road accidents injuries, as well as the number of road accidents itself. Nevertheless, their usefulness for forecasting purposes is conditioned on the changes the values of the parameters at the time and on the sensitivity to changes of explanatory variables values and model parameters. This paper presents the results of the sensitivity analysis for the power models which parameters were estimated on the base of actual data from the years 2000-2011. Models low sensitivity to changes of explanatory variables values have been found, which can be regarded as an advantage in case of forecasting; by minimizing errors connected with forecasting the values of explanatory variables. At the same time, it was detected that models were very sensitive to changes of parameters values – the exponents. Models with a fixed value of the parameter to one of the explanatory variables and a function of the time for the second variable have been proposed as well as proposed forms of these functions.
Źródło:
Transport Miejski i Regionalny; 2013, 5; 33-39
1732-5153
Pojawia się w:
Transport Miejski i Regionalny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Applicable technologies to forecast, analyze and optimize reliability and risks for complex systems
Autorzy:
Kostogryzov, A.
Nistratov, G.
Nistratov, A.
Powiązania:
https://bibliotekanauki.pl/articles/2069444.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Morski w Gdyni. Polskie Towarzystwo Bezpieczeństwa i Niezawodności
Tematy:
analysis
forecasting
model
quality
reliability
risk
safety
software tools
system engineering
technology
Opis:
The paper is concerned with the application of the original mathematical models and supporting them software technologies to forecast, analyze and optimize reliability and risks for complex systems (system is defined as a combination of interacting elements organized to achieve one or more stated purposes). Functionality and usability to analyze information system processes and standard processes in system life cycle are presented. Rational use of the proposed results allows to go «from a pragmatical filtration of information to generation of the proved ideas and effective decisions». Effects are demonstrated by examples.
Źródło:
Journal of Polish Safety and Reliability Association; 2012, 3, 1; 1--14
2084-5316
Pojawia się w:
Journal of Polish Safety and Reliability Association
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of the Statistical Error and Quantitative Performance Measures in the Evaluation Process of Short-Term Air Quality Forecasts for Krakow (Poland)
Zastosowanie statystycznych miar błędów i wskaźników wydajności modelu w procesie oceny krótkoterminowych prognoz jakości powietrza w Krakowie (Polska)
Autorzy:
Szulecka, A.
Mazur, M.
Powiązania:
https://bibliotekanauki.pl/articles/385805.pdf
Data publikacji:
2016
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
jakość powietrza
stężenia zanieczyszczeń
modelowanie prognostyczne
GEM-AQ
ocena statystyczna
air quality
pollutant concentrations
forecasting model
statistical evaluation
Opis:
Obecnie matematyczne modelowanie prognozowania jakości powietrza ma duże znaczenie ze względu na potrzebę informowania ludności o spodziewanych stężeniach zanieczyszczeń i wydawania odpowiednich ostrzeżeń. Na każdym etapie stosowania systemu modelowania wymagana jest dokładna weryfi kacja i diagnostyka jego wydajności. W pracy przedstawiono wyniki oceny statystycznej systemu krótkoterminowych prognoz jakości powietrza na obszarze Krakowa (Polska) w okresie kwiecień 2014 – marzec 2015. Prognozy opierają się na systemie modelowania opracowanym przez fundację EkoPrognoza i udostępnianym Politechnice Warszawskiej. Obliczenia wykonywano za pomocą modelu GEM-AQ, a ich wynikiem są publicznie dostępne prognozy średnich dziennych stężeń PM10, PM2,5, NO2 , SO2 , CO oraz O3 . W trakcie prowadzonych badań wartości te zostały porównane z wynikami obserwacji pomiarowych rejestrowanych na stacji tła miejskiego w Krakowie (ul. Bujaka) przy użyciu statystyk błędów i mierników wydajności modelu zalecanych przez Amerykańską Agencję Ochrony Środowiska. Wyniki przeprowadzonych obliczeń wskazują na dobrą sprawdzalność prognoz stężeń PM10 oraz PM2,5 w okresie analizy, co skutkuje ich silną korelacją z wynikami pomiarów. Oceniany model przejawia tendencję do przeszacowywania wszystkich prognoz w odniesieniu do pomiarów stężeń substancji gazowych na stacji przy ul. Bujaka. Największe rozbieżności dotyczą prognoz stężenia dwutlenku siarki (SO2) oraz ozonu (O3) i są charakterystyczne głównie dla sezonu pozagrzewczego. Niedokładność prognoz wpływa na wiarygodność przewidywanej wartości wspólnego indeksu jakości powietrza (CAQI), będącego wypadkową stężeń poszczególnych zanieczyszczeń powietrza.
Currently, mathematical modelling air quality forecasts is of great importance due to the need of informing the population about the upcoming concentrations of air pollutants and issuing accurate alerts. At each stage in the application of a modelling system a proper verification and performance diagnostics is required. This paper presents the results of a statistical evaluation of the short-term air quality forecasting system for the area of Krakow, Poland, over the period of April 2014 – March 2015. The analysed forecasts are prepared by Warsaw University of Technology on the basis of the modelling system created by the EkoForecast foundation. Calculations in this system are performed by the GEM-AQ model, which produces publicly available predictions of the daily average concentrations of PM10, PM2.5, NO2 , SO2 , CO and O3 . In this study these values were compared to the measured observations recorded at the urban background station in Krakow (Bujaka St.) with the use of error statistics and quantitative performance measures suggested by the US EPA. The results of the analysis indicate good reliability of PM10 and PM2.5 forecasted concentrations during the examined period of time, which provides high correlation rates for these observations. Evaluated model tends to overestimate all the predictions in reference to Bujaka St. station measurements. The highest discrepancies are evident in the case of sulphur dioxide (SO2) and ozone (O3) predictions occurring mainly during the non-heating season. Insuffi cient forecast accuracy aff ects the reliability of the predicted Common Air Quality Index (CAQI), which depends on the concentration of particular air pollutants.
Źródło:
Geomatics and Environmental Engineering; 2016, 10, 3; 87-99
1898-1135
Pojawia się w:
Geomatics and Environmental Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application out-of-sample forecasting in model selection on Nigeria exchange rate
Autorzy:
Henry, Akpensuen Shiaondo
Lasisi, K. E.
Akpan, E. A.
Gwani, A. A.
Powiązania:
https://bibliotekanauki.pl/articles/1062858.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
ARMA model
Exchange Rate
In-sample forecasting
Model selection and evaluation
Out-sample forecasting
Opis:
In time series, several competing models may adequately fit a given set of data. At times choosing the best model may be easy or difficult. However, there are two major model selection criteria; it could be either in-sample or out-of-sample forecasts. This study was necessitated because Empirical evidence based on out-of-sample model forecast performance is generally considered more trustworthy than evidence based on in-sample model performance which can be more sensitive to outliers and data mining. And also the fact that Out-of-sample forecasts also better reflect the information available to the forecaster in real time was also an added motivation. Hence this study considered data from Nigeria exchange rate (Naira to US Dollar) from January 2002 to December 2018 comprising 204 observations. The first 192 observations were used for model identification and estimation while the remaining 12 observations were holdout for forecast validation. Three ARIMA models; ARIMA (0, 1, 1), ARIMA (1, 1, 2) and ARIMA (2, 1, 0) were fitted tentatively. Base on in-sample information criteria ARIMA (0, 1, 1) was the best model with minimum AIC, SIC and HQ information criteria. However, on the basics of out-of-sample forecast evaluation using RMSE, MSE, MAE, and MAPE, ARIMA (2, 1, 0) perform better than ARIMA (0, 1, 1). The implication of this study is that, a model that is best in the in-sample fitting may not necessary give a genuine forecasts since it is the same data that is used in model identification and estimation that is also use in forecast evaluation.
Źródło:
World Scientific News; 2019, 127, 3; 225-247
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
ARIMA-based forecasting of the dynamics of confirmed Covid-19 cases for selected European countries
Autorzy:
Kufel, Tadeusz
Powiązania:
https://bibliotekanauki.pl/articles/22444425.pdf
Data publikacji:
2020
Wydawca:
Instytut Badań Gospodarczych
Tematy:
Covid-19 epidemic
ARIMA model
forecasting
infection control
non-pharmaceutical intervention
Opis:
Research background: On 11 March 2020, the Covid-19 epidemic was identified by the World Health Organization (WHO) as a global pandemic. The rapid increase in the scale of the epidemic has led to the introduction of non-pharmaceutical countermeasures. Forecast of the Covid-19 prevalence is an essential element in the actions undertaken by authorities. Purpose of the article: The article aims to assess the usefulness of the Auto-regressive Integrated Moving Average (ARIMA) model for predicting the dynamics of Covid-19 incidence at different stages of the epidemic, from the first phase of growth, to the maximum daily incidence, until the phase of the epidemic's extinction. Methods: ARIMA(p,d,q) models are used to predict the dynamics of virus distribution in many diseases. Model estimates, forecasts, and the accuracy of forecasts are presented in this paper. Findings & Value added: Using the ARIMA(1,2,0) model for forecasting the dynamics of Covid-19 cases in each stage of the epidemic is a way of evaluating the implemented non-pharmaceutical countermeasures on the dynamics of the epidemic.
Źródło:
Equilibrium. Quarterly Journal of Economics and Economic Policy; 2020, 15, 2; 181-204
1689-765X
2353-3293
Pojawia się w:
Equilibrium. Quarterly Journal of Economics and Economic Policy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Can Lognormal, Weibull or Gamma Distributions Improve the EWS-GARCH Value-at-Risk Forecasts?
Czy zastosowanie rozkładów lognormalnego, Weibulla lub Gamma może poprawić prognozy wartości narażonej na ryzyko uzyskiwane na podstawie modeli EWS-GARCH?
Autorzy:
Chlebus, Marcin
Powiązania:
https://bibliotekanauki.pl/articles/1050535.pdf
Data publikacji:
2016-09-30
Wydawca:
Główny Urząd Statystyczny
Tematy:
Value-at-Risk
GARCH models
regime switching
forecasting
market risk
wartość zagrożona (Value-at-Risk)
model GARCH
modele zmiany stanu
prognozowanie
ryzyko rynkowe
Opis:
In the study, two-step EWS-GARCH models to forecast Value-at-Risk are analysed. The following models were considered: the EWS-GARCH models with lognormal, Weibull or Gamma distributions as a distributions in a state of turbulence, and with GARCH(1,1) or GARCH(1,1) with the amendment to empirical distribution of random error models as models used in a state of tranquillity. The evaluation of the quality of the Value-at-Risk forecasts was based on the Value-at-Risk forecasts adequacy (the excess ratio, the Kupiec test, the Christoffersen test, the asymptotic test of unconditional coverage and the backtesting criteria defined by the Basel Committee) and the analysis of loss functions (the Lopez quadratic loss function, the Abad & Benito absolute loss function, the 3rd version of Caporin loss function and the function of excessive costs). Obtained results show that the EWSGARCH models with lognormal, Weibull or Gamma distributions may compete with EWS-GARCH models with exponential and empirical distributions. The EWS-GARCH model with lognormal, Weibull or Gamma distributions are relatively less conservative, but using them is less expensive than using the other EWS-GARCH models.
W badaniu analizie poddane zostały dwustopniowe modele EWS-GARCH służące do prognozowania wartości narażonej na ryzyko. W ramach analizy rozpatrywane były modele EWS-GARCH zakładające rozkłady lognormalny, Weibulla oraz Gamma w stanie turbulencji oraz modele GARCH(1,1) i GARCH(1,1) z poprawką na rozkład empiryczny w stanie spokoju. Ocena jakości prognoz Value-at-Risk uzyskanych na podstawie wspomnianych modeli została przeprowadzona na podstawie miar adekwatności (wskaźnik przekroczeń, test Kupca, test Christoffersena, test asymptotyczny bezwarunkowego pokrycia oraz kryteria backtestingu określone przez Komitet Bazylejski) oraz analizy funkcji strat (kwadratowa funkcja straty Lopeza, absolutna funkcja straty Abad i Benito, 3 wersja funkcji straty Caporina oraz funkcja nadmiernych kosztów). Uzyskane wyniki wskazują, że modele EWS-GARCH z rozkładem lognormalnym, Weibulla lub Gamma mogą konkurować z modelami EWS-GARCH z rozkładem wykładniczym lub empirycznym. Modele EWS-GARCH z rozkładem lognormalnym, Weibulla lub Gamma są nieco mniej konserwatywne, jednocześnie jednak koszt ich stosowania jest mniejszy niż modeli EWS-GARCH z rozkładem wykładniczym lub empirycznym.
Źródło:
Przegląd Statystyczny; 2016, 63, 3; 329-350
0033-2372
Pojawia się w:
Przegląd Statystyczny
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
City Backbone Network Traffic Forecasting
Autorzy:
Serikov, Tansaule
Zhetpisbayeva, Ainur
Аkhmediyarova, Аinur
Mirzakulova, Sharafat
Aigerim, Kismanova
Tolegenova, Aray
Wójcik, Waldemar
Powiązania:
https://bibliotekanauki.pl/articles/1844529.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
time series
packet intensity
Dickey-Fuller test
Kwiatkowski-Phillips-Perron-Shin-Schmitt test
forecasting
integrated moving average autoregression model
Opis:
The work considers a one-dimensional time series protocol packet intensity, measured on the city backbone network. The intensity of the series is uneven. Scattering diagrams are constructed. The Dickie Fuller test and Kwiatkowski-Phillips Perron-Shin-Schmitt test were applied to determine the initial series to the class of stationary or non-stationary series. Both tests confirmed the involvement of the original series in the class of differential stationary. Based on the Dickie Fuller test and Private autocorrelation function graphs, the Integrated Moving Average Autoregression Model model is created. The results of forecasting network traffic showed the adequacy of the selected model.
