PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | 16 | nr 104 Data Mining and Business Intelligence | 99--113
Tytuł artykułu

Effect of Wavelet Compression of High Frequency Time Series on the Quality of Information and Prediction

Warianty tytułu
Wpływ kompresji szeregów czasowych o dużej częstotliwości falką Daubeuchies 4 na jakość zawartych w nich informacji
Języki publikacji
EN
Abstrakty
Ostatnio ilość prac na temat zastosowań teorii falek w eksploracji danych znacząco wzrasta. W większości przypadków prace te dotyczą zastosowania jej z konkretnym algorytmem. W niniejszym opracowaniu będzie zaprezentowana ogólna metoda kompresji szeregów czasowych, która będzie mogła być łatwo zaadaptowana do wielu problemów, w których redukcja wielowymiarowości ma kluczowe znaczenie.. W pracy tej autorzy spróbują udowodnić hipotezę, iż dwukrotna kompresja falką Daubechies 4 nie wpływa znacząco na jakość informacji niesioną przez szereg czasowy w stosunku do szeregu nieskompresowanego lub inaczej, dwukrotna kompresja falką Daubechies 4 nie wpływa znacząco na pogorszenie jakości szeregu czasowego jako nośnika danych. W celu weryfikacji hipotezy badane szeregi czasowe zostaną ocenione pod kątem jakości prognozy algorytmu, który przewiduje przyszłe wartości jedynie na podstawie analizy informacji niesionej przez wartości przeszłe. Jako algorytm predykcyjny został użyty ARAR ze względu na bardzo dobre wyniki w prognozowaniu rzeczywistych finansowych szeregów czasowych, a także dlatego, iż został on dokładnie zbadany i opisany w literaturze tematu.(abstrakt oryginalny)
EN
In recent times research work on the use of wavelet theory in data mining has increased significantly. In most cases, these works relate to specific applications. In this paper the general compression method of time series will be presented and adapted to financial time series analysis where dimensionality reduction is crucial. This hypothesis proposes that a double compression using Daubechies 4 wavelet does not significantly affect the quality of information carried by a time series. The reduction of dimensionality significantly affects the algorithmic complexity and improves its quality of prediction. In order to verify this hypothesis the highly frequent time series will be evaluated in terms of forecasting quality where future value is predicted only on the basis of the past quotations. In this project as a predictive algorithm we used ARAR due to its good results in forecasting of the real financial time series.(original abstract)
Twórcy
  • Wrocław University of Economics, Poland
  • Wrocław University of Economics, Poland
Bibliografia
  • Bank for International Settlements (2008), Triennial Central Bank Survey, http://www.bis.org/publ/rp-fxf07t.pdf.
  • Beyen K., Goldstein J., Ramakrishnan R., Shaft U. (1999), When is nearest neighbor meaningrul?, [in:] Proceedings of the 7th International Conference on Database Theory, Eds. G. Goos, J. Hartmanis, J. Van Leeuwen, Jerusalem, pp. 217-235.
  • Brockwell P.J., Davis R.A. (2002), Introduction to Time Series and Forecasting, Springer, New York.
  • Burrus C.S. (2001), Introduction to Wavelets and Wavelet Transform, Prentice Hali, New York.
  • Daubechies I. (1992), Ten Lectures on Wavelets, Society for Industrial and Applied Mathematics, Philadelphia.
  • Mallat S.G. (1989), A theory for multiresolution signal decomposition: The wavelet representation, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 11, No. 7, pp. 647-693.
  • Newton H.J., Parzen E. (1984), Forecasting and time series model types of 111 economic time series, [in:] The Forecasting Accuracy of Major Time Series Methods, Eds. S. Makridakis et al., John Wiley and Sons, New York Chichester.
  • Shannon A. (1948), A mathematical theory of communication, Bell System Technical Journal, Vol. 27, No. 3, pp. 379-423 & 623-656.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000169040430

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.