Modele prognoz ekonometrycznych

• Autorzy: Krzysztof Zmarzłowski , Marek Karwański

Warianty tytułu

Model of Assesment Econometric Forecasts

• Języki publikacji: PL

Abstrakty

Krótko i średnioterminowe prognozy często oparte są na różnych modelach ekonometrycznych. Dla modeli stosowanych do pojedynczych spółek, mamy do dyspozycji szereg miar, pozwalających porównywać je od strony dokładności uzyskiwanych rezultatów. Sytuacja komplikuje się, gdy prognozy dotyczą grupy spółek bądź sektorów gospodarczych. W pracy autorzy proponują nowoczesne narzędzie graficzne oparte na krzywej REC (Regression Error Characteristic). Detaliczne wyniki stosowania tej metody oceny modeli zostaną zaprezentowane w zastosowaniu do polskich firm z sektora budowlanego, notowanych na giełdzie.(abstrakt oryginalny)

EN

The main task of the analyst is to select the optimal model. For models applied to individual companies, we have a series of measures allowing to compare them from as well as the accuracy and economic point of view. The situation becomes more sophisticated when the forecasts apply to a group of companies or economic sectors. The authors attempt to build a universal graphical tools based on the REC curve. Results of this method will be used to forecast models of selected sectors Polish companies listed on the stock exchange.(original abstract)

Słowa kluczowe

PL

Prognozy ekonometryczne; Giełda

EN

Econometric forecasts; Stock exchange

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2015
• Tom: 16(XVI)
• Numer: nr 4
• Strony: 280--289

Twórcy

autor

Krzysztof Zmarzłowski

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Marek Karwański

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Andersen T., Davis R., Kreiss J., Mikosch T. (2009) Handbook of Time Series, Springer.
• Bi J., Bennet K. P. (August 2003) Regression error characteristics curves [in:] Proceedings of the AIII 20th International Conference on Machine Learning (ICML'03), pp. 43-50.
• Chatfield C. (1995) Model uncertainty, data mining and statistical inference, Journal of the Royal Statistical Society, Seria A 158, pp. 419-466.
• Cheng J., Lloyd J., Mildred M., Kelli A., Keith E. (February 2010) Real Longitudinal Data Analysis for Real People: Building a Good Enough Mixed Model, Stat. Med., 29(4), pp. 504-520.
• Zumbach B. (2007) The RiskMetrics 2006 methodology, RiskMetrics Group.
• Gołębiewski G., Tłaczała A. (2009) Analiza finansowa w teorii i w praktyce, Difin, Warszawa.
• Luetkepohl H. (2005) New Introduction to Multiple Time Series Analysis, Springer.
• Nelsen R. B. (1998) An Introduction to Copulas, Lectures Notes in Statistics 139, SpringerVerlag, New York.
• McNeil A., Frey R., Embrechts P. (2005) Quantitative Risk Management: Concepts, Techniques and Tools, Princeton Series in Finance.
• Raghunathan T. i inni (2001) A Multivariate Technique for Multiply Imputing Missing Values Using a Sequence of Regression Models, Survey Methodology, Vol. 27, No. 1, pp. 85-95.
• US Census Bureau's (2013) The X-13ARIMA-SEATS Seasonal Adjustment Program, https://www.census.gov/srd/www/x13as/.