Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
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”

Sanctions as a Catalyst for Russia's and China's Balance of Trade: Business Opportunity

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F75081431%3A_____%2F21%3A00001957" target="_blank" >RIV/75081431:_____/21:00001957 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.nasemore.com/wp-content/uploads/2018/11/11.-Hlatka-Bartuska.pdf" target="_blank" >http://www.nasemore.com/wp-content/uploads/2018/11/11.-Hlatka-Bartuska.pdf</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/jrfm14010036" target="_blank" >10.3390/jrfm14010036</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Sanctions as a Catalyst for Russia's and China's Balance of Trade: Business Opportunity

  • Popis výsledku v původním jazyce

    The study is based on a highly topical sophisticated model of neural networks, which provides clear results confirming the unintended positive effect. The time series and aggregated data became inputs into multilayer perceptron networks, while the methodology used enabled eliminating of both too large averaging and extreme fluctuations of the equalized time series. Out of 10,000 networks created for each variable and each time lag, five showing the best characteristics given by correlation coefficients and absolute residual sums are retained.

  • Název v anglickém jazyce

    Sanctions as a Catalyst for Russia's and China's Balance of Trade: Business Opportunity

  • Popis výsledku anglicky

    The study is based on a highly topical sophisticated model of neural networks, which provides clear results confirming the unintended positive effect. The time series and aggregated data became inputs into multilayer perceptron networks, while the methodology used enabled eliminating of both too large averaging and extreme fluctuations of the equalized time series. Out of 10,000 networks created for each variable and each time lag, five showing the best characteristics given by correlation coefficients and absolute residual sums are retained.

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

    Journal of Risk and Financial Management

  • ISSN

    1911-8066

  • e-ISSN

    1911-8074

  • Svazek periodika

    14

  • Číslo periodika v rámci svazku

    1

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    26

  • Strana od-do

  • Kód UT WoS článku

    000610346800001

  • EID výsledku v databázi Scopus