Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
20
Poziom I
Status:
Autorzy: Rzymowski Witold, Surowiec Agnieszka, Warowny Tomasz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Arkusze wydawnicze: 0,88
Język: polski
Strony: 40 - 55
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 27 września 2018
Abstrakty: polski | angielski
W ostatnich latach można obserwować dużą różnorodność metod analizy danych finansowych, a w szczególności metod analizy finansowych szeregów czasowych. W niniejszej pracy porównano prognozy wygasłe dla kursu Euro/USD uzyskane na podstawie wybranych typów modeli. Wykorzystano szare modele typu GM(1,1), prosty model autoregresji rzędu I, modele liniowe, wielomianowe oraz modele potęgowe. Jako miarę użyteczności konstruowanych modeli przyjęto procentowy błąd względny prognoz wygasłych. Ponadto zbadano wpływ liczby obserwacji na wartości tego błędu.
Being able to forecast time series accurately has been quite a popular subject for researchers. In this article various forecasting models such as gray models GM(1,1), autoregressive models, linear models, polynomial models and power models for highly noisy data on the euro to the United States dollar parity are tested to compare the performances of those different models. A relative percentage error is used to examine the accuracy of the models. The simulation results show that the very simple autoregressive model is the best.