Badanie wpływu wyboru metod wyznaczania wartości parametrów d-historii na dokładność prognoz

• Autorzy: Katarzyna Zeug-Żebro
• Języki publikacji: PL

Abstrakty

Prognozowanie zjawisk ekonomicznych jest problemem złożonym, który od wielu lat próbowano rozwiązać, stosując różne metody z zakresu statystyki i ekonometrii. W ostatnich czasach można było również obserwować ogromny wzrost zainteresowania teorią nieliniowych układów dynamicznych, który zaowocował pojawieniem się nowych metod predykcji, wykorzystujących pojęcia i metody związane z nieliniowymi układami dynamicznymi. Jednym z głównych narzędzi tej teorii, wykorzystywanym w prognozowaniu, jest rekonstrukcja przestrzeni stanów układu dynamicznego. Polega ona na przybliżeniu oryginalnej przestrzeni stanów i dynamiki układu przez konstrukcję przestrzeni wielowymiarowej tylko na podstawie obserwacji jednej zmiennej. Najpopularniejszą metodą rekonstrukcji jest metoda opóźnień. Stosując tę metodę, konstruuje się tzw. wektory opóźnień. Celem pracy jest ocena jakości prognoz otrzymanych przy zastosowaniu największego wykładnika Lyapunowa (LEM - Lyapunov Exponents Method) oraz wartości parametrów d-historii, wyznaczonych metodami najbliższych pozornych sąsiadów, analizy funkcji autokorelacji i informacji wzajemnej. (fragment tekstu)

Słowa kluczowe

PL

Prognozowanie zjawisk ekonomiczno-społecznych; Szeregi czasowe

EN

Economic and social phenomenon forecasting; Time-series

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2013
• Tom: Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 5
• Strony: 51--66

Twórcy

autor

Katarzyna Zeug-Żebro

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Abarbanel H.D. (1996), Analysis of Observed Chaotic Data, Springer-Verlag, Berlin, Heidelberg, New York
• Abarbanel H.D., Brown R., Kennel M.B. (1992), Determining Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction, „Physical Review A” Vol. 45(6), s. 3404-3411
• Kantz H. (1994), A Robust Method to Estimate the Maximal Lyapunov Exponent of a Time Series, „Physical Letters A” Vol. 185(1), s. 77-87
• Kantz H., Schreiber T. (1997), Nonlinear Time Series Analysis, Cambridge University Press, Cambridge
• Miśkiewicz M. (2008), Metoda najbliższych sšsiadów oraz metoda LEM - porównanie efektywności metod prognozowania zjawisk ekonomicznych opisanych za pomocą szeregów czasowych, Studia Ekonomiczne nr 50, Wydawnictwo UE w Katowicach, Katowice, s. 81-96
• Orzeszko W. (2005), Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, Polskie Towarzystwo Ekonomiczne, Warszawa
• Ramsey J.B., Yuan H.J. (1990), Statistical Properties of Dimension Calculations Using Small Data Sets: Some Economic Applications, „International Economic Review” Vol. 31, s. 991-1020
• Rosenstein M.T., Collins J.J., De Luca C.J. (1993), A Practical Method for Calculating Largest Lapunov Exponents from Small Data Sets, „Physi- ca D” Vol. 65, s. 117-134
• Takens F. (1981), Detecting Strange Attractors in Turbulence, eds. D.A. Rand, L,S. Young, Lecture Notes in Mathematics, Springer, Berlin, s. 366-381
• Zawadzki H. (1996), Chaotyczne systemy dynamiczne, Wydawnictwo AE w Katowicach, Katowice
• Zeug-Żebro K. (2012), Wpływ doboru metod wyznaczania parametrów rekonstrukcji przestrzeni stanów układu dynamicznego na dokładność prognoz, Zeszyty Naukowe UE w Krakowie nr 898, Kraków, s. 41-54
• 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