PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2014 | nr 7 (45) Metody ilościowe | 197--205
Tytuł artykułu

Obszary modelowania niefinansowych danych transakcyjnych (tickowych)

Treść / Zawartość
Warianty tytułu
Modelling Nonfinancial Transaction (Tick) Date
Języki publikacji
PL
Abstrakty
W artykule zostały przedstawione obszary modelowania niefinansowych danych transakcyjnych (tickowych). Niefinansowe dane transakcyjne dotyczące danych sprzedażowych - paragonowych - wykorzystywane są w analizie koszykowej. Analiza czasów trwania obsługi klienta, czyli obsługi transakcji, a także przerw w obsłudze klienta, pozwala na optymalizację pracy kanałów obsługi klientów. Analiza cen transakcyjnych sprzedaży nieruchomości i pojazdów pozwala na ocenę roli poszczególnych cech nieruchomości (pojazdów) i wyznaczanie cen ofertowych. Normowanie danych transakcyjnych poprzez agregowanie do danych o jednakowych jednostkach czasu (dane minutowe, godzinowe, dobowe, tygodniowe) pozwala na ocenę natężenia zjawiska w czasie, co umożliwia ocenę cykliczności zjawisk.(abstrakt oryginalny)
EN
In a paper we present the areas of possible analysis of non financial transaction (tick) data. Non financial transaction data mostly concern sales data - single receipt records which can be used in affinity analysis. Duration analysis of customer service time (transaction time) and also breaks in customer service let optimize the work of customer service channels. Analysis of transaction prices on real estate and car markets enables to assess the role (weight) of particular real estate (car) price and to estimate bid prices. Normalising transaction data by aggregating to time-series (minute, hourly, daily, weekly) enables to assess the intensity of these phenomena in time and to estimate their cycles.(original abstract)
Rocznik
Strony
197--205
Opis fizyczny
Twórcy
  • Wyższa Szkoła Bankowa w Toruniu
  • Wyższa Szkoła Bankowa w Toruniu
autor
  • Wyższa Szkoła Bankowa w Toruniu
Bibliografia
  • Anderson T.G., Bollerslev Т., Diebold F.X., Labys P., Modeling and Forecasting Realized Volatility, "Econometrica" 2003, t. 71, nr 2.
  • Błażejowski M., Ekonometryczne modelowanie popytu konsumpcyjnego na podstawie danych dziennych, WN Uniwersytetu Mikołaja Kopernika, Toruń 2009.
  • Błażejowski M., Symulacyjna ocena mocy testu Dickeya na stacjonarność procesów o wysokiej częstotliwości obserwowania-przykłady dla danych godzinowych, "Roczniki Naukowe, Seria В - Nauki ekonomiczne i Informatyka", nr 1-2, Wyd. Uczelniane WSIiE TWP, Olsztyn 2010.
  • Błażejowski M., Wykorzystanie danych tickowychjako narzędzia oceny skuteczności obsługi konsumentów, w: Osiągnięcia i perspektywy modelowania i prognozowania zjawisk społeczno-gospodarczych, red. B. Pawełek, Wyd. UE w Krakowie, Kraków 2011.
  • Błażejowski M., Symulacyjna ocena mocy testu Dickeya na stacjonarność procesów o wysokiej częstotliwości obserwowania, "Zeszyty Naukowe WSB we Wrocławiu" 2011,nr20.
  • Dickey D., Stationarity Testing in High-Frequency Seasonal Time Series, w: SAS Global Forum 2009, Statistics and Data Analysis, paper 235-2009.
  • Engle, R.F., The Econometrics of Ultra-High Frequency Data, "Econometrica", Econometric Society2000,t. 68(1).
  • Hansen F., Consumer Choice Behavior. A Cognitive Theory, The Free Press, New York 1972.
  • Kiczek K., Wpływ atrybutów nieruchomości na cenę rynkowa nieruchomości mieszkaniowych w Płocku, praca magisterska, promotor: T. Kufel, Wyższa Szkoła Bankowa w Toruniu, Toruń 2011.
  • Kotrasiński Т., Dane transakcyjne i ofertowe w analizie rynku i wycenie nieruchomości, Realexperts Sp. z O.O., Warszawa 2011, www.realexperts.pl [12.08.2013].
  • Kufel Т., Dane dzienne w modelowaniu ekonometrycznym (przykład empiryczny), w: Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, red. A. Zeliaś, Wyd. AE w Krakowie, Kraków 1998.
  • Kufel Т., Składowe harmoniczne w modelowaniu cykliczności zjawisk ekonomicznych dla danych o wysokiej częstotliwości, w: Prognozowanie w zarządzaniu firmą, red. P. Dittmann, J. Szanduła, Wyd. AE we Wrocławiu, Wrocław 2008.
  • Kufel Т., Ekonometryczna analiza cykliczności procesów o wysokiej częstotliwości obserwowania, WN Uniwersytetu Mikołaja Kopernika, Toruń 2010.
  • Kukliński M., Studium porównawcze wybranych algorytmów analizy koszykowej, w: Taksonomia 18. Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Wyd. UE we Wrocławiu, Wrocław 2011.
  • Kukliński M., Śniegocka-Łusiewicz M., Miary asocjacji w analizie koszykowej - przykład empiryczny, "Acta Universitatis Nicolai Copernicum, Ekonomia", zeszyt specjalny Dynamiczne modele ekonometryczne, Toruń 2009.
  • Larose D.T., Metody i modele eksploracji danych, WN PWN, Warszawa 2008.
  • Larose D.T., Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, WN PWN, Warszawa2006.
  • Pasztyła A., Analiza koszykowa danych transakcyjnych - cele i metody, "Systemy IT" 2005, www.statsoft.pl/pdf/artykuly/basket.pdf[12.08.2013].
  • Pasztyła A., Przykład badania wzorców zachowań klientów za pomocą analizy koszykowej, StatSoft Polska Sp. z O.O., Kraków 2005.
  • Rudnicki L., Zachowania konsumentów na rynku, PWE, Warszawa 2000.
  • Sokalska M., Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości, Dynamiczne Modele Ekonometryczne, Wyd. UMK, Toruń 2005.
  • Śniegocka-Łuniewska M., Analiza koszykowa w badaniu cykliczności reguł asocjacji w handlu detalicznym, w: Taksonomia 18. Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Wyd. UE we Wrocławiu, Wrocław 2011.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171375495

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.