PL
 |
EN

PL EN

Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Wybrane zagadnienia analizy szeregów czasowych

Autorzy
Adamski Krzysztof
Treść / Zawartość
Pełne teksty:
Adamski_K_Wybrane_ZNWWSI_nr 29_2023.pdf
Identyfikatory
DOI
10.26348/znwwsi.29.7
Warianty tytułu
EN
Selected problems of time series analysis
Języki publikacji
PL
Abstrakty
PL
Artykuł obejmuje przegląd wybranych zagadnień związanych z analizą i predykcją szeregów czasowych zawierających dane z notowaniami giełdowymi. Przedstawiona została taksonomia szeregów czasowych oraz scharakteryzowane główne kierunki spotykane w analizie danych giełdowych. Szerzej opisane zostały wybrane narzędzia analizy technicznej. W kolejnych rozdziałach dokonany został przegląd wybranych metod uczenia maszynowego, zarówno metod algorytmicznych jak i metod wykorzystujących sieci neuronowe, przydatnych w analizie i predykcji szeregów czasowych.
EN
The article provides an overview of selected problems related to the analysis and prediction of time series containing stock market data. The taxonomy of time series is presented, and the main directions encountered in the analysis of financial data are characterized. Selected tools of technical analysis are described in more detail. Subsequent chapters provide a review of selected machine learning methods, divided into a section on algorithmic methods and a section on neural networks useful in the analysis and prediction of time series.
Słowa kluczowe
PL
EN
Wydawca
Warszawska Wyższa Szkoła Informatyki
Czasopismo
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Rocznik
2023
Tom
nr 29
Strony
7--104
Opis fizyczny
Bibliogr. 119 poz., rys., tab., wykr.
Twórcy
autor
Adamski Krzysztof
k.s.adamski21@gmail.com
  • Warszawska Wyższa Szkoła Informatyki, Polska
Bibliografia
  • [1] J. Kłobukowska. Laureaci Nagrody Nobla w dziedzinie nauk ekonomicznych. Historia i wkład laureatów do współczesnej myśli ekonomicznej, Optimum. Studia Ekonomiczne tom 64, nr 4, ss. 144-155, 2013. [Online]. https://repozytorium.uwb.edu.pl/jspui/bitstream/11320/981/1/14_Justyna%20K%C5%81OBU- KOWSKA.pdf.
  • [2] Predykcja. [Online]. https://sjp.pwn.pl/slowniki/predykcja.html.
  • [3] A. Nielsen. Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki, wyd. 1. Gliwice: Helion SA, 2020.
  • [4] G. Box. Analiza szeregów czasowych: prognozowanie i sterowanie. Warszawa: PWN, 1983.
  • [5] Analiza szeregów czasowych. [Online]. https://el.us.edu.pl/ekonofizyka/index.php/Analiza_Szereg%C3%B3w_Czasowych/Wst%C4%99p#Definicja_szeregu_czasowego.
  • [6] Szeregi czasowe. [Online]. https://stat.gov.pl/metainformacje/szeregi-czasowe-4712/.
  • [7] Szereg czasowy. [Online]. https://pl.wikipedia.org/wiki/Szereg_czasowy.
  • [8] R. Ciesielski. Model Blacka-Scholesa. [Online]. https://www.fuw.edu.pl/~ciesiel/essey.pdf.
  • [9] Modele szeregów czasowych. [Online]. http://www.ekonometria.4me.pl/modele_szeregow_czasowych.htm.
  • [10] N. Ferguson, Potęga pieniądza. Finansowa historia świata, wyd. 1. Kraków: Wydawnictwo Literackie, 2022.
  • [11] A. Grün, T. Kohrs, Jak etycznie inwestować. Kraków: Salwator, 2010.
  • [12] K. van Tharp, D. Barton, S. Sjuggerud. Bezpieczne strategie inwestycyjne. Jak osiągnąć wolność finansową, wyd. 2. Kraków: Oficyna Ekonomiczna, 2006.
  • [13] J.D. Schwager. Analiza techniczna rynków terminowych. Warszawa: WIG-Press, 2002.
  • [14] Analiza sentymentu. [Online]. https://www.udemy.com/course/applied-sentiment-analysis-commitments-of-traders-report/learn/lecture/11802872#notes.
  • [15] S. Nison. Świece japońskie i inne techniki analizowania wykresów, wyd. 1. Warszawa: WIG-Press, 1996.
