Badanie wpływu redukcji szumu na identyfikację dynamiki chaotycznej na przykładzie finansowych szeregów czasowych

• Authors: Katarzyna Zeug-Żebro

Title variants

EN

Study of the Effect of Noise Reduction on the Identification of Chaotic Dynamics Based on Finance Time Series

• Languages of publication: PL

Abstracts

PL

Filtracja danych jest bardzo ważnym etapem badań związanych z odróżnianiem szeregów chaotycznych od losowych. Jedną z metod wykorzystywanych w tym celu jest metoda najbliższych sąsiadów. Pierwotnie została ona stworzona w celu prognozowania, jednak późniejsze prace badawcze pokazały, że jest ona również dobrym narzędziem umożliwiającym redukcję szumu w szeregach czasowych. Celem artykułu jest zbadanie wpływu redukcji szumu metodą najbliższych sąsiadów na identyfikację chaosu w wybranych szeregach czasowych. Badanie będzie przeprowadzone na podstawie ekonomicznych szeregów czasowych, złożonych z cen zamknięcia akcji spółek notowanych na GPW w Warszawie oraz dziennych kursów walut.

EN

The data filtration is very important stage of research involving distinguishing the chaotic series from random series. One of the methods used for this purpose is the nearest neighbor method. It was originally designed to predict, but later research showed that it was also a good tool for reducing noise in the time series. The aim of the article will be to study the effect of noise reduction, carried out using the nearest neighbor method, on the identification of chaotic dynamics in the selected time series. The test will be conducted based on the economic time series which consist of closing prices of companies listed on the Warsaw Stock Exchange and the daily exchange rates.

Keywords

PL

Analiza korelacji; Szeregi czasowe; Wskaźniki finansowe

EN

Correlation analysis; Financial indicators; Time-series

• Publisher: Uniwersytet Ekonomiczny w Katowicach
• Journal: Studia Ekonomiczne
• Year: 2014
• Volume: 207
• Pages: 269-280

Contributors

author

Katarzyna Zeug-Żebro

References

• 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, No. 6, s. 3404-3411.
• Grassberger P., Procaccia I. (1983a), Characterization of Strange Attractors, "Physical Review Letters", Vol. 50, No. 5, s. 346-349.
• Grassberger P., Procaccia I. (1983b), Measuring the Strangeness of Strange Attractors, "Physica D", Vol. 9, No. 1-2, s. 189-208.
• Kantz H. (1994), A Robust Method to Estimate the Maximal Lyapunov Exponent of a Time Series, "Physical Letters A", Vol. 185, No. 1, s. 77-87.
• Kantz H., Schreiber T. (1997), Nonlinear Time Series Analysis, Cambridge University Press, Cambridge.
• 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.
• Stawicki J., Janiak E.A., Müller-Frączek I. (1997), Różnicowanie fraktalne szeregów czasowych - wykładnik Hursta i wymiar fraktalny, "Dynamiczne modele ekonometryczne", TNOiK "Dom Organizatora", Toruń, s. 35-41.
• Takens F. (1981), Detecting Strange Attractors in Turbulence [w:] Rand D.A., Young L.S. (red.), Lecture Notes in Mathematics, Springer, Berlin, s. 366-381.
• Zawadzki H. (1996), Chaotyczne systemy dynamiczne, Wydawnictwo AE, Katowice.
• Zeug-Żebro K., Dębicka J., Kuśmierczyk P., Łyko J. (2013), Wybrane modele matematyczne w ekonomii. Decyzje i wybory: Metody analizy chaosu deterministycznego w szeregach czasowych, Wydawnictwo UE, Wrocław, s. 121-161.

Identifiers

ISSN

2083-8611