BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Miśkiewicz Monika (Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach)
Tytuł
Metoda "najbliższych sąsiadów" oraz metoda "LEM" - porównanie efektywności metod prognozowania zjawisk ekonomicznych opisanych za pomocą szeregów czasowych
The "Nearest Neighbours" Method Versus "LEM Method" - Comparison of the Effectiveness of the Methods Predicting the Economic Phenomena Described by Time Series
Źródło
Studia Ekonomiczne / Akademia Ekonomiczna w Katowicach, 2008, nr 50, s. 81-96, rys., tab., bibliogr. 14 poz.
Tytuł własny numeru
Zastosowanie metod matematycznych w ekonomii i zarządzaniu
Słowa kluczowe
Szeregi czasowe, Kurs walutowy, Prognozowanie kursów walut, Metoda najbliższego sąsiedztwa, Wykładniki Lapunowa
Time-series, Exchange rates, Exchange rates forecasting, Neighbor joining distance method, Lyapunov exponents
Uwagi
summ.
Abstrakt
Celem artykułu jest wyznaczenie przyszłych wartości szeregów czasowych, utworzonych z wybranych kursów walut oraz porównanie efektywności wybranych metod predykcji pod względem dokładności wyznaczonych prognoz. W opracowaniu pod uwagę wzięto takie waluty, jak: dolar australijski AUD, korona duńska DKK, euro EUR, funt szterling GBP, jen japoński JPY, dolar amerykański USD, w okresie od 1.01.1999 roku do 30.10.2004 roku, obejmującym 1474 notowania. (fragment tekstu)

This paper describes two methods of time series prediction. First method uses composite neighbours. A predicted value is defined by some weighted combination of the actual nearest neighbours in the reconstructed state space. Second method is based on the fundamental characteristic behavior that a sensitive dependence upon initial conditions (SDUIC) and Lyapunov exponents are measure of the SDUIC in chaotic systems. This is done firstly by reconstructing a phase space using time series, then using Lyapunov exponents as qualitative parameter to predict an unknown phase space point. After transferring the phase space point, the predicted time series data can be obtained. The numerical example has shown that the first method is effective.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Casdagli M.: Chaos and Deterministic versus Stochastic Non-linear Modelling. "J. R. Statist. Soc.54" 1991, No. 2, s. 303-328.
  2. Chun S.H., Kim K.J., Kim S.H.: Chaotic Analysis of Predictability versus Knowledge Discovery Techniques: Case Study of the Polish Stock Market. "Expert Systems" 2002, Vol. 19, No. 5, s. 264-272.
  3. Farmer J.D., Sidorowich J.J.: Exploiting Chaos to Predict the Future and Reduce Noise. In: Evolution, Learning and Cognition. Ed. Y.C. Lee. World Scientific, Singapore 1988.
  4. Farmer J.D., Sidorowich J.J.: Predicting Chaotic Time Series. "Physical Review Letters" 1987, Vol. 59, No. 8, s. 845-848.
  5. Miśkiewicz M.: Wrażliwość na zmianę warunków początkowych w szeregach czasowych kursów akcji notowanych na GPW w Warszawie. W: Postępy Ekonometrii. Red. A.S. Barczak. AE, Katowice 2004, s. 193-200.
  6. Peters E.E.: Teoria chaosu a rynki kapitałowe. Nowe spojrzenie na cykle, ceny i ryzyko. WIG-Press, Warszawa 1997.
  7. Takens E: Detecting Strange Attractors Turbulence. Springer-Verlag, Berlin 1981.
  8. Wolf A., Swift J.B., Swinney H.L., Vastano J.A: Determining Lyapunov Exponents from a Time Series. "Physica 16D" 1985, s. 285-317.
  9. Welfe A.: Ekonometria. Metody i ich zastosowanie. Polskie Wydawnictwo Ekonomiczne, Warszawa 2003.
  10. Weron A., Weron R.: Inżynieria finansowa. Wydawnictwa Naukowo-Techniczne, Warszawa 1998.
  11. Zawadzki H.: Chaotyczne systemy dynamiczne. Elementy teorii i wybrane przykłady ekonomiczne. AE, Katowice 1996.
  12. Zeliaś A.: Teoria prognozy. Polskie Wydawnictwo Ekonomiczne, Warszawa 1997.
  13. Zeug K.: Rekonstrukcja przestrzeni stanów na podstawie jednowymiarowego ekonomicznego szeregu czasowego. "Studia Ekonomiczne" 2005, nr 36, s. 227-241.
  14. Zhang J., Lam K.C., Yan W.J., Gao H., Li Y.: Time Series Prediction Using Lyapunov Exponents in Embedding Phase Space. "Computers and Electrical Engineering 30" 2004, pp. 1-15.
Cytowane przez
Pokaż
ISSN
2083-8603
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu