The Latest Statistical and Computational Methods: Applications in Management Prediction Systems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F47813059%3A19240%2F09%3A%230002968" target="_blank" >RIV/47813059:19240/09:#0002968 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Latest Statistical and Computational Methods: Applications in Management Prediction Systems

Popis výsledku v původním jazyce

We examine the statistical forecasting models based on the Bayesian method and ARCH-GARCH models for prediction of the demand for new products and the bond price time series provided by VUB bank respectively. In the case of Bayesian methods, we make comparisons the forecast accuracy with the class of exponential smoothing methods. In the second case we compare the forecast accuracy of the ARCH-GARCH models with RBF neural network models. In a comparative study is shown that the presented approaches areable to model and predict a process in which there is little or no useful historical information available and processes with high frequency data, by reasonable accuracy and more efficient than classic statistical methods.

Název v anglickém jazyce

The Latest Statistical and Computational Methods: Applications in Management Prediction Systems

Popis výsledku anglicky

We examine the statistical forecasting models based on the Bayesian method and ARCH-GARCH models for prediction of the demand for new products and the bond price time series provided by VUB bank respectively. In the case of Bayesian methods, we make comparisons the forecast accuracy with the class of exponential smoothing methods. In the second case we compare the forecast accuracy of the ARCH-GARCH models with RBF neural network models. In a comparative study is shown that the presented approaches areable to model and predict a process in which there is little or no useful historical information available and processes with high frequency data, by reasonable accuracy and more efficient than classic statistical methods.

Druh

D - Stať ve sborníku

CEP obor

AH - Ekonomie

OECD FORD obor

—

Projekt

<a href="/cs/project/GA402%2F08%2F0022" target="_blank" >GA402/08/0022: Nejnovější inteligentní metodologie pro modelování a predikci ekonomických časových řad</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

Interdisciplinary Relationships in the Theory and Practice of Informatics, management, economics and Mathematics

ISBN

978-80-8084-471-4

ISSN

—

e-ISSN

—

Počet stran výsledku

118

Strana od-do

—

Název nakladatele

Catholic University in Ruzomberok, Faculty of Education

Místo vydání

Rožomberok

Místo konání akce

Spišská kapitule

Datum konání akce

1. 1. 2009

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—