  • [16] J.J. Murphy. Analiza techniczna rynków finansowych. Warszawa: WIG- Press, 1999.
  • [17] K. Oziemczuk. Ichimoku japońska strategia inwestycyjna. Warszawa: Wyd. Bullet Books, 2012.
  • [18] Teoria Dowa. [Online]. https://www.edukacjagieldowa.pl/gieldowe-abc/analiza-techniczna/teoria-dowa/.
  • [19] B. Zawadzki. Teoria Dowa - założenia. [Online]. https://comparic.pl/teoria-dowa-glowne-zalozenia-twierdzenia/.
  • [20] Wprowadzenie do Teorii Dowa. [Online]. https://academy.binance.com/pl/articles/an-introduction-to-the-dow-theory.
  • [21] A.J. Frost, R.R. Prechter. Teoria fal Eliota. Warszawa: WIG-Press, 1995.
  • [22] Metoda Wyckoffa - dogłębne wytłumaczenie. [Online]. https://academy.binance.com/pl/articles/the-wyckoff-method-explained.
  • [23] M. Kosior. Czym jest metoda Wyckoffa. [Online]. https://bithub.pl/artykuly/czym-jest-metoda-wyckoffa/.
  • [24] R.C. Miner. Strategie inwestycyjne o wysokim prawdopodobieństwie sukcesu. Warszawa: infoin-westor.pl, 2012.
  • [25] P. Danielewicz, Geometria Fibonacciego - nowe ujęcie. Poznań: maklerska.pl, 2014.
  • [26] M. Żelazny. Harmonic Trading. Precyzyjna strategia inwestycyjna od otwarcia do zamknięcia pozycji na rynku Forex, wyd. 1. Sieradz: Harmonic Traders, 2013.
  • [27] A. Brooks. Analiza Price Acton Trendy. Poznań: maklerska.pl, 2014.
  • [28] Lukasz. Ile można stracić na Forex? 96% przegrywa - Prawda czy mit? [Online]. https://www.opcje24h.pl/ile-mozna-stracic-na-forex-96-przegrywa-prawda-czy-mit/.
  • [29] Algorithmic trading. [Online]. https://en.wikipedia.org/wiki/Algorithmic_trading.
  • [30] K. Jajuga. Podstawy inwestowania na Giełdzie Papierów Wartościowych, wyd. II uaktualnione. Warszawa: Giełda Papierów Wartościowych w Warszawie, 2006.
  • [31] J.J. Murphy. Międzyrynkowa analiza techniczna, strategie inwestycyjne na rynkach akcji, obligacji, towarów i walut. Warszawa: WIG-Press, 1998.
  • [32] Platforma cTrader na stronie IC Markets. [Online]. https://ct.icmarkets.com/
  • [33] M. Wiśniewski. Elementarz giełdowy, czyli pierwsze kroki do fortuny. Kraków: Wyd. DWN, 1993.
  • [34] Z. Komar. Sztuka spekulacji. Warszawa: Wydawnictwo PRET S.A., 1993.
  • [35] J. Bernstein. Inwestor Jednosesyjny. Kraków: Oficyna Ekonomiczna Wolters Kluwer, 2006.
  • [36] J. DiNapoli. Poziomy DiNapolego. Warszawa: WIG-Press, 2004.
  • [37] C. Carolan. Kalendarz spiralny. Warszawa: WIG-Press, 1996.
  • [38] Średnia ruchoma. [Online]. https://pl.wikipedia.org/wiki/%C5%9Arednia_ruchoma.
  • [39] Wskaźnik Moving Average. [Online]. https://www.instaforex.com/pl/forex_technical_indicators/moving_average.
  • [40] Time Series Moving Average. [Online]. https://ctrader.com/forum/calgosupport/11309.
  • [41] Zero lag exponential moving average. [Online]. https://en.wikipedia.org/wiki/Zero_lag_exponential_moving_average.
  • [42] J. Ehlers, R. Way. Zero lag (well, almost). [Online]. https://www.mesasoftware.com/papers/ZeroLag.pdf.
  • [43] F. Butin. (2020) A bounded operator approach to technical indicators without lag. [Online]. https://arxiv.org/pdf/2009.08821.pdf.
  • [44] Kanały Keltnera. [Online]. https://pl.tradingview.com/scripts/keltnerchannels/.
  • [45] Natural Language Processing with Disaster Tweets. [Online]. https://www.kaggle.com/competitions/nlp-getting-started.
