BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Szmuksta-Zawadzka Maria (Zachodniopomorski Uniwersytet Technologiczny w Szczecinie), Zawadzki Jan (Zachodniopomorski Uniwersytet Technologiczny w Szczecinie)
Tytuł
Modele wyrównywania wykładniczego w prognozowaniu zmiennych ekonomicznych ze złożoną sezonowością
Exponential Smoothing Models in Forecasting of Economic Variables With Complex Seasonality
Źródło
Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica, 2014, nr 76, s. 137-146, bibliogr. 9 poz.
Słowa kluczowe
Prognozowanie, Prognozowanie sprzedaży, Modelowanie ekonometryczne, Paliwa płynne
Forecasting, Sales forecasting, Econometric modeling, Liquid fuels
Uwagi
summ.
Abstrakt
Celem artykułu jest próba wykorzystania modeli adaptacyjnych do modelowania i prognozowania zmiennej ze złożoną sezonowością dla danych dziennych, oczyszczonych z jednego lub dwóch rodzajów wahań sezonowych. Zakładać będziemy, że w szeregu czasowym dla danych dziennych występują wahaniami o cyklu tygodniowym (7-dniowym) i rocznym (12- -miesięcznym). Egzemplifikacją rozważań teoretycznych będzie modelowanie i prognozowanie dziennej sprzedaży paliw płynnych na stacji benzynowej X. Kształtowanie się zmiennej w okresie estymacyjnym będzie obejmować okres blisko dwuletni. Natomiast trzeci rok będzie okresem empirycznej weryfikacji prognoz. (fragment tekstu)

In the paper will be proposed application of exponential smoothing models in forecastting variables with complex seasonality, based on high-frequency time series, from which seasonal fluctuations were eliminated. Theoretical considerations will be illustrated by an empirical example. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Dittmann P. 2006. Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Kraków Wolters Kluwer Polska. ISBN 83-77484-060-9.
  2. Kufel T. 2010. Ekonometryczna analiza cykliczności procesów gospodarczych o wysokiej częstotliwości obserwowania. Toruń. Wydaw. Nauk. Uniw. Mikołaja Kopernika. ISBN 978-83-231-2471-9.
  3. Pawłowski Z. 1973. Prognozowanie ekonometryczne. Warszawa. PWN.
  4. Szmuksta-Zawadzka M., Zawadzki J. 2011. Zastosowanie modelowania ekonometrycznego w prognozowaniu brakujących danych w szeregach o wysokiej częstotliwości, w: Pr. Nauk. Uniw. Ekon. Wrocław. Ekonometria 34, 303-313.
  5. Szmuksta-Zawadzka M., Zawadzki J. 2012. O metodzie prognozowania brakujących danych w dziennych szeregach czasowych z lukami systematycznymi, w: metody ilościowe w badaniach ekonomicznych (Quantitative Methods in Economics). T. 13, 3. 202-212.
  6. Szmuksta-Zawadzka M., Zawadzki J. 2012 a. Z badań nad metodami prognozowania na podstawie niekompletnych szeregów czasowych z wahaniami okresowymi (sezonowymi), w: Prz. Stat. - nr spec. 1. Warszawa, 140-154.
  7. Szmuksta-Zawadzka M., Zawadzki J. 2014. Wykorzystanie modeli "hybrydowych" w prognozowaniu brakujących danych w szeregach ze złożoną okresowością (sezonowością), w: Matematyka i informatyka na usługach ekonomii: rozważania ogólne. Red. W. Jurek. Poznań. Wydaw. Uniw. Ekon. Poznań, 72-83. ISBN 978-83-7417-806-8.
  8. Wiśniewski J. 1986. Ekonometryczne badanie zjawisk jakościowych. Studium metodologiczne. Toruń. Uniw. Mikołaja Kopernika. ISBN 83-231-0065-9.
  9. Zeliaś A., Pawełek B., Wanat S. 2003, Prognozowanie ekonomiczne. Teoria. Przykłady. Zadania. Warszawa. PWN. ISBN 83-0114043-7.
Cytowane przez
Pokaż
ISSN
2081-0644
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu