Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 3

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  Artificial neural networks
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Content available remote

Determinants of Commercial Mortgage-Backed Securities Credit Ratings: Australian Evidence

100%
Chikolwa B., Chan F.
International Journal of Strategic Property Management
|
2008
|
vol. 12
|
issue 2
69-94
EN
Using artificial neural networks (ANN) and ordinal regression (OR) as alternative methods to predict Commercial Mortgage-backed Securities (CMBS) credit ratings, we examine the role that various financial and industry-based variables have on CMBS credit ratings issued by Standard and Poor's from 1999-2005. Our OR results show that rating agencies use only a subset of variables they describe or indicate as important to CMBS credit rating as some of the variables they use were statistically insignificant. Overall, ANN show superior results to OR in predicting CMBS credit ratings.
LT
Sisteminant komercine hipoteka užtikrintų vertybinių popierių prekybos sandorius, svarbiausias tikslas - gauti aukštą kredito reitingą, nes tai daro poveikį pelningumui ir emitento sėkmei. Kredito reitingų agentūros teigia, kad jų vertinimai išreiškia kiekvienos agentūros nuomonę apie potencialią emitento nemokumo riziką ir daugiausia remiasi emitento gebėjimo bei noro grąžinti savo skolą analize, kurią atlieka komitetas, taigi tyrinėtojams jų reitingų kiekybiškai replikuoti nepavyktų. Tačiau tyrinėtojai replikavo obligacijų reitingus, remdamiesi prielaida, kad finansiniai koeficientai turi daug informacijos apie įmonės kredito riziką. Prognozuodami komercine hipoteka užtikrintų vertybinių popierių reitingus, kaip alternatyvius metodus naudojame dirbtinius neuroninius tinklus ir ranginę regresiją. Ranginės regresijos rezultatai rodo, kad reitingų agentūros naudoja tik tą kintamųjų poaibį, kuriuos jos apibūdina arba nurodo kaip svarbius komercine hipoteka užtikrintų vertybinių popierių reitingui, nes kai kurie iš naudojamų kintamųjų statistiškai nereikšmingi. Apskritai dirbtinių neuroninių tinklų rezultatai, prognozuojant komercine hipoteka užtikrintų vertybinių popierių reitingus, geresni nei ranginės regresijos.
2
Publication available in full text mode
Content available

Konstrukcja wielowymiarowych kart kontrolnych indywidualnych pomiarów z wykorzystaniem sztucznych sieci neuronowych

75%
Peternek P.
Studia Ekonomiczne
|
2015
|
vol. 235
182-193
PL
Klasyczne metody statystycznego sterowania procesem wykorzystują założenie o rozkładzie normalnym badanej cechy. W sytuacji, gdy warunek ten nie jest spełniony, wykorzystuje się odpowiednie transformacje lub korzysta się ze specyficznych, odpornych na rodzaj rozkładu metod. W pracy przedstawiona zostanie próba wykorzystania sztucznych sieci neuronowych do konstrukcji wielowymiarowych kart kontrolnych. Przeprowadzone zostaną symulacje dla rozkładu normalnego i chi-kwadrat.
EN
In classical statistical process control the assumption of normal distribution is usually valid. When this condition is not satisfied specifically transformation or the specified method are used. This article presents application of artificial neural networks to construct of multivariate control charts for individual data.
3
Publication available in full text mode
Content available

Popyt, ceny oraz stopień ich zawyżenia na wybranych rynkach energii

51%
Jasiński T., Ścianowska A.
Studia Ekonomiczne
|
2016
|
vol. 255
126-135
PL
Opracowanie opisuje możliwości przewidywania popytu i cen na detalicznym rynku energii elektrycznej przy zastosowaniu narzędzi z dziedziny sztucznej inteligencji, jakimi są sztuczne sieci neuronowe. Wiedza ta pozwala na optymalizację ekonomiczną zarówno w podmiotach funkcjonujących po stronie popytu, jak i podaży. Dalsza optymalizacja rynku wymaga zmniejszenia szczególnie zapotrzebowania szczytowego, co możliwe jest m.in. na podstawie systemu zmiennych cen. W artykule omówiono możliwość wprowadzenia tego typu rozwiązań, opierając się na zaawansowanej infrastrukturze pomiarowej, będącej elementem tzw. systemów inteligentnych.
EN
The paper reveals the possibility to predict demand and prices in the retail electricity market using tools from the field of artificial intelligence, which are artificial neural networks. This knowledge allows to optimize the economic operating of entities on both sides of the market: demand and supply. Further optimization of the market requires a reduction especially peak demand, which is possible by the system of variable prices. This paper discusses the possibility of implement this type of solutions based on advanced measurement infrastructure, which is part of smart grid systems.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.