  • [46] JPX Tokyo Stock Exchange Prediction. [Online]. https://www.kaggle.com/competitions/jpx-tokyo-stock-exchange-prediction.
  • [47] Co określamy jako finanse behawioralne? [Online]. https://businessinsider.com.pl/gospodarka/przepisy/co-to-sa-finanse-behawioralne/wgccj90.
  • [48] J. Matejka, G. Fitzmaurice. Same stats, different graphs: generating datasets with varied appearance and identical statistics through simulated annealing, Proceedings of the 2017 CHI conference on human factors in computing systems, 2017, ss. 1290-1294. [Online]. https://damassets.autodesk.net/content/dam/autodesk/www/autodesk-reasearch/pdf/publications/Same%20Stats,%20Different%20Graphs%20Generating%20Datasets%20with%20Varied%20Appearance%20and%20Identical%20Statistics%20through%20Simulated%20Annealing.pdf.
  • [49] M. Szeliga. Data science i uczenie maszynowe, wyd. 1. Warszawa: PWN, 2017.
  • [50] D.T. Larose. Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych. Warszawa: PWN, 2009.
  • [51] F.J. Anscombe. Graphs in statistical analysis, The American Statistician Vol. 27, No. 1, ss. 17-21, 1973.
  • [52] J. Stefanowski., Analiza Szeregów Czasowych. [Online]. http://www.cs.put.poznan.pl/jstefanowski/aed/TPtimeseries.pdf.
  • [53] Godziny handlu Forex i godziny otwarcia giełd na świecie. [Online]. https://admiralmarkets.com/pl/education/articles/forex-basics/forex-godziny-handlu.
  • [54] P. Kościelniak. Statystyka I i II. [Online]. https://im.uj.edu.pl/documents/65632/144164127/Statystyka/f6386896-9211-4807-818b-382509b6d995.
  • [55] T. Górecki. Analiza danych. [Online]. http://drizzt.home.amu.edu.pl/images/DADA_AIPD/W4.pdf.
  • [56] Standaryzacja (statystyka). [Online]. https://pl.wikipedia.org/wiki/Standaryzacja_(statystyka).
  • [57] Standaryzacja zmiennych - opis. [Online]. https://www.naukowiec.org/wiedza/statystyka/standaryzacja-zmiennych_713.html.
  • [58] Normalization (statistics). [Online]. https://en.wikipedia.org/wiki/Normalization_(statistics).
  • [59] Regresja liniowa. [Online]. https://pl.wikipedia.org/wiki/Regresja_liniowa.
  • [60] Regresja (statystyka). [Online]. https://pl.wikipedia.org/wiki/Regresja_(statystyka).
  • [61] Regression analysis. [Online]. https://en.wikipedia.org/wiki/Regression_analysis.
  • [62] Homoscedasticity and heteroscedasticity. [Online]. https://en.wikipedia.org/wiki/Homoscedasticity_and_heteroscedasticity.
  • [63] D.J. Hand, H. Mannila, P. Smyth. Eksploracja danych. Warszawa: WNT, 2005.
  • [64] D.T. Larose. Metody i modele eksploracji danych. Warszawa: PWN, 2012.
  • [65] Robust regression. [Online]. https://en.wikipedia.org/wiki/Robust_regression
  • [66] W. Pieriegudow. Metoda najmniejszych kwadratów i jej zastosowanie. Warszawa: Państwowe Wyd. Ekonomiczne, 1967.
  • [67] C. Tofallis, Least Squares Percentage Regression, Journal of Modern Applied Statistical Methods Vol. 7, No. 2, ss. 526-534, 2008. [Online]. https://digitalcommons.wayne.edu/cgi/viewcontent.cgi?article=1466&context=jmasm.
  • [68] Z. Gniazdowski., Prywatna korespondencja, październik 2023.
  • [69] W. Niemiro. Statystyka. [Online]. https://www.mimuw.edu.pl/~adamm/statystyka.pdf.
  • [70] R. Waśko. Rangowanie danych. Metody i przykłady. [Online]. https://predictivesolutions.pl/rangowanie-danych-metody-i-przyklady.
  • [71] Z. Gniazdowski, M. Grabowski . Numerical Coding of Nominal Data, Zeszyty Naukowe WWSI tom 9, nr 12, ss. 53-61, 2015. [Online]. https://doi.org/10.26348/znwwsi. 12.53.
