BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Broszkiewicz-Suwaj Ewa, Wołomańska Agnieszka
Tytuł
Analiza wolumenu sprzedaży energii elektrycznej na giełdzie Nord Pool metodą szeregów PARMA
Źródło
Rynek Terminowy, 2004, nr 4, s. 83-87, bibliogr. 11 pozycji
Słowa kluczowe
Metoda najmniejszych kwadratów, Analiza sprzedaży, Rynek energetyczny, Modele matematyczne, Model ARMA
Least squares method, Sales analysis, Energy market, Mathematical models, ARMA model
Firma/Organizacja
Giełda Energii Nord Pool
Abstrakt
W artykule podjęto próbę analizy procesów okresowo skorelowanych i omówiono modele je opisujące. Szeregi PARMA, które są modelami ARMA ze zmieniajacymi się okresowo w czasie współczynnikami, omówiono pod względem estymacji. Przedstawiono także kryteria wyboru rzędu autoregresji. Wykonane analizy wskazują, że modele PARMA i ich podklasa, modele PAR, mogą być wykorzystywane przy badaniu danych z giełdy energii. Ponadto opisują one szeregi niestacjonarne i wykazujące, a takimi są właśnie dane energetyczne. Również wykonana predykcja wskazuje, ze omawiane modele dobrze opisują dane rzeczywiste.
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Brockwell P. J., Davies R. A., Introduction to Time Series and Forecasting, Springer-Verlag, New York, 1996 r.
  2. Broszkiewicz-Suwaj, E., Wykrywanie okresowej korelacji danych z IGE SA w oparciu o analizę spektralną, Rynek Terminowy 20 (2), 2003 r.
  3. Broszkiewicz-Suwaj E., Makagon A., Weron R., Wyłomańska A.,On detecting and modeling periodic correlation in financial data, Physica A 336, 2004 r.
  4. Ghysels E., Osborn D. R., The econometric analysis of seasonaltime series, Cambridge University Press, New York 2001 r.
  5. Gladyshev E. G., Periodically correlated random sequences,Sov. Math. 2,1961 r.
  6. Lund R., Basawa I. V., Recursive prediction and likelihood evaluation for periodic ARM A models, J. Time Series Analysis 1 (21), 2000 r.
  7. Lund R., Basawa I. V., Large sample properties of parameter estimates for periodic ARMA models, J. Time Series Analysis 6 (22), 2001 r.
  8. Makagon A., Theoretical prediction of periodically correlated sequences, Prob. Math. Stat. 19 (2), 1999 r.
  9. McLeod A. I., Diagnostic Checking Periodic Autoregression Models With Application, J. Time Series Analysis, 2 (15), 1995 r.
  10. Pagano M., On periodic and multiple autoregressions, The Annals of Statistics 6,1978 r.
  11. [11 ] Vecchia A.V., Periodic autoregressive-moving average (PARMA) modeling with applications to water resources, Water Resources Bulletin, 5 (21), 1985 r.
  12. Vecchia A.V., Maximum Likelihood Estimation for Periodic Autoregressive Moving Average Models, Technometrics 4 (27), 1985 r.
  13. Wytomańska A., Ondruszko S., Analiza porównawcza modelowania ceny energii elektrycznej przy użyciu różnych pakietów statystycznych, Rynek Terminowy 20 (2), 2003 r.
Cytowane przez
Pokaż
ISSN
1508-972X
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu