Teoria chaosu a prognozowanie ekonomicznych szeregów czasowych

• Autorzy: Marek Nowiński
• Języki publikacji: PL

Abstrakty

Od kilku lat trwają intensywne prace usiłujące wykryć i ewentualnie wykorzystać obecność objawów chaosu deterministycznego w szeregach czasowych z danymi ekonomicznymi. Zadanie to nie było łatwe i najczęściej kończyło się niepowodzeniem. Przyczyną może być brak elementów chaosu w danych ekonomicznych lub też duże trudności w dostępie do danych o charakterze zbliżonym do danych występujących w klasycznych badaniach eksperymentalnych. Dane ekonomiczne zazwyczaj nie są dostępne w wystarczająco dużej liczbie obserwacji, są obarczone dużą dawką zakłóceń losowych nazywanych powszechnie szumem, przedstawiają procesy o dużym stopniu złożoności i nie ma praktycznie możliwości oceny stopnia zależności tych procesów od zmian parametrów początkowych. Wszystko to powoduje, że jak dotychczas wykryto tylko pojedyncze elementy chaosu deterministycznego w szeregach tego typu. Pomimo to można pokusić się o próby wykorzystania pewnych metod praktycznych, wywodzących się z teorii chaosu, do nieliniowej analizy i prognozowania ekonomicznych szeregów czasowych, co będzie podstawowym celem niniejszej pracy. (fragment tekstu)

Słowa kluczowe

PL

Teoria chaosu; Szeregi czasowe; Prognozowanie

EN

Chaos theory; Time-series; Forecasting

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 1006 Zastosowanie statystyki i matematyki w ekonomii
• Strony: 144--160

Twórcy

autor

Marek Nowiński

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Abarbanel H.D.I., Analysis of Observed Chaotic Data, Springer, Nowy Jork 1997.
• Grassberger Р., Procaccia I., Measuring the Strangeness of StrangeAattractors, "Physica D" 1983 nr 9, s. 189-208.
• Guevara M.R., Chaos in Medicine - a Practical Approach, WHO Technical Report, 16/2002.
• Kennel М. B. (i in.), Determining Embedding Dimensions from Phase Space Reconstruction using Geometrical Construction, "Phys. Rev. A" 1992 nr 45, s. 3403-3411.
• Kwiatkowski J., Orzeszko W., Identyfikacja chaosu deterministycznego w polskich szeregach finansowych, 'Dynamiczne Modele Ekonometryczne', V Ogólnopolskie Seminarium Naukowe, Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu, 1997.
• Nowiński М., Nowoczesne metody analizy szeregów czasowych, [w:] Metody i zastosowania badań operacyjnych 2002, red. A. Całczyński, Wydawnictwo Politechniki Radomskiej 2003, s. 263-282.
• Nowiński М., Modelowanie neuronowe szeregów czasowych. "Prace Naukowe AE we Wrocławiu" nr 945, AE, Wrocław 2002, s. 85-95.
• Packard N. H. (i in.). Geometry from Time Series, "Phys. Rev. Letters" 1980 nr 45, s. 712-716.
• Takens F., Detecting Strange Attractors in Turbulence, [w:] Notes in Mathematics, Dynamical Systems and Turbulence, red. L.S. Young, Springer-Verlag, Berlin 1981.
• Wolf A. (i in.), Determining Lyapunov Exponents from Time Series, "Physica D" 1985 nr 16, s. 285-317.