Use of Neural Networks to accommodate seasonal fluctuations when equalizing time series for the CZK/RMB exchange rate
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F75081431%3A_____%2F21%3A00001945" target="_blank" >RIV/75081431:_____/21:00001945 - isvavai.cz</a>
Výsledek na webu
<a href="http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=9&SID=F3poXwGWHGp3bC2Qa8r&page=1&doc=1" target="_blank" >http://apps.webofknowledge.com/full_record.do?product=WOS&search_mode=GeneralSearch&qid=9&SID=F3poXwGWHGp3bC2Qa8r&page=1&doc=1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.3390/risks9010001" target="_blank" >10.3390/risks9010001</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Use of Neural Networks to accommodate seasonal fluctuations when equalizing time series for the CZK/RMB exchange rate
Popis výsledku v původním jazyce
The authors aim is to present a methodology based on neural networks that takes into consideration seasonal fluctuations when equalizing time series by using the Czech crown and Chinese yuan as examples. The analysis is conducted using daily information on the Czech crown/Chinese yuan exchange rate over a period of more than nine years. Statistica software, version 12 by Dell Inc. is used to process the input data and, subsequently, to generate multi-layer perceptron networks and radial basis function neural networks.
Název v anglickém jazyce
Use of Neural Networks to accommodate seasonal fluctuations when equalizing time series for the CZK/RMB exchange rate
Popis výsledku anglicky
The authors aim is to present a methodology based on neural networks that takes into consideration seasonal fluctuations when equalizing time series by using the Czech crown and Chinese yuan as examples. The analysis is conducted using daily information on the Czech crown/Chinese yuan exchange rate over a period of more than nine years. Statistica software, version 12 by Dell Inc. is used to process the input data and, subsequently, to generate multi-layer perceptron networks and radial basis function neural networks.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
50200 - Economics and Business
Návaznosti výsledku
Projekt
—
Návaznosti
N - Vyzkumna aktivita podporovana z neverejnych zdroju
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Risks
ISSN
2227-9091
e-ISSN
—
Svazek periodika
9
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
CH - Švýcarská konfederace
Počet stran výsledku
21
Strana od-do
—
Kód UT WoS článku
000610727100001
EID výsledku v databázi Scopus
—