Zastosowanie zmodyfikowanej metody najbliższych sąsiadów do prognozowania chaotycznych szeregów czasowych

• Autorzy: Katarzyna Zeug-Żebro

Warianty tytułu

Application of the Modified Nearest Neighbor Method to Prediction of the Chaotic Time Series

• Języki publikacji: PL

Abstrakty

Celem artykułu jest wyznaczenie przyszłych wartości analizowanych szeregów czasowych, zweryfikowanie użyteczności metody najbliższych sąsiadów i jej zmodyfikowanej postaci oraz zbadanie wpływu długości horyzontu prognozy na jej dokładność. W badaniach zostaną wykorzystane szeregi chaotyczne wygenerowane przez odwzorowanie Ikedy i Kaldora oraz ekonomiczne szeregi czasowe utworzone z cen zamknięcia WIG i WIG20 oraz dwóch spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie: INGBSK i Vistula. Dane rzeczywiste obejmują okres od 14.04.1994 do 30.10.2012. Obliczenia przeprowadzono z użyciem programów napisanych przez autorkę w języku programowania Delphi oraz pakietu Microsoft Excel. (fragment tekstu)

EN

Forecasting financial time series is a quite difficult problem, which has been tried to solve by a variety of methods in the field of econometrics. Since the deterministic chaos appeared in the literature, we can observe a huge increase in interest in researchers of nonlinear dynamical systems theory, which led to the creation of new methods of prediction. Among these methods can be distinguished the method of nearest neighbors and its modifications. The main aim of the article will be to evaluate and compare the accuracy of the predictions obtained using the method of nearest neighbors and the modified method of nearest neighbors. The test will be conducted based on the economic time series which consist of closing prices of companies listed on the Warsaw Stock Exchange. (original abstract)

Słowa kluczowe

PL

Metoda najbliższego sąsiedztwa; Szeregi czasowe; Analiza szeregów czasowych; Wykładniki Lapunowa; Giełda papierów wartościowych; Warszawski Indeks Giełdowy (WIG)

EN

Neighbor joining distance method; Time-series; Time-series analysis; Lyapunov exponents; Stock market; Warsaw Stock Exchange Index

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2014
• Numer: nr 203 Badania ekonometryczno-statystyczne w teorii i praktyce
• Strony: 193--202

Twórcy

autor

Katarzyna Zeug-Żebro

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Abarbanel H.D., Brown R., Kennel M.B. (1992): Determining Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction. "Physical Review A", Vol. 45(6), s. 3404-3411.
• Ikeda K., Daido H., Akimoto O. (1980): Optical Turbulence: Chaotic Behavior of Transmitted Light from a Ring Cavity. "Phys. Rev. Lett." 45, s. 709-712.
• Kaldor N. (1940): A Model of the Trade Cycle. "Economic Journal", Vol. 50, s. 78-92.
• Kantz H. (1994): A Robust Method to Estimate the Maximal Lyapunov Exponent of a Time Series. "Physical Letters A", Vol. 185(1), s. 77-87.
• Lorenz E.N. (1969): Atmospheric Predictability as Revealed by Naturally Occurring Analogues. "J. Atmos. Sci.", 26, s. 636-646.
• Orzeszko W. (2005): Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych szeregach czasowych. Polskie Towarzystwo Ekonomiczne, Warszawa.
• Ramsey J.B., Sayers C.L., Rothman P. (1990): The Statistical Properties of Dimension Calculations Using Small Data Sets: Some Economic Applications. "International Economic Review", Vol. 31, No 4.
• Rosenstein M.T., Collins J.J., De Luca C.J. (1993): A Practical Method for Calculating Largest Lyapunov Exponents from Small Data Sets. "Physica D", Vol. 65, s. 117-134.
• Takens F. (1981): Detecting Strange Attractors in Turbulence. Eds. D.A. Rand, L.S. Young. Lecture Notes in Mathematics, Springer, Berlin, s. 366-381.