PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2013 | Wybrane aspekty modelowania statystycznego i analiz zagadnień rynku kapitałowego oraz rynku pracy w koncepcji zarządzania ryzykiem | 134--157
Tytuł artykułu

Prognozowanie kursu wymiany euro z zastosowaniem transformaty falkowej

Autorzy
Warianty tytułu
Języki publikacji
PL
Abstrakty
Zasób narzędzi służących do analizy szeregów jest obecnie bardzo bogaty. Jednym z popularnych i szeroko znanych jest analiza Fouriera i analiza falkowa. Transformata Fouriera umożliwia przeniesienie sygnału z dziedziny czasu do dziedziny częstotliwości. Jednakże przejście z układu czas-wartość do układu częstotliwość-wartość powoduje utratę informacji o czasie, tzn. nie można powiedzieć, kiedy dane zdarzenie częstotliwościowe miało miejsce. Natomiast transformata falkowa pozwala na przeniesienie sygnału z układu czas-wartość do układu czas-skala (czas-częstotliwość) dzięki czemu umożliwia analizę zmiany częstotliwości sygnału w funkcji czasu. (fragment tekstu)
Twórcy
  • Uniwersytet Ekonomiczny w Katowicach
Bibliografia
  • Aussum i in. (1997), Combing Neural Network Forecast on Wavelet-Transformed Series, Connection Science.
  • Coakley J., Fuertes A.-M. (2001),Nonparametric Cointegration Analysis of Real Exchange Rate, "Applied Financial Economics".
  • Coifman R.R., Donoho D.L. (1995), Translation-Invariant De-Noising, in Wavelets and Statistics, eds. A. Antoniadis, G. Oppenheim, Lecture Notes in Statistics Vol. 103. Springer-Verlag, New York, s. 125-150.
  • Davis G., Mallat S.G., Zhang Z. (1994), Adaptive Time-Frequency Approximations with Matching Pursuits, w: Wavelets: Theory, Algorithms, and Applications, eds. C.K. Chui, L. Montefusco, L. Puccio, Academic Press, San Diego, s. 271-293.
  • Dyduch M. (2011), Prognozowanie szeregów czasowych w oparciu o współczynniki transformaty falkowej, optymalizowane przez sztuczną sieć neuronową, w: Metody Matematyczne, Ekonometryczne i Komputerowe w Finansach i Ubezpieczeniach 2009, red. A.S. Barczak, Wydawnictwo UE w Katowicach, Katowice 2011, s. 59-69.
  • Dyduch M. (2010), Współczynniki transformaty falkowej jako narzędzie generujące prognozę przedziałową szeregów czasowych, "Modelowanie preferencji a ryzyko'10" (2010), red. T. Trzaskalik, Prace Naukowe UE w Katowicach, Katowice, s. 35-45.
  • Eslava G., Marriott F.H.C. (1994), Some Criteria for Projection Pursuit, "Statistics and Computing" No. 4, s. 13-20.
  • Hadaś M. (2005), Falki w kontekście zastosowań ekonomicznych, Zarządzanie-Finanse-Ekonomia, Warsztaty doktorskie'05, red. T. Trzaskalik, Prace Naukowe AE w Katowicach, Katowice, s. 107-119.
  • Hadaś M. (2006), Zastosowanie sieci falkowo-neuronowej do predykcji ekonomicznych szeregów czasowych, Prognozowanie w zarządzaniu firmą, red. P. Dittmann, J. Krupowicz, Prace Naukowe UE we Wrocławiu, Wrocław, s. 69-80.
  • Hadaś M. (2007), Probabilistyczna sieć falkowo-neuronowa w zagadnieniach predykcji, Zeszyty Naukowe Katedry Nauk Ekonomicznych nr 1 -2, red. M. Czapka, Wyższa Szkoła Ekonomii i Administracji w Bytomiu, Bytom.
  • Katsuragi H. (2000), Evidence of Multi-affinity in the Japanese Stock Market, "Physica A".
  • Mallat S.G. (1989), A Theory for Multiresolution Signal Decomposition: The Wavelet Representation, IEEE Transactions on Pattem Analysis and Machine Intelligence Vol. 11, No.7, July, s. 674-693.
  • Misiti M., Misiti Y., Oppenheim G., Poggi J.-M. (1996), Wavelet Toolbox User's Guide Version 1.
  • Nason G., Silverman, B.W. (1995), The Stationaiy Wavelet Transform and Some Statistical Applications, in Wavelets and Statistics, eds. A. Antonia- dis, G. Oppenheim, Lecture Notes in Statistics Vol. 103. Springer-Verlag, New York, s. 281-299.
  • Percival D.B., Mofjeld H. (1997), Analysis of Subtidal Coastal Sea Level Fluctuations Using Wavelets, "Journal of the American Statistical Association" No. 92, s. 868-880.
  • Percival D.B., Guttoip P. (1994), Long-Memory Processes, the Allan Variance and Wavelets, w: Wavelets in Geophysics, eds. E. Foufoula-Georgiou, P. Kumar, Academic Press, San Diego, s. 325-344.
  • Rioul O., Duhamel P. (1992), Fast Algorithms for Discrete and Continuous Wavelet Transforms, "IEEE Transactions on Information Theory" No. 38, s. 569-586.
  • Ripley B.D., Hjort N.L. (1995), Pattem Recognition and Neural Networks, Cambridge University Press, New York.
  • Shensa M.J. (1992), The Discrete Wavelet Transform: Wedding the ä Trous and Mallat Algorithms, "IEEE Transactions on Signal Processing" No. 40, 2464-82.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171274761

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.