- Autor
- Miśkiewicz-Nawrocka Monika (University of Economics in Katowice, Poland)
- Tytuł
- The Application of Random Noise Reduction By Nearest Neighbor Method To Forecasting of Economic Time Series
- Źródło
- Folia Oeconomica Stetinensia, 2013, vol. 13, nr 2, s. 96-109, tab., bibliogr. 12 poz.
- Słowa kluczowe
- Wykładniki Lapunowa, Chaos deterministyczny, Szeregi czasowe
Lyapunov exponents, Deterministic chaos, Time-series - Uwagi
- summ.
- Abstrakt
- Since the deterministic chaos appeared in the literature, we have observed a huge increase in interest in nonlinear dynamic systems theory among researchers, which has led to the creation of new methods of time series prediction, e.g. the largest Lyapunov exponent method and the nearest neighbor method. Real time series are usually disturbed by random noise, which can complicate the problem of forecasting of time series. Since the presence of noise in the data can significantly affect the quality of forecasts, the aim of the paper will be to evaluate the accuracy of predicting the time series filtered using the nearest neighbor method. The test will be conducted on the basis of selected financial time series.(original abstract)
- Dostępne w
- Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Abarbanel H.D., Brown, R. & Kennel, M.B. (1992). Determining Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction. Physical Review A, 45 (6), 3404-3411, DOI: 10.1103/PhysRevA.45.3403. [CrossRef]
- Cao, L. (2001). Method of false nearest neighbors. Soofi A.S., Cao L. (Eds.), Modeling andForecasting Financial Data. Boston: Kluwer.
- Guégan, D. & Leroux, J. (2009). Forecasting chaotic systems: The role of local Lyapunov exponents. Chaos, Solitons & Fractals, 41, 2401-2404. DOI: 10.1016/j.chaos.2008.09.01. [Web of Science] [CrossRef]
- Kantz, H. & Schreiber, T. (2004). Nonlinear time series analysis (second edition). Cambridge: Cambridge University Press.
- Miśkiewicz-Nawrocka, M. (2012). Zastosowanie wykładników Lapunowa do analizy ekonomicznych szeregów czasowych. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
- Nowiński, M. (2007). Nieliniowa dynamika szeregów czasowych. Wrocław: Wydawnictwo Akademii Ekonomicznej we Wrocławiu.
- Orzeszko, W. (2005). Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych. Warszawa: Polskie Towarzystwo Ekonomiczne.
- Ramsey, J.B., Sayers, C.L.& Rothman, P. (1990). The Statistical Properties of Dimension Calculations Using Small Data Sets: Some Economic Applications, International Economic Review, 31 (4), pp. 991-1020, DOI: 10.2307/2527026. [CrossRef]
- Stawicki, J. (1993). Metody filtracji w modelowaniu procesów ekonomicznych. Toruń: Wydawnictwo Uniwersytetu Mikołaja Kopernika.
- Takens, F. (1981). Detecting strange attractors in turbulence. D.A. Rand, L.S. Young (Eds.), Lecture Notes in Mathematics (pp. 366-381), Berlin: Springer.
- Zawadzki, H. (1996). Chaotyczne systemy dynamiczne. Katowice: Wydawnictwo Akademii Ekonomicznej w Katowicach.
- Zhang, J., Lam, K.C., Yan, W.J., Gao, H. & Li, Y (2004). Time series prediction using Lyapunov exponents in embedding phase space. Computers and Electrical Engineering, 30, 1-15, DOI: 10.1109/ICOSP.1998.770189. [CrossRef]
- Cytowane przez
- ISSN
- 1730-4237
- Język
- eng
- URI / DOI
- http://dx.doi.org/10.2478/foli-2013-0020
