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 "hourly data" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    A new perspective of the day-of-the-week effect on Bitcoin returns: evidence from an event study hourly approach
    Autorzy:
    Miralles-Quirós, José Luis
    Miralles-Quirós, María Mar
    Powiązania:
    https://bibliotekanauki.pl/articles/19322600.pdf
    Data publikacji:
    2022
    Wydawca:
    Instytut Badań Gospodarczych
    Tematy:
    Bitcoin
    event study
    day-of-the-week effect
    hourly data
    Opis:
    Research background: A current strand of the financial literature is focusing on detecting inefficiencies, such as the day-of-the-week effect, in the cryptocurrency market. However, these studies are not considering that there are no daily closes in this market, and it is possible to trade cryptocurrencies on a continuous basis. This fact may have led to biases in previous empirical results. Purpose of the article: We propose to analyse the day-of-the-week effect on the Bitcoin from an alternative perspective where each hourly data in a day is considered an event. Focusing on that objective, we employ hourly closing prices for Bitcoin which are taken from the Kraken exchange, one of the world leading exchanges and trading platforms in the cryptocurrency markets, for the period spanning from January 2016 to December 2021. Methods: Contrary to the previous empirical evidence, we do not calculate daily returns, but rather the first stage of our proposed approach is devoted to analysing the hourly mean returns for each of the 24 hours of the day for each day of the week. We look for statistically significant hourly mean returns that could advance the importance of the hourly differentiation in the Bitcoin market. In a second stage, we calculate different post-event cumulative returns which are defined as the change in log prices over a time interval. Finally, we propose different investment strategies simply based on the significant hourly mean returns we obtain and we evaluate their performance in terms of the Sharpe ratio. Findings & value added: We contribute to the debate about the degree of Bitcoin's market efficiency by providing an alternative methodology based on an event study hourly approach. Furthermore, we provide evidence that by investing in different post-event hourly windows it is possible to outperform the classic buy-and-hold strategy.
    Źródło:
    Oeconomia Copernicana; 2022, 13, 3; 745-782
    2083-1277
    Pojawia się w:
    Oeconomia Copernicana
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie brakujących danych w szeregach czasowych przy zastosowaniu modeli hybrydowych – podejście teoretyczne i empiryczne
    Forecasting missing data in time series with the application of hybrid models – theoretical and empirical approach
    Autorzy:
    Zawadzki, Jan
    Powiązania:
    https://bibliotekanauki.pl/articles/1042759.pdf
    Data publikacji:
    2020-10-30
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    dane godzinne
    sezonowość złożona
    modele hybrydowe
    luki niesystematyczne
    hourly data
    complex seasonality
    hybrid models
    non-systematic gaps
    Opis:
    Celem artykułu jest przedstawienie możliwości prognozowania brakujących danych w szeregach czasowych dla danych godzinnych przy zastosowaniu modeli hybrydowych. W badaniu wykorzystano hybrydowe modele szeregu czasowego oraz modele regresyjne ze złożonymi wahaniami sezonowymi. Wahania złożone dla danych godzinnych mogą być sumą lub iloczynem wahań o cyklach rocznym, tygodniowym i dobowym, a wahania o długości cyklu wyrażonej liczbą parzystą (12-miesięczne i 24-godzinne) mogą być opisywane za pomocą regularnych modeli hierarchicznych. Rozważania o charakterze teoretycznym podparto analizą empiryczną zapotrzebowania na energię elektryczną w okresach godzinnych w wybranej aglomeracji. Wykorzystano dane statystyczne obejmujące trzy kolejne lata pierwszej dekady XXI w., które zostały udostępnione przez przedsiębiorstwo zajmujące się dystrybucją energii elektrycznej i włączone do Banku Danych Katedry Zastosowań Matematyki w Ekonomii Zachodniopomorskiego Uniwersytetu Technologicznego w Szczecinie. Przyjęto założenie, że luki niesystematyczne będą występowały w przypadku każdego rodzaju wahań sezonowych. Otrzymane wyniki wskazują na użyteczność modeli hybrydowych w prognozowaniu zjawisk ekonomicznych o bardzo dużej częstotliwości prowadzenia obserwacji.
    The main goal of the article is to present the possibilities of forecasting missing observations in time series for hourly data with the application of hybrid models. Hybrid time series models and regression models with complex seasonal fluctuations were used in the study. Complex fluctuations for hourly data can be either a sum or a product of fluctuations of annual, weekly and daily cycles, while fluctuations the length of a cycle expressed by an even number (12-month and 24-hour ones) can be described using regular hierarchical models. The theoretical considerations were illustrated by an empirical analysis of the demand for electricity in hourly periods in a selected agglomeration. The statistical data covered three consecutive years of the first decade of the 2000s. The data were provided by an electricity distribution company and included in the Data Bank of the Department of Applied Mathematics in Economics of the West Pomeranian University of Technology in Szczecin. It was assumed that non-systematic gaps occur with regard to all types of seasonal fluctuations. The obtained results indicate the usefulness of hybrid models in forecasting economic phenomena subject to very frequent observations.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2020, 65, 10; 24-48
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja luk pomiarowych w danych rejestrowanych na stacjach monitoringu powietrza
    Classification of air monitoring data gaps
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297005.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring automatyczny
    dane
    stężenia chwilowe
    brakujące dane
    luki pomiarowe
    klasyfikacja
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    classification
    Opis:
    Rejestrowane na stacjach monitoringu powietrza zbiory danych nigdy nie są kompletne. W skali roku liczba odnotowywanych braków jest zmienna. Ocena jakości powietrza na podstawie niepełnych pomiarów jest utrudniona. Obowiązujące przepisy prawne dopuszczają możliwość wykorzystania modelowania w celu uzupełnienia brakujących danych. Rozpoznanie typowych struktur obszarów z brakującymi danymi umożliwia ich klasyfikację, a następnie rekomendację odpowiednich metod modelowania dla wyszczególnionych klas. Celem badań było wytypowanie charakterystycznych struktur luk pomiarowych w zbiorach danych i określenie częstości ich występowania. Klasyfikację przypadków z brakującymi danymi zaproponowano na podstawie przeglądu wieloletnich danych, pochodzących z kilku różnych stacji pomiarowych automatycznego monitoringu powietrza. Analizowano serie czasowe chwilowych stężeń podstawowych zanieczyszczeń powietrza (O3, NO2, NO, PM10, SO2, CO), zarejestrowanych w latach 2004-2008 na stacjach monitoringu powietrza Warszawa-Ursynów, Radom, Łódź-Widzew, Piotrków Trybunalski. Na podstawie wyników przeprowadzonej analizy można stwierdzić, że brakujące dane występują powszechnie w zbiorach danych pochodzących z monitoringu powietrza. Częstość ich występowania w rocznych seriach pomiarowych może wynosić od kilku do nawet kilkudziesięciu procent. Większość luk pomiarowych jest krótka - stanowią je głównie pojedyncze przypadki. Zdecydowanie rzadziej występują bloki brakujących danych, przekraczające 3-4 przypadki (dłuższe od 3-4 godzin). Największą częstość występowania przypadków z niezarejestrowanymi wynikami odnotowano dla luk najdłuższych, obejmujących więcej niż 24 przypadki (>24 godziny).
    The data gathered continuously in the air monitoring systems are never entire. In the whole year, the number of missing records is changeable. The deficiency of data could result in uncertainty of a statistical assessment, required by the air quality standards, and cause the uselessness of monitoring measurements. Air quality standards permit to use modelling in order to recreate the missing data when the completeness of the monitoring set is not sufficient. Applied modelling methods should guarantee possibly the best precision to achieve the air quality assessment being closest to reality. Single, specified method does not assure the maximal accuracy because the missing data in data matrix may create gaps of various shapes and ranges. Recognition of typical structures of missing data fields should be the base of their classification. For the specified classes of gaps the optimum modelling methods may be recommended and assigned. The main objective of the analysis was to select typical patterns of gaps in air monitoring data matrixes, and the assessment of their appearing. The missing data classification was suggested after long-term data survey. The analyzed data sets derived from 4 different air monitoring sites in the Central Poland (Warsaw-Ursynów, Radom, Lodz-Widzew, Piotrków Trybunalski). The data were gathered in the period 2004-2008. The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The results allow coming to some general conclusions. Missing data commonly occur in sets of air monitoring records. Gaps may include up to several or even more per cent of all expected data in yearly measuring series. For all air pollutants, the most of the gaps in monitoring time series are very short. Single (1-hour) missing values dominate among gaps of different length. Gaps lengths exceeding 3-4 hours are observed occasionally. However, the greatest frequency of single without-data cases appearing is observed in the longest gaps (>24 hours), because of their lengths.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 2; 101-117
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Aproksymacja stężeń zanieczyszczeń powietrza za pomocą neuronowych modeli szeregów czasowych
    Aproximation of air monitoring data gaps by means of time-series neural models
    Autorzy:
    Hoffman, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/297640.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    szereg czasowy
    modele neuronowe
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    time series
    neural models
    air pollution
    air monitoring
    hourly concentrations
    monitoring data
    missing data
    measure gaps
    approximation
    Opis:
    W pracy oceniono możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Do predykcji stężeń wykorzystano neuronowe modele szeregów czasowych. Jakość modelowania testowano na rzeczywistych danych pochodzących ze stacji monitoringu powietrza Łódź-Widzew, zarejestrowanych w latach 2004-2008. Analizie poddano względnie kompletny zbiór danych, obejmujący stężenia 6 podstawowych zanieczyszczeń powietrza: O3, NO2, NO, PM10, SO2, CO. Celem badawczym było określenie i porównanie dokładności predykcji stężeń różnych zanieczyszczeń powietrza. Modelowanie przeprowadzono, stosując sztuczne sieci neuronowe. Trening sieci odbywał się przy użyciu liniowego algorytmu pseudoinwersji. Wyjściem modelu było stężenie wybranego zanieczyszczenia w określonym czasie. Wejściami były wartości stężeń zarejestrowane w godzinach wcześniejszych. Każdy model charakteryzowały dwie wielkości: horyzont prognozy i liczba wartości opóźnionych. W analizie określono dokładność predykcji stężeń wybranych zanieczyszczeń dla stałej liczby wartości opóźnionych równej 24 przy zmieniającym się horyzoncie prognozy od 1 do 240 godz. Jako kryterium jakości modelowania przyjęto wartość błędu aproksymacji.
    An assessment of quality of air pollutants concentration modeling was the main research purpose. The examination was made by means of artificial neural networks, which were employed to create time-series models. The quality of approximation was tested on the actual set of air monitoring data, gathered over a 5-year period at the measure site in Lodz-Widzew (Central Poland). The examined time-series involved hourly concentrations of main air pollutants: O3, NO2, NO, PM10, SO2, CO. The research aim was the estimation and the comparison of prediction accuracy for different air pollutants. Time-series models were characterized by two parameters which might influence the prediction quality: lookahead and steps. For all models the constant number of steps equal 24 hours was assumed. The effect of changes of lookahead in the range 1÷ 240 hours was analyzed. It was stated that the decreasing of precision of time-series models with the increase of lookahead is observed. The drop of accuracy depends on pollutant. The furthest reasonable prognosis may be done for ozone concentration. Approximation accuracy shortens in the order: O3, CO, SO2, PM10, NO2, NO.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 3; 231-239
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie dokładności różnych metod predykcji stężeń zanieczyszczeń powietrza
    A comparison of accuracies of different air pollutants concentration prediction methods
    Autorzy:
    Hoffman, S.
    Jasiński, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/297662.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Częstochowska. Wydawnictwo Politechniki Częstochowskiej
    Tematy:
    zanieczyszczenia powietrza
    monitoring powietrza
    stężenia chwilowe
    dane monitoringu
    brakujące dane
    luki pomiarowe
    aproksymacja
    modele szeregów czasowych
    modele regresyjne
    sieci neuronowe
    air monitoring
    hourly concentrations
    monitoring data
    air pollution
    missing data
    measure gaps
    approximation
    time series models
    regression models
    neural networks
    Opis:
    W analizie wykorzystano dane zarejestrowane w latach 2004-2008 na ośmiu stacjach monitoringu powietrza działających w różnych miejscowościach województw łódzkiego i mazowieckiego. W pracy badano możliwości aproksymacji stężeń zanieczyszczeń mierzonych na stacjach monitoringu powietrza. Ocenę jakości modelowania wykonano poprzez porównanie modelowanych stężeń ze stężeniami rzeczywistymi. Do predykcji stężeń wykorzystano sieci neuronowe. Porównywano dokładność pięciu różnych grup modeli: modeli szeregów czasowych, liniowych modeli regresji wielowymiarowej, nieliniowych modeli regresji wielowymiarowej, liniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu i nieliniowych modeli regresji wielowymiarowej eksplorujących dane pochodzące z sąsiednich stacji monitoringu. Celem praktycznym była rekomendacja optymalnych technik modelowania luki pomiarowej obejmującej pewien dłuższy fragment serii czasowej tylko jednego z zanieczyszczeń powietrza przy założeniu, że są dostępne wszystkie pozostałe dane, w tym dane pochodzące z sąsiednich stacji monitoringu powietrza. Wykonana analiza wykazała, że dla każdego z zanieczyszczeń powietrza należy rekomendować inne metody predykcji, ponieważ występują duże różnice w możliwościach modelowania poszczególnych zanieczyszczeń powietrza. Stężenia takich zanieczyszczeń, jak O3, SO2, PM10 można efektywnie modelować metodą szeregów czasowych, ale tylko do pewnego horyzontu prognozy, po którym regresyjne metody modelowania okazują się dokładniejsze. W modelowaniu stężeń O3 i PM10 efektywne może się okazać wykorzystanie stężeń tych zanieczyszczeń zarejestrowanych na innych stacjach monitoringu powietrza. W przypadku pozostałych zanieczyszczeń NO, NO2 i CO zasadne jest stosowanie tylko jednej metody modelowania - analizy regresji. Liniowe modele regresyjne są mniej dokładne od ich nieliniowych odpowiedników. Różnice dokładności obu typów modeli nie zawsze są duże. Dlatego modele liniowe mogą stanowić praktyczną alternatywę dla nieliniowych odpowiedników.
    Air monitoring data collected over a 5-year period at 8 different measure sites in Central Poland were used as the database for analysis purposes. Approximation of concentrations of monitored air pollutants were done by means of several prediction methods: time series analysis, regression analysis with predictors from a single monitoring station, and regression analysis with external predictors. Separate models were created for O3, NO2, NO, PM10, SO2, CO. Modelled and measured concentrations were compared. As a result prediction errors were calculated for each model. The main objective of analysis was a comparison of prediction results, and recommendation the most accurate modelling methods, dedicated to specified pollutants. The examination was made by means of artificial neural networks, which were employed to create all types of models.
    Źródło:
    Inżynieria i Ochrona Środowiska; 2009, 12, 4; 307-325
    1505-3695
    2391-7253
    Pojawia się w:
    Inżynieria i Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimizing the acquisition cost of input data for daily National Power System load forecasts using automated statistical methods
    Optymalizacja kosztów zakupu danych wejściowych do prognoz dobowego obciążenia KSE przy wykorzystaniu zautomatyzowanych metod statystycznych
    Autorzy:
    Czapaj, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/396982.pdf
    Data publikacji:
    2017
    Wydawca:
    ENERGA
    Tematy:
    obciążenie KSE
    zapotrzebowanie mocy KSE
    prognozy średnich wartości godzinowych
    zmienne objaśniające
    parametry wejściowe
    parametry meteorologiczne
    metody statystyczne
    data mining
    NPS load
    NPS power demand
    hourly average forecasts
    explanatory variables
    input parameters
    meteorological parameters
    statistical methods
    Opis:
    The paper presents the possibility of using statistical methods to automate the selection of explanatory variables to balance the daily load of the National Power System (NPS). With automation, the cost of input forecast purchase may be optimized by minimizing their number, and the results also allow for a reduction in the effort required to select input parameters (explanatory variables) for later forecasting of NPS daily loads.
    Artykuł prezentuje możliwość skorzystania z metod statystycznych automatyzujących dobór zmiennych objaśniających na przykładzie dobowego obciążenia Krajowego Systemu Elektroenergetycznego (KSE). Automatyzacja pozwala na optymalizację kosztów zakupu prognoz wejściowych dzięki minimalizacji ich liczby, a uzyskane wyniki pozwalają dodatkowo na zmniejszenie nakładów pracy związanych z wyborem parametrów wejściowych (zmiennych objaśniających) na potrzeby późniejszego opracowywania prognoz dobowego obciążenia KSE.
    Źródło:
    Acta Energetica; 2017, 3; 37-42
    2300-3022
    Pojawia się w:
    Acta Energetica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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