Zpět
Possibilities of Trend Component Estimation
| Citace: |
ŤOUPAL, T., VÁVRA, F. Possibilities of Trend Component Estimation. In Financial Management of Firms and Financial Institutions, 10th International Scientific Conference - Proceedings. Ostrava: VŠB - Technical University of Ostrava, 2015. s. 1326-1333. ISBN: 978-80-248-3865-6 , ISSN: 2336-162X
|
|---|---|
| Druh: | STAŤ VE SBORNÍKU |
| Jazyk publikace: | cze |
| Anglický název: | Possibilities of Trend Component Estimation |
| Rok vydání: | 2015 |
| Místo konání: | Ostrava, ČR |
| Název zdroje: | VŠB - Technical University of Ostrava |
| Autoři: | Ing. Tomáš Ťoupal Ph.D. , Doc. Ing. František Vávra CSc. , |
| Abstrakt CZ: | Tento článek se zabývá problematikou predikce časových řad, zejména v ekonomických časových řadách. V reálných životních situacích existuje mnoho makroekonomických ukazatelů, které mají vliv na provozní i strategická rozhodování podniku (nezaměstnanost, inflace, hrubý domácí produkt, atd.). Uvedený přístup je založen předchozím článku o odhadu trendové složky, kde hlavní model odhadu je odvozen na základě vytvořeného ortonormálního systému za pomoci Gramova-Schmidtova ortonormalizačního procesu. Přesněji řečeno se zde jedná o rozšíření uvedeného článku o možném přístupu k predikci časových řad v závislosti na volbě kvalitativního ukazatele. Získané výsledky jsou poté použity na souborech reálných dat s pomocí přístupu časového posunu k porovnání získaných predikcí časových řad. |
| Abstrakt EN: | This paper deals with the problem of time series prediction, particularly for the economic time series. In real-life situations, there are many macroeconomic indicators affecting operating and strategic decisions of a company (Unemployment, Inflation, Gross Domestic Product, etc.). This approach is based on the paper about trend component estimation where the main estimation model is derived from an orthonormal system generated by Gram-Schmidt orthonormalization process. More precisely, there is considered an extension of this paper by prediction of time series depending on selected qualitative indicators. These results are then applied to real data collections using time shifts to compare obtained predictions of time series. |
| Klíčová slova |
Zpět