Analiza wpływu zastosowania redukcji poziomu szumu losowego na poziom ryzyka inwestycyjnego

• Autorzy: Katarzyna Zeug-Żebro

Warianty tytułu

An Analysis of the Effect of Noise Reduction on the Level of Investment Risk

• Języki publikacji: PL

Abstrakty

W pracy przeprowadzono analizę wpływu zastosowania redukcji szumu losowego na poziom ryzyka inwestycyjnego mierzonego nieklasyczną miarą ryzyka, tj. wymiarem fraktalnym. Wymiar fraktalny jest jedną z charakterystyk dynamiki chaotycznej i bada, w jakim stopniu analizowany obiekt (szereg) wypełnia przestrzeń, w której jest zanurzony. W inwestycjach miara ta określa zmienność stopy zwrotu i im większa jej wartość, tym większe ryzyko związane z inwestowaniem w dany instrument finansowy. W celu wyznaczenia wymiaru fraktalnego zastosowano metodę segmentowo-wariacyjną i analizę R/S. W badaniach pod uwagę wzięto finansowe szeregi czasowe złożone z cen zamknięcia wybranych indeksów giełdowych oraz akcji spółek notowanych na GPW w Warszawie.(abstrakt oryginalny)

EN

The paper analyzes the impact of the use of noise reduction on the level of investment risk, measured by a non-classical risk measure, i.e. the fractal dimension. The fractal dimension is one of the characteristics of chaotic dynamics and study the extent to which an object (series) fills the space in which it is embedded. In investments, this measure determines the volatility of the rate of return and the greater its value, the greater the risk associated with investing in a given financial instrument. The segment- -variation method and R/S analysis were used to determine the fractal dimension. The test will be conducted based on the financial time series which consist of closing prices of stock market indices and companies listed on the Warsaw Stock Exchange.(original abstract)

Słowa kluczowe

PL

Ryzyko inwestycyjne; Fraktale; Metoda najbliższego sąsiedztwa; Szeregi czasowe

EN

Investment risk; Fractal; Neighbor joining distance method; Time-series

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria
• Rocznik: 2017
• Tom: 9
• Numer: nr 335
• Strony: 77--90

Twórcy

autor

Katarzyna Zeug-Żebro

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Broomhead D.S., King P. (1986), Extracting Qualitative Dynamics from Experimental Data, "Physica D", Vol. 20, s. 217-236.
• Bula R. (2012), Aspekty metodyczne szacowania wymiaru fraktalnego finansowych szeregów czasowych, "Młodzi Naukowcy dla Polskiej Nauki", t. 2, nr 9, s. 192-200.
• Cao L. (2001), Method of False Nearest Neighbors [w:] A.S. Soofi, L. Cao (eds.), Modeling and Forecasting Financial Data, Kluwer, Boston.
• Chun S.H., Kim K.J., Kim S.H. (2002), Chaotic Analysis of Predictability versus Knowledge Discovery Techniques: Case Study of Polish Stock Market, "Expert Systems", Vol. 19(5), s. 264-272.
• Dubuc B., Quininou J.F., Roques-Carmes C., Tricot C., Zucker S.W. (1989), Evaluating the Fractal Dimension of Profiles, "Physical Review A", Vol. 39.
• Guégan D., Leroux J. (2009), Forecasting Chaotic Systems: The Role of Local Lyapunov Exponents, "Chaos, Solitons & Fractals", Vol. 41, s. 2401-2404.
• Kantz H., Schreiber T. (1997), Nonlinear Time Series Analysis, Cambridge University Press, Cambridge.
• Kennel M.B., Brown R., Abarbanel H.D.I. (1992), Determining Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction, "Physical Review A", Vol. 45(6), s. 3404-3411.
• Miśkiewicz-Nawrocka M., Zeug-Żebro K. (2014), The Effect of the NRL Indicator on the Accuracy of Financial Series Forecasts, Conference Proceedings. 32nd International Conference Mathematical Methods in Economics MME 10-12.09.2014, Olomouc.
• Nowiński M. (2007), Nieliniowa dynamika szeregów czasowych, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław.
• Orzeszko W. (2005), Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych, PTE, Warszawa.
• Orzeszko W. (2010), Wymiar fraktalny szeregów czasowych a ryzyko inwestowania, "Acta Universitatis Nicolai Copernici. Ekonomia XLI. Nauki Humanistyczno-Społeczne", z. 397, s. 57-70.
• Packard N., Crutchfield J., Farmer D., Shaw R. (1980), Geometry from a Time Series,"Physical Review Letters", Vol. 45, s. 712-715.
• Przekota G., Waściński T. (2012), Wybrane problemy oceny ryzyka zmian ceny akcji za pomocą miar klasycznych i nieklasycznych, "Zeszyty Naukowe Uniwersytetu Humanistyczno-Przyrodniczego w Siedlcach", seria: "Administracja i Zarządzanie", nr 95, s. 71-82.
• Schreiber T. (1993), Extremely Simple Nonlinear Noise-Reduction Method, "Physical Review E", Vol. 47(4), s. 2401-2404.
• Siemieniuk N., Siemieniuk T. (2015), Teoria chaosu deterministycznego a decyzje inwestorów giełdowych, "Zeszyty Naukowe Uniwersytetu Szczecińskiego", nr 855, "Finanse, Rynki Finansowe, Ubezpieczenia", nr 74, t. 1, s. 181-192.
• Stawicki J. (1993), Metody filtracji w modelowaniu procesów ekonomicznych, Wydawnictwo Uniwersytetu Mikołaja Kopernika, Toruń.
• Takens F. (1981), Detecting Strange Attractors in Turbulence [w:] D.A. Rand, L.S. Young (eds.), Lecture Notes in Mathematics, Springer, Berlin, s. 366-381.
• Zawadzki H. (1996), Chaotyczne systemy dynamiczne, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice.
• Zwolankowska D. (2000), Metoda segmentowo-wariacyjna. Nowa propozycja liczenia wymiaru fraktalnego, "Przegląd Statystyczny", r. 47, z. 1-2, s. 209-224.
• [www 1] www.bossa.pl (dostęp: 29.03.2017).