Źródło:
International Journal of Electronics and Telecommunications; 2021, 67, 3; 319-324
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Combined modelling for iron ore demand forecasting with intelligent optimization algorithms
Modelowanie do prognozowania popytu na rudę żelaza połączone z inteligentnymi algorytmami optymalizacji
Autorzy:
Ren, Min
Dai, Jianyong
Zhu, Wancheng
Dai, Feng
Powiązania:
https://bibliotekanauki.pl/articles/1849613.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:
iron ore demand
combined model
intelligent optimization algorithm
forecasting accuracy
ruda żelaza
model połączony
inteligentny algorytm optymalizacji
dokładność prognozowania
Opis:
The stable supply of iron ore resources is not only related to energy security, but also to a country’s sustainable development. The accurate forecast of iron ore demand is of great significance to the industrialization development of a country and even the world. Researchers have not yet reached a consensus about the methods of forecasting iron ore demand. Combining different algorithms and making full use of the advantages of each algorithm is an effective way to develop a prediction model with high accuracy, reliability and generalization performance. The traditional statistical and econometric techniques of the Holt–Winters (HW) non-seasonal exponential smoothing model and autoregressive integrated moving average (ARIMA) model can capture linear processes in data time series. The machine learning methods of support vector machine (SVM) and extreme learning machine (ELM) have the ability to obtain nonlinear features from data of iron ore demand. The advantages of the HW, ARIMA, SVM, and ELM methods are combined in various degrees by intelligent optimization algorithms, including the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and simulated annealing (SA) algorithm. Then the combined forecast models are constructed. The contrastive results clearly show that how a high forecasting accuracy and an excellent robustness could be achieved by the particle swarm optimization algorithm combined model, it is more suitable for predicting data pertaining to the iron ore demand.
Stabilne dostawy zasobów rudy żelaza związane są nie tylko z bezpieczeństwem energetycznym, ale także ze zrównoważonym rozwojem kraju. Dokładna prognoza zapotrzebowania na rudę żelaza ma ogromne znaczenie dla rozwoju industrializacji kraju, a nawet świata. Naukowcy nie osiągnęli jeszcze konsensusu co do metod prognozowania popytu na rudę żelaza. Łączenie różnych algorytmów i pełne wykorzystanie zalet każdego algorytmu to skuteczny sposób na opracowanie modelu predykcyjnego o wysokiej dokładności i niezawodności. W tej publikacji, model Holta-Wintersa (HW) do wygładzania szeregów czasowych, w których występują wahania przypadkowe, jak również autoregresyjny zintegrowany model średniej ruchomej (ARIMA), a także maszyna wektorów nośnych (SVM) i maszyna do ekstremalnego uczenia się (ELM), zostały połączone w celu uchwycenia różnych relacji i charakterystyk na podstawie danych szeregów czasowych, aby dokładnie przewidzieć zapotrzebowanie na rudę żelaza. Zalety czterech algorytmów są w różnym stopniu łączone przez inteligentne algorytmy optymalizacji, w tym algorytm genetyczny, algorytm optymalizacji roju cząstek oraz algorytm symulowanego wyżarzania. Następnie konstruowane są połączone modele. Kontrastowe wyniki wyraźnie pokazują, w jaki sposób można osiągnąć wysoką dokładność prognozowania i doskonałą solidność za pomocą połączonego modelu algorytmu genetycznego. Model taki jest bardziej odpowiedni do przewidywania danych dotyczących zapotrzebowania na rudę żelaza. Opierając się na prognozowanych wynikach połączonego modelu algorytmu genetycznego, możemy stwierdzić, że oczekuje się, iż krajowy popyt na rudę żelaza będzie w przyszłości wykazywał tendencję rozwojową w postaci trwałego, ale powolnego wzrostu.
Źródło:
Gospodarka Surowcami Mineralnymi; 2021, 37, 1; 21-38
0860-0953
Pojawia się w:
Gospodarka Surowcami Mineralnymi
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 89

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