  • [72] J. Trzęsiok. Wykorzystanie regresji nieparametrycznej do modelowania wielkości oszczędności gospodarstw domowych, Studia Ekonomiczne nr 159, ss. 99-108, 2013. [Online]. https://bibliotekanauki.pl/articles/591136.pdf.
  • [73] Modele autoregresyjne. [Online]. http://www.ekonometria.4me.pl/modele-autoregresyjne.htm.
  • [74] A. Torój. Zaawansowane metody odsezonowywania szeregów czasowych. [Online]. https://web.sgh.waw.pl/~atoroj/eszcz/wyklad1_odsezonowanie.pdf.
  • [75] V. Mehandzhiyski. (2023) What Is an ARIMAX Model? [Online]. https://365datascience.com/tutorials/python-tutorials/arimax/.
  • [76] J. Mielniczuk. Procesy nieliniowe ARCH, GARCH. [Online]. https://home.ipipan.waw.pl/j.mielniczuk/SC14-2020.pdf.
  • [77] Autoregressive conditional heteroskedasticity. [Online]. https://en.wikipedia.org/wiki/Autoregressive_conditional_heteroskedasticity.
  • [78] M. Rubaszek. Modele klasy ARCH. [Online]. https://web.sgh.waw.pl/~mrubas/EFzR/pdf/R7Prezentacja.pdf.
  • [79] Modele klasy ARCH. [Online]. https://gieldowyracjonalista.blogspot.com/2010/08/modele-klasy-arch.html.
  • [80] J.R. Hyndman, G. Athanasopoulos. (2021) Seasonal plots. In: [w:] Idem, Forecasting: Principles and Practice (3rd ed.). Melbourne: Monash University, [Online]. https://otexts.com/fpp3/seasonal-plots.html.
  • [81] R.J. Hyndman, G. Athanasopoulos. (2021) Forecasting: principles and practice, 3rd edition. Melbourne: Monash University, [Online]. https://otexts.com/fpp3/.
  • [82] J.R. Hyndman, G. Athanasopoulos. (2018) Seasonal plots. [w:] Idem, Forecasting: Principles and Practice (2nd ed). Melbourne: Monash University, [Online]. https://otexts.com/fpp2/seasonal-plots.html.
  • [83] J.R. Hyndman, G. Athanasopoulos. (2018) Seasonal subseries plots. [w:] Idem, Forecasting: Principles and Practice (2nd ed). Melbourne: Monash University, [Online]. https://otexts.com/fpp2/seasonal-subseries-plots.html.
  • [84] Spectral density estimation. [Online]. https://en.wikipedia.org/wiki/Spectral_density_estimation.
  • [85] Autocorrelation. [Online]. https://en.wikipedia.org/wiki/Autocorrelation.
  • [86] J.R. Hyndman, G. Athanasopoulos. (2018) Moving averages. [w:] Idem, Forecasting: Principles and Practice (2nd ed). Melbourne: Monash University, [Online]. https://otexts.com/fpp2/moving-averages.html.
  • [87] E.B. Dagum, S. Bianconcini. Seasonal adjustment methods and real time trend-cycle estimation. Cham: Springer International Publishing, 2016.
  • [88] J.R. Hyndman, G. Athanasopoulos. (2018) STL decomposition. [w:] Idem, Forecasting: Principles and Practice (2nd ed). Melbourne: Monash University, [Online]. https://otexts.com/fpp2/stl.html.
  • [89] R.B. Cleveland, W.S. Cleveland, J.E. McRae, I. Terpenning. STL: A seasonal trend decomposition procedure based on loess, Journal of Official Statistics Vol. 6, No. 1, ss. 3-73, 1990. [Online]. http://bit.ly/stl1990.
  • [90] I. Goodfellow, Y. Bengio, A. Courville. Deep Learning: Systemy uczące się. Warszawa: PWN, 2018.
  • [91] Support vector machine. [Online]. https://en.wikipedia.org/wiki/Support_vector_machine.
  • [92] Naive Bayes classifier. [Online]. https://en.wikipedia.org/wiki/Naive_Bayes_classifier.
  • [93] Analiza głównych składowych. [Online]. https://pl.wikipedia.org/wiki/Analiza_g%C5%82%C3%B3wnych_sk%C5%82adowych.
  • [94] Odkrywanie asocjacji. [Online]. https://wazniak.mimuw.edu.pl/images/d/dd/ED-4.2-m02-1.0.pdf.
  • [95] Metoda asocjacyjna. [Online]. https://pl.wikipedia.org/wiki/Metoda_asocjacyjna.
