Wpływ redukcji szumu losowego metodą najbliższych sąsiadów na własności ekonomicznych szeregów czasowych

• Autorzy: Monika Miśkiewicz-Nawrocka
• Języki publikacji: PL

Abstrakty

W pracy omówiono metodę redukcji szumu losowego w szeregach czasowych - metodę najbliższych sąsiadów (NS). Metoda ta została zastosowana do redukcji szumu w wybranych ekonomicznych szeregach czasowych oraz zbadano własności badanych szeregów przed i po zastosowaniu metody NS. Badania empiryczne przeprowadzono w oparciu o rzeczywiste dane natury ekonomicznej. Przedmiotem badania były logarytmy dziennych stóp zwrotu kursów: franka szwajcarskiego, euro, funta brytyjskiego, jena japońskiego, dolara amerykańskiego wobec złotego; cen akcji spółek: ING Banie Śląski, Dębica, LPP, Mostostal Zabrze, Vistula oraz indeksów: WIG i WIG20 notowanych w okresie 3.01.2005-31.10.2012. Do przeprowadzenia niezbędnych obliczeń wykorzystano program napisany przez autorkę w języku Delphi, arkusz kalkulacyjny Excel oraz program GRETL.(fragment tekstu)

Słowa kluczowe

PL

Szeregi czasowe; Metody statystyczne; Metody ekonometryczne

EN

Time-series; Statistical methods; Econometric methodology

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2013
• Tom: Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 5
• Strony: 38--50

Twórcy

autor

Monika Miśkiewicz-Nawrocka

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Cao L. (2001), Method of False Nearest Neighbors, w: Modeling and Forecasting Financial Data, eds. A.S. Soofi, L. Cao, Kluwer, Boston
• Chun S.H., Kim K.J., Kim S.H. (2002), Chaotic Analysis of Predictability versus Knowledge Discovery Techniques: Case Study of the Polish Stock Market, „Expert Systems” Vol. 19, No. 5, s. 264-272
• Farmer J.D., Sidorowich J.J. (1991), Optimal Shadowing and Noise Reduction, „Physica” D 47, s. 373-392
• Frank M., Stengos T. (1988), Chaotic Dynamics in Economics Time Series, „Journal of Economic Surveys” No. 2, s. 103-133
• Guegan D., Leroux J. (2009), Forecasting Chaotic Systems: The Role of Local Lyapunov Exponents, „Chaos, Solitons & Fractals” Vol. 41, s. 2401-2404
• Kantz H., Schreiber T. (2004), Nonlinear Time Series Analysis, Cambridge University Press (second edition)
• Kennel M.B., Brown R., Abarbanel H.D.I. (1992), Detecting Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction, „Physical Review” A, 45
• Kyrtsou C., Terraza M. (2002), Stochastic Chaos or ARCH Effects in Stock Series? A Comparative Study, „International Review of Financial Analysis” No. 11, s. 407-431
• Nowiński M. (2007), Nieliniowa dynamika szeregów czasowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu
• Orzeszko W. (2005), Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, Polskie Towarzystwo Ekonomiczne, Warszawa
• Ott E. (1997), Chaos w układach dynamicznych, Wydawnictwa Naukowo-Techniczne, Warszawa
• Rosenstein M.T., Collins J.J., De Luca C.J. (1993), A Practical Method for Calculating Largest Lyapunov Exponents from Small Data Sets, „Physica D” Vol. 65, s. 117-134
• Small M. (2005), Applied Nonlinear Time Series Analysis. Applications in Physics, Physiology and Finance, World Scientific Series on Nonlinear Science, Series A Vol. 52
• Stawicki J. (1993), Metody filtracji w modelowaniu procesów ekonomicznych, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń
• Stawicki J., Janiak E., Müller-Frączek J. (1997), Różnicowanie fraktalne szeregów czasowych - wykładnik Hursta i wymiar fraktalny, w: Dynamiczne modele ekonometryczne, TNOiK Dom Organizatora, Toruń, s. 35-41
• Zawadzki H. (1996), Chaotyczne systemy dynamiczne. Elementy teorii i wybrane zagadnienia ekonomiczne, Zeszyty Naukowe Akademii Ekonomicznej w Katowicach, Katowice
• 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” Vol. 30, s. 1-15