Using wavelets by time series analysis
Result description
Wavelets are a recent mathematical tool that is used in the signal processing. Wavelet transformation gives possibility to separate approximations and details of a signal and then by using tresholding to clear noise from the signal or to compress the signal. It is possible to use the ability to distinguish approximations from details by analysis of the time series. The wavelet approximations correspond to the systematic part of the series and the details correspond to the non systematic part of the series by signal processing. The wavelet transformation in combination with Box-Jenkins models represents an alternative tool for analysis and prediction in time series. The paper presents the theoretical basis of the corresponding issues.
Keywords
Time SeriesBox-Jenkins ModelWaveletsMultiresolution AnalysisWavelet Coefficients
The result's identifiers
Result code in IS VaVaI
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Využití waveletů při analýze časových řad
Original language description
Wavelety jsou moderní matematický prostředek, který se využívá především při zpracování nejrůznějších signálů. Waveletová transformace umožňuje oddělit od sebe aproximace a detaily signálu a pak prostřednictvím prahování očistit signál od šumu, popř. signál komprimovat. Schopnost odlišit od sebe aproximace a detaily lze využít i při analýze časových řad. Při waveletovém rozkladu časové řady aproximace korespondují se systematickou složkou a detaily zase s nesystematickou složkou řady. V kombinaci s Boxovými-Jenkinsovými modely waveletová transformace představuje alternativní nástroj k analýze a prognózování časových řad. Článek je zaměřen na teoretickou základnu této problematiky.
Czech name
Využití waveletů při analýze časových řad
Czech description
Wavelety jsou moderní matematický prostředek, který se využívá především při zpracování nejrůznějších signálů. Waveletová transformace umožňuje oddělit od sebe aproximace a detaily signálu a pak prostřednictvím prahování očistit signál od šumu, popř. signál komprimovat. Schopnost odlišit od sebe aproximace a detaily lze využít i při analýze časových řad. Při waveletovém rozkladu časové řady aproximace korespondují se systematickou složkou a detaily zase s nesystematickou složkou řady. V kombinaci s Boxovými-Jenkinsovými modely waveletová transformace představuje alternativní nástroj k analýze a prognózování časových řad. Článek je zaměřen na teoretickou základnu této problematiky.
Classification
Type
Jx - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP classification
BA - General mathematics
OECD FORD branch
—
Result continuities
Project
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2014
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Name of the periodical
Ekonomika Management Inovace
ISSN
1804-1299
e-ISSN
—
Volume of the periodical
5
Issue of the periodical within the volume
3
Country of publishing house
CZ - CZECH REPUBLIC
Number of pages
12
Pages from-to
13-24
UT code for WoS article
—
EID of the result in the Scopus database
—
Basic information
Result type
Jx - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)
CEP
BA - General mathematics
Year of implementation
2014