  • [96] Weighted majority algorithm (machine learning). [Online]. https://en.wikipedia.org/wiki/Weighted_majority_algorithm_(machine_learning).
  • [97] Ensemble learning. [Online]. https://en.wikipedia.org/wiki/Ensemble_learning.
  • [98] J. Grochowska. Miary dopasowania. [Online]. https://www.etrapez.pl/wpcontent/uploads/domowe/ke/Miary%20dopasowania.pdf.
  • [99] V. Yathish. Loss Functions and Their Use In Neural Networks. [Online]. https://towardsdatascience.com/loss-functions-and-their-use-in-neural-networks-a470e703f1e9.
  • [100] M. Bryant. The Analogy of System Optimization to Least Squares Regression. [Online]. http://www.adaptrade.com/BreakoutFutures/Newsletters/Newsletter0503.htm.
  • [101] M. Bryant. Strategy Quality Metrics Improve Out-of-Sample Results. [Online]. http://www.adaptrade.com/Newsletter/NL-QualityMetrics.htm.
  • [102] R. Tadeusiewicz, B. Leper, B. Borowik, T. Gąciarz. Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. Kraków: PAU, 2007.
  • [103] J. Robinson. From Basic Gates to Deep Neural Networks: The Definitive Perceptron Tutorial. [Online]. https://towardsdatascience.com/the-definitive-perceptron-guide-fd384eb93382#3a73.
  • [104] J. Kepner, V. Gadepally. Mathematics of Big Data and Machine Learning. [Online]. https://www.youtube.com/watch?v=t4K6lney7Zw.
  • [105] M. Grochowski. Sztuczne sieci neuronowe. [Online]. https://www.is.umk.pl/~grochu/wiki/lib/exe/fetch.php?media=zajecia:nn_2021_1:nn-wyklad.pdf.
  • [106] M. Flasiński. Wstęp do sztucznej inteligencji. Warszawa: PWN, 2011.
  • [107] E. Gately. Sieci neuronowe, prognozowanie finansowe i projektowanie systemów transakcyjnych. Warszawa: WIG-Press, 1999.
  • [108] J. Krutsinger. Systemy transakcyjne. Sekrety mistrzów. Warszawa: WIG-Press, 1998.
  • [109] S. Sharma. Activation Functions in Neural Networks. [Online]. https://towardsdatascience.com/activation-functions-neural-networks-1cbd9f8d91d6.
  • [110] Activation function. [Online]. https://en.wikipedia.org/wiki/Activation_function.
  • [111] P. Baheti. Activation Functions in Neural Networks. [Online]. https://www.v7labs.com/blog/neural-networks-activation-functions.
  • [112] J. Brownlee. How to Choose an Activation Function for Deep Learning. [Online]. https://machinelearningmastery.com/choose-an-activation-function-for-deep-learning/.
  • [113] Metody Heurystyczne - wykład 4. [Online]. http://www.imio.polsl.pl/Dopobrania/MH%20ME3%20wyklad%204%20do%20druku.pdf.
  • [114] F. van Veeen, S. Leijnen. The Neural Network ZOO. [Online]. https://www.asimovinstitute.org/neural-network-zoo/.
  • [115] A. Pacut. Sieci neuronowe. [Online]. http://zbum.ia.pw.edu.pl/PL/dydaktyka/SNR/PUBLIC/SNR-czI.pdf.
  • [116] K. Piczak. Klasyfikacja dźwięku za pomocą splotowych sieci neuronowych. Warszawa: Politechnika Warszawska, Wydz. Elektroniki i Technik Informacyjnych, 2018. [Online]. https://repo.pw.edu.pl/docstore/download/WUT54648a8a84d1476abf2a16173a0a9e2f/Rozprawa-doktorska_Karol-Piczak.pdf.
  • [117] K. Chandrakant. Reinforcement Learning with Neural Network. [Online]. https://www.baeldung.com/cs/reinforcement-learning-neural-network.
  • [118] S. Xiang. RGB GAF image: A possible solution to one weak point of Gramian Angular Field Imaging. [Online]. https://towardsdatascience.com/rgbgaf-image-a-possible-solution-to-one-weak-point-of-gramian-angular-field-imaging-ffc6b31edfbe.
  • [119] J. Faouzi. Data set of Gramian angular fields. [Online]. http://pyts.readthedocs.io/en/stable/auto_examples/image/plot_dataset_gaf.html.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-19df1264-5598-4324-a609-015c14f7be23
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.