Zastosowanie metody pochodnych w predykcji szeregów czasowych

• Autorzy: Katarzyna Zeug-Żebro
• Języki publikacji: PL

Abstrakty

W ostatnich latach dostrzeżono, że nieregularne zachowanie szeregu czasowego można zapisać w postaci nieliniowego modelu dynamicznego. Zauważono bowiem, że układy złożone mają własną dynamikę. Ich uporządkowanie i rozwój nie jest przypadkowy, lecz wynika z procesów, jakie w nich zachodzą. Modele te stały się bardzo ważne w teorii ekonomii. Za ich pomocą można próbować opisywać zjawiska i procesy ekonomiczne, które przebiegają w sposób nieregularny, np. trudne do przewidzenia fluktuacje kursów walutowych oraz kursów akcji na giełdzie. W opracowaniu podjęto próbę rekonstrukcji przestrzeni stanów na podstawie jednowymiarowego szeregu ekonomicznego. Rekonstrukcja ta posłużyła do wyznaczenia krótkookresowej prognozy ekonomicznych szeregów czasowych. W badaniach wykorzystano szeregi czasowe utworzone z cen zamknięcia trzech spółek: Apator, Handlowy, Kable, indeksu WIG oraz czterech walut: funta brytyjskiego, dolara amerykańskiego oraz jena japońskiego. Dane obejmują okres od 1.10.1998 r. do 1.10.2008 r. Obliczenia przeprowadzono przy użyciu programów LOCFIT, GRETL, pakietu Microsoft Excel oraz programów napisanych przez autorkę w języku programowania Visual Basic. (fragment tekstu)

Słowa kluczowe

PL

Szeregi czasowe; Modele nieliniowe; Kurs walutowy; Kurs akcji

EN

Time-series; Nonlinear models; Exchange rates; Share price

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2009
• Tom: Metody matematyczne, ekonometryczne i komputerowe w finansach i ubezpieczeniach 2008
• Strony: 49--60

Twórcy

autor

Katarzyna Zeug-Żebro

• Akademia Ekonomiczna im. Karola Adamieckiego w Katowicach

Bibliografia

• Abarbanel H.D., Analysis of Observed Chaotic Data. Springer Verlag, Berlin, Heidelberg, New York 1996
• Broomhead D.S., King G.P., Extracting Qualitative Dynamics from Experimental Data Physica D 20, 1986
• Grassberger P., Procaccia I., Measuring the strangeness of strange attractors. Physica D 1983
• Kim H.S, Eykholt R., Salas J.D., Nonlinear dynamics, delay time, and embedding windows, Physica D 127, 1999
• Nowiński M., Nieliniowa dynamika szeregów czasowych w badaniach ekonomicznych, AE, Wrocław 2007
• Osińska M., Ekonometria finansowa, PWE, Warszawa 2006
• Packard N.H., Crutchfield J.P, Farmer J.D., ShawR.S., Geometry from a Time Series, „Phys. Rev. Lett.” 1980, No 45
• Peters E.E., Teoria chaosu a rynki kapitałowe, WIG Press Warszawa 1997
• Regonda S.K., Rajagopalan B., Lali U., Clark M., Moon Y., Local polynomial for ensemble forecast of time series, „Nonlinear Processes In Geophysics” 2005, No 12
• Sauer T., Yorke J., Casdagli M., Embedology, J. Statist. Phys 65 3/4 1991
• Sprott J.C., Chaos and Time-Series Analysis, Oxford 2003
• Takens F., Detectingstrange attractors in turbulence, Lecture Notes in Mathematics, (eds) D.A. Rand, L.S. Young, Springer, Berlin 1981
• Zawadzki H., Chaotyczne systemy dynamiczne, AE, Katowice 1996