BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Miśkiewicz-Nawrocka Monika (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Zastosowanie metody najbliższych sąsiadów do redukcji szumu losowego w ekonomicznych szeregach czasowych
The Application of the Method of Nearest Neighbours to Reduce Random Noise in an Economic Time Series
Źródło
Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie, 2012, nr 895, s. 19-33, tab., bibliogr. 15 poz.
Cracow Review of Economics and Management
Słowa kluczowe
Układy dynamiczne, Szeregi czasowe, Badania empiryczne
Dynamical systems, Time-series, Empirical researches
Uwagi
summ.
Abstrakt
Rzeczywisty szereg czasowy (xt) można zapisać w postaci addytywnej jako: xt = yt + εt, gdzie (yt) oznacza część deterministyczną szeregu, a (εt) - część stochastyczną szeregu. Część stochastyczna (εt) związana jest z obecnością w szeregu szumu losowego, reprezentującego szum obserwacyjny, systemowy lub kombinację szumu obserwacyjnego i systemowego. Redukcja szumu losowego ma na celu umożliwienie poznania własności szeregu (yt) na podstawie analizy szeregu "zanieczyszczonego" (xt). Metoda najbliższych sąsiadów wywodzi się z teorii nieliniowych układów dynamicznych i została stworzona do prognozowania szeregów czasowych, jednak może być również stosowana do redukcji szumu. W metodzie tej szereg (yt) jest budowany na podstawie najbliższych sąsiadów (w sensie ustalonej metryki m-wymiarowej) wektorów xtm zrekonstruowanej przestrzeni stanów układu dynamicznego opisanego szeregiem (xt). W pracy metoda najbliższych sąsiadów została zastosowana do redukcji szumu losowego w szeregach czasowych. Badania empiryczne przeprowadzono z wykorzystaniem rzeczywistych danych natury ekonomicznej. (abstrakt autora)

The real time series (xt) can be written in an additive form, as: xt = yt + ε, where (yt) denotes the deterministic part of the series, and (εt) the stochastic part, which is associated with the presence of random noise in the time series, representing the observational noise, system noise, or a combination thereof. The reduction of random noise allows the properties of the series (yt) to be known based on analysis of series (xt). The nearest neighbours method is derived from the theory of nonlinear dynamic systems and was developed to predict the time series, but it can also be used to reduce noise. Here the time series (yt) is built on the basis of the nearest neighbours of vectors xtm of a reconstructed state space dynamic system, which is described with the use of the time series (xt). In this paper, the nearest neighbours method is used to reduce random noise in an economic time series. Empirical studies are conducted based on actual data of an economic nature. (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
Bibliografia
Pokaż
  1. Brock W.A., Hsieh D.A., LeBaron B. [1991], Nonlinear Dynamics, Chaos, and Instability: Statistical Theory and Economic Evidence, The MIT Press, Cambridge.
  2. Frank M., Stengos T. [1988], Chaotic Dynamics in Economics Time Series, "Journal of Economic Surveys", No 2.
  3. Guégan D., Leroux J. [2009], Forecasting Chaotic Systems: The Role of Local Lyapunov Exponents, "Chaos, Solitons & Fractals", Vol. 41.
  4. Kantz H., Schreiber T. [2004], Nonlinear Time Series Analysis, 2nd ed., Cambridge University Press, Cambridge.
  5. Kennel M.B., Brown R., Abarbanel H.D.I. [1992], Detecting Embedding Dimension for Phase Space Reonstruction Using a Geometrical Construction, "Physical Review" Series A, 45.
  6. Kyrtsou C., Terraza M. [2002], Stochastic Chaos or ARCH Effects in Stock Series? A Comparative Study, "International Review of Financial Analysis" 11.
  7. Mayfield E.S., Mizach B. [1992], On Determining the Dimension of Real-Time Stock-Price Data, "Journal of Business & Economic Statistics", Vol. 10, No 3.
  8. Nowiński M. [2007], Nieliniowa dynamika szeregów czasowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocławiu.
  9. Orzeszko W. [2005], Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, PWE, Warszawa.
  10. Ott E. [1997], Chaos w układach dynamicznych, WNT, Warszawa.
  11. Rosenstein M.T., Collins J.J., De Luca C.J. [1993], A Practical Method for Calculating Largest Lyapunov Exponents from Small Data Sets, "Physica" Series D, Vol. 65.
  12. Shintani M., Linton O. [2004], Is There Chaos in the World Economy? A Nonparametric Test Using Consistent Standard Errors, "International Economic Review", Vol. 44, No 1.
  13. Stawicki J. [1993], Metody filtracji w modelowaniu procesów ekonomicznych, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń.
  14. Zawadzki H. [1996], Chaotyczne systemy dynamiczne. Elementy teorii i wybrane zagadnienia ekonomiczne, Zeszyty Naukowe Akademii Ekonomicznej w Katowicach, Katowice.
  15. Zhang J. et al. [2004], Time Series Prediction using Lyapunov Exponents in Embedding Phase Space, "Computers and Electrical Engineering" 30.
Cytowane przez
Pokaż
ISSN
1898-6447
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu