Warianty tytułu
Harmonius and spectral analysis of specific price time series of agricultural products
Języki publikacji
Abstrakty
W opracowaniu podjęto próbę wykorzystania analizy spektralnej do identyfikacji wahań okresowych o różnej długości cyklu, a w szczególności zjawisk periodycznych określanych jako minicykle cenowe. Dokonano oceny wahań o różnej długości okresu oraz amplitudzie dla danych dziennych oraz tygodniowych cen produktów rolnych. Autorzy wskazują na możliwość zastosowania analizy spektralnej w opisie okresowej struktury ekonomicznych szeregów czasowych, przy założeniu nieznajomości a priori długości cykli.
In the paper the authors carried out a spectral analysis and proposed an econometric model for describing the periodical variations of price time series of agricultural products, which have a certain trend and periodical fluctuations of different cycle lengths and amplitudes of fluctuation. The use of the spectral analysis method enabled the identification and elimination of cyclic factors with different characteristics, which play an important role in describing specific features of time series. Spectral analysis showed a few periodical factors with different cycle lengths, which at first looked like more or less random noise, which proves the great value of this method and it's usefulness in analysing progress structures of economic processes. (original abstract)
Twórcy
autor
autor
Bibliografia
- [1] Bloomfield P (1976), Fourier analysis of time series: An introduction. New York: Wiley.
- [2] Box G.E.P, & Jenkins G.M. (1976). Time series analysis: Forecasting and control. San Francisco: Holden-Day.
- [3] Dittman P. (1999). Metody prognozowania sprzedaży w przedsiębiorstwie. AE Wroclaw.
- [4] Kendall M.G. (1975), Rank correlation methods (4th ed.). London: Griffin.
- [5] Kildiszew G., Frenkel A. (1974). Analiza szeregów czasowych i prognozowanie. PWE Warszawa.
- [6] Kruszka M. (1999), Wahania koniunkturalne a zmiany podaży pieniądza w gospodarce RFN i Polski.Wiadomości Statystyczne nr 7.
- [7] Kruszka M. (2000), Prognozowanie zmian aktywności gospodarczej w Polsce. Wiadomości Statystyczne nr 7.
- [8] Kufel T. (1997), Dane dzienne w modelowaniu ekonometrycznym, referat na XIX Ogólnopolskiej Konferencji Naukowej, 28-30 kwietnia 1997 r., Zakopane.
- [9] Kufel T, Zawada M. (1999), Modelowanie cykliczności o wysokiej częstotliwości obserwowania. VI Ogólnopolskie Seminarium Naukowe 7-9 września 1999 r., Toruń.
- [10] Makridakis S.G., & Wheelwright S.C. (1989), Forecasting methods for management (5th ed.). New York: Wiley.
- [11] Makridakis S.G., Wheelwright S.C., & McGee, V.E. (1983), Forecasting: Methods and applications (2nd ed.). New York: Wiley.
- [12] Radzikowska B. (1999), Metody prognozowania. Zbiór zadań. Wrocław AE.
- [13] Shumway R.H. (1988), Applied statistical time series analysis. Englewood Cliffs, NJ: Prentice Hall.
- [14] Skrzywan W. (1936), O istocie i metodzie badania zmiennej sezonowości. Ekonomista nr 1-2
- [15] Stańko S. (1999), Prognozowanie w rolnictwie. SGGW, Warszawa.
- [16] Talaga L., Zieliński Z. (1986), Analiza spektralna w modelowaniu ekonometrycznym. PWN, Warszawa
- [17] Wei W.W. (1989), Time series analysis: Univariate and multivariate methods. New York: Addison Wesley.
- [18] Zieliński Z. (1967), Model szeregu czasowego z periodycznym składnikiem sezonowym. Przegląd statystyczny nr 2.
- [19] Zieliński Z. (1979), Metody analizy dynamiki i rytmiczności zjawisk gospodarczych, PWN Warszawa.
- [20] Ziembała L. (1967), Analiza wahań cyklicznych miesięcznej liczby pożarów. Przegląd statystyczny nr 2.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000000121207
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.