Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: factors’ method

Sortuj według:

Ogranicz wyniki do:

Prognozowanie udziału należności terminowych dla przykładowej kopalni odkrywkowej surowców skalnych za pomocą wybranych metod szeregów czasowych

Trzaskuś-Żak B.

Przegląd Górniczy

2012

T. 68, nr 9

175--179

W artykule została przeprowadzona analiza polegająca na skonstruowaniu modeli prognostycznych dla udziału procentowego należności terminowych w kopalni odkrywkowej skalnych surowców drogowych „X”. Analizowane dane występują w postaci szeregu czasowego złożonego z 72 miesięcy rzeczywistych wartości należności spłacanych terminowo. W niniejszym artykule oszacowane i zweryfikowane zostały dwa modele prognostyczne; pierwszy z nich w oparciu o metodę wskaźników, drugi z nich to model autoregresyjny. Sporządzono również średnią prognozę na podstawie dwóch otrzymanych modeli. Obliczono, średni kwadratowy błąd prognoz ex post-MSE (mean squared error), a następnie jego pierwiastek, czyli RMSE (root mean square error), jak również średni absolutny błąd procentowy ex post-MAPE (mean absolute percentage error) dla wyznaczonych prognoz w dwóch skonstruowanych modelach prognostycznych.

In the article has been performed an analysis consisting in the construction of prognostic models for the percentage share of paