Vše
Vše

Co hledáte?

Vše
Projekty
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Prognozování ekonomických veličin použitím fuzzy AR modelu a soft RBF neuronové sítě

Popis výsledku

Mnoho modelů časových řad sesoustřeďuje kolem AR (autoregressve) procesů. Tradičně hlavní směr modelování cen akcí e založena na Box-Jenkinsové metodologii. Příspěvek nejprve popisuje základní modelovací etapy B-J metodologie pro vývoj AR modelů cen akcí. Potom se konstruují alternativní modely cen akcí založené na FAR (Fuzzy AutoRegressive) a soft RBF NN (Radial Basic Neural Network) metodologii. Následně se porovnává predikční přesnost uvedených model a diskutují se interpretace získáních výsledků.

Klíčová slova

Time Series Analysis and ForecastingFuzzy Autoregressive ModelSoft RBF Neural Network

Identifikátory výsledku

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Forecasting of Economic Quantities using Fuzy Autoregressive Model and Soft RBF Neural Network

  • Popis výsledku v původním jazyce

    Most models for the time series of stock prices have centered on autoregressive (AR) processes. Traditionally, fundamental Box-Jenkins analysis have been the mainstream methodology used to develop time series models. Next, we briefly describe the developa classical AR model for stock price forecasting. Then a fuzzy regression model is introduced. Following this description, an artificial soft RBF neural network is presented as an alternative to the stock prediction method based on AR models. Finally, we present our preliminary results and some further experiments that we performed.

  • Název v anglickém jazyce

    Forecasting of Economic Quantities using Fuzy Autoregressive Model and Soft RBF Neural Network

  • Popis výsledku anglicky

    Most models for the time series of stock prices have centered on autoregressive (AR) processes. Traditionally, fundamental Box-Jenkins analysis have been the mainstream methodology used to develop time series models. Next, we briefly describe the developa classical AR model for stock price forecasting. Then a fuzzy regression model is introduced. Following this description, an artificial soft RBF neural network is presented as an alternative to the stock prediction method based on AR models. Finally, we present our preliminary results and some further experiments that we performed.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    AH - Ekonomie

  • OECD FORD obor

Návaznosti výsledku

Ostatní

  • Rok uplatnění

    2009

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Sventh International Conference on Soft Computing Applied in Computer and Economic Environments

  • ISBN

    978-80-7314-163-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

  • Název nakladatele

    European Polytechnical Institute Kunovice

  • Místo vydání

    Kunovice

  • Místo konání akce

    Hodonín

  • Datum konání akce

    1. 1. 2009

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku