BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Miśkiewicz-Nawrocka Monika (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Wybrane metody redukcji szumu losowego w ekonomicznych szeregach czasowych
Źródło
Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach. Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 4, 2012, s. 73-87, bibliogr. 16 poz.
Słowa kluczowe
Szeregi czasowe, Ekonomia
Time-series, Economics
Abstrakt
Rzeczywiste szeregi czasowe (st) składają się z części deterministycznej szeregu (yt) oraz części stochastycznej szeregu (εt). Składnik εt = st - yt wyraża poziom szumu losowego reprezentującego szum obserwacyjny, systemowy lub kombinację szumu obserwacyjnego i systemowego. Redukcja szumu losowego pozwala poznać własności szeregu (yt) w oparciu o analizę szeregu obserwacji (st). Metody redukcji szumu można podzielić na statystyczne i szczegółowe. Metody statystyczne pozwalają wyznaczyć szereg podobny (pod względem statystycznych własności) do (yt) natomiast metody szczegółowe polegają na zrekonstruowaniu poszczególnych obserwacji szeregu (yt). W rozdziale zostaną omówione wybrane metody redukcji szumu losowego w szeregach czasowych. Ponadto, metoda najbliższych sąsiadów zostanie zastosowana do redukcji szumu losowego w wybranych ekonomicznych szeregach czasowych oraz zostanie zbadana efektywność tej metody. Badania empiryczne zostaną przeprowadzone w oparciu o rzeczywiste dane natury ekonomicznej. (fragment tekstu)
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. i LeBaron B., Nonlinear Dynamics, Chaos, and Instability: Statistical Theory and Economica Evidence, The MIT Press, Cambridge 1991
  2. Cao L., Method of false nearest neighbors, w: Modeling and Forecasting Financial Data, eds. A.S. Soofi, L. Cao, Kluwer, Boston 2001
  3. Farmer J.D., Sidorowich J.J., Optimal shadowing and noise reduction, „Physica D” 1991, Vol. 47
  4. Frank M., Stengos T., Chaotic dynamics in economics time series, „Journal of Economic Surveys” 1988, Vol. 2
  5. Kantz H., Schreiber T., Nonlinear Time Series Analysis, Cambridge University Press 2004
  6. Kennel M.B., Brown R., Abarbanel H.D.I., Detecting Embedding Dimension for Phase Space Reonstruction Using a Geometrical Construction, „Physical Review A” 1992, vol. 45
  7. Kyrtsou C., Terraza M., Stochastic chaos or ARCH effects in stock series? A comparative study, „International Review of Financial Analysis” 2002, Vol. 11
  8. Mayfield E.S., Mizach B., On Determining the Dimension of Real-Time Stock-Price Data, „Journal of Business & Economic Statistics” 1992
  9. Nowiński M., Nieliniowa dynamika szeregów czasowych, Akademia Ekonomiczna, Wrocław 2007
  10. Orzeszko W., Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, Polskie Towarzystwo Ekonomiczne, Warszawa 2005
  11. Ott E., Chaos w układach dynamicznych, Wydawnictwa Naukowo-Techniczne, Warszawa 1997
  12. Packard N.H. i in., Geometry from a time series, „Physical Review Letters” 1980, Vol. 45
  13. Rosenstein M.T., Collins J.J., De Luca C J., A practical method for calculating largest Lyapunov exponents fi'om small data sets, „Physica D” 1993, Vol. 65
  14. Stawicki J., Metody filtracji w modelowaniu procesów ekonomicznych, Uniwersytet Mikołaja Kopernika, Toruń 1993
  15. Takens F., Detecting Strange Attractor In Turbulence, w: Dynamical Systems and Turbulence, eds. D. Rand, L. Young, Springer-Verlag 1981
  16. Zawadzki H., Chaotyczne systemy dynamiczne. Elementy teorii i wybrane zagadnienia ekonomiczne, Akademia Ekonomiczna, Katowice 1996
Cytowane przez
Pokaż
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu