BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Jankiewicz Jacek
Tytuł
Wykorzystanie sztucznych sieci neuronowych w prognozowaniu koniunktury budownictwa
The Use of Artificial Neural Networks in Forecasting Business Conditions in the Construction Industry
Źródło
Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu, 2004, nr 47, s. 106-122, rys., tab., bibliogr. 22 poz.
Słowa kluczowe
Prognozy gospodarcze, Budownictwo, Sieci neuronowe, Prognozowanie, Koniunktura gospodarcza, Wahania koniunkturalne, Cykl koniunkturalny
Economic forecast, Construction, Neural networks, Forecasting, Business trends, Business fluctuations, Business cycles
Uwagi
summ.
Abstrakt
Celem poniższej analizy jest identyfikacja i krótkookresowa prognoza wahań cyklicznych występujących w polskim budownictwie. Do opisu badanego zjawiska można wykorzystać wielkości szacowane w ramach statystyki ilościowej, w przeprowadzonym badaniu skupiono się jednak na jakościowych wskaźnikach koniunktury. W takich państwach jak Niemcy, USA, Francja wyniki testu koniunktury odgrywają istotną rolę w analizie bieżącego stanu i prognozowaniu zmian zachodzących w gospodarce. W niniejszej pracy wykorzystano informacje o charakterze jakościowym, dotyczące branży budowlanej w Polsce. (fragment tekstu)

The aim of the analysis was identification and short-term forecast of fluctuations in economic activity of the Polish construction industry. In order to illustrate cyclical changes in the economic activity of the chosen sector, a series of construction-assembly production sold was subject to seasonal decomposition. Then by means of Hodrick-Prescott filter a growth tendency was estimated and differentiated. Information of qualitative character was used in order to describe and forecast construction-assembly production sold. The values estimated on the basis of business survey are characterised by different dependencies with a referential series. Part of them reveal some leads in comparison with the quantitative series, others take a parallel course or lag behind. The study focused on the leading magnitudes. In order to differentiate them and determine the shifts in time, Granger's casuality was studied. Constructing the prognostic model which took into account non-linear relations between variables, the author used the method of artificial neural networks. Multi-layer perceptrons used in the study are the structures of considerable complexity and high capacity of estimation. The estimated models differed in the way of assigning observations to teaching, validating and testing sets. (original abstract)
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. Aczel A.D., Statystyka w zarządzaniu, Wydawnictwo Naukowe PWN, Warszawa 2000.
  2. Adamowicz E., Dudek S., Walczyk K., Wykorzystanie wyników testu koniunktury do prognoz krótkoterminowych, Prace i Materiały IRG, Zeszyt nr 73, SGH, Warszawa 2002.
  3. Badania koniunktury. Koniunktura w przemyśle budownictwie i handlu, GUS, Warszawa II 2000.
  4. Cieślak M., Prognozowanie gospodarcze, PWN, Warszawa 2001.
  5. Charemza W.W., Deadman D.F., Nowa ekonometria, Polskie Wydawnictwo Ekonomiczna, Warszawa 1997.
  6. Dittmann P., Metody prognozowania sprzedaży w przedsiębiorstwie, Wydawnictwo AE im. O. Langego we Wrocławiu, Wrocław 2000.
  7. Gajda J.B., Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Beck, Wraszawa 2001.
  8. Gately E., Sieci neuronowe. Prognozowanie finansowe i projektowanie systemów transakcyjnych, WIG Press, Warszawa 1999.
  9. Gruszczyński M., Podgórska M., Ekonometria, Oficyna Wydawnicza SGH, Warszawa 1996.
  10. Gujarati D.N., Basic Econometrics, third edition, McGraw-Hill, International Edition 1995.
  11. Hubner D., Lubiński M., Małecki W., Koniunktura gospodarcza, PWE, Warszawa 1994.
  12. Kudyba S., Are Neural Networks a Better Forecaster?, Futures: News, Analysis & Strategies for Futures, "Options and Derivatives Traders" 1998, Vol. 27, No 10.
  13. Lubiński M., Analiza koniunktury i badanie rynków, DW Elipsa, Warszawa 2002, s. 64.
  14. Luszniewicz A., Słaby T., Statystyka z pakietem komputerowym Statistica PL, Wydawnictwo C.H. Beck, Warszawa 2001.
  15. Matkowski Z., Cykle w rozwoju gospodarki polskiej, Wydawnictwa IRG, Warszawa 1998.
  16. Matkowski Z., Z prac nad syntetycznymi wskaźnikami koniunktury dla gospodarki polskiej, IRG, Warszawa, 1997.
  17. Ostasiewicz W., Statystyczne metody analizy danych, Wydawnictwo AE im. O. Langego we Wrocławiu, Wrocław 1999.
  18. Rekowski M., Koniunktura gospodarcza Polski. Analiza grup produktowych, Akademia, Poznań 1997.
  19. Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa 1997.
  20. Sherman H.J., Kolk D.X., Business Cycles and Forecasting, H. C. C. Publishers, New York 1996.
  21. Wojtowicz P., Statystyka w badaniach naukowych. Polska wersja Statistica Neural Networks, Materiały na seminaria, Warszawa 2000.
  22. Tadeusiewicz T., Lula P., Sieci neuronowe, materiał kursowy Statsoft Polska, Kraków 2001.
Cytowane przez
Pokaż
ISSN
1641-2168
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu