BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Stachura Michał (Uniwersytet Jana Kochanowskiego w Kielcach)
Tytuł
Detecting Seasonality via Wavelet Methods
Wykrywanie sezonowości z wykorzystaniem metod falkowych
Źródło
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach, 2014, nr 207, s. 223-232, rys., bibliogr. 7 poz.
Tytuł własny numeru
Metody matematyczne i informatyczne w finansach i ubezpieczeniach. Metody 2012.
Słowa kluczowe
Analiza falkowa, Sezonowość, Stopa bezrobocia
Wavelet analysis, Seasonal character, Unemployment rate
Uwagi
streszcz., summ.
Abstrakt
Wieloskalowa analiza falkowa jest efektywnym narzędziem, które z powodzeniem można stosować do dekompozycji ekonomicznych szeregów czasowych na takie składowe, jak trend, cykl koniunkturalny, cykle sezonowe (różnych skal) oraz szum. W opracowaniu przedstawiono krótki opis modelu teoretycznego analizy wieloskalowej, który następnie zilustrowano na podstawie danych rzeczywistych dotyczących stopy bezrobocia. Przeprowadzone badania empiryczne pokazują, że filtry falkowe we właściwym stopniu odtwarzają szereg empiryczny oraz jego swoiste własności.(abstrakt oryginalny)

The multiresolution wavelet analysis is an effective tool that may be used to decompose an economic time series into its several natural components: a trend, business and seasonal cycles (of different frequencies), and a noise. The article provides a brief description of the theoretical model. The model is illustrated with its application to unemployment rate data. The empirical research carried out shows that cycles detected by wavelet filtering accurately reproduce the empirical series and its intrinsic properties.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Gencay R., Selcuk F., Whitcher B. (2001), An Introduction to Wavelets and Other Filtering Methods in Finance and Economics, Academic Press, New York.
  2. Percival D.B., Walden A. (2000), Wavelet Methods for Time Series Analysis, Cambridge University Press, Cambridge.
  3. Serroukh A., Walden A.T., Percival D.B. (2000), Statistical Properties of the Wavelet Variance Estimator for non-Gaussian / non-linear time series, "Journal of the American Statistical Association", Vol. 95, No. 449, p. 184-196.
  4. Stachura M. (2004), Przykład rozwiązania pozornej regresji przy użyciu metod falkowych (An example of the spurious regression solution with use of wavelet methods), "Prace Naukowe Akademii Ekonomicznej we Wrocławiu", nr 1037 (2), p. 224-231.
  5. Stachura M. (2009), Kointegracja i niby-przyczynowość w świetle metod falkowych (Cointegration and quasi-causality in the light of wavelet methods), "Research Papers of Wrocław University of Economics", No. 60, p. 435-442.
  6. Yogo M. (2008), Measuring Business Cycles: A Wavelet Analysis of Economic Time Series, "Economics Letters", Vol. 100, No. 2, p. 208-212.
  7. R Development Core Team (2012). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051- 07-0, URL http://www.R-project.org.
Cytowane przez
Pokaż
ISSN
2083-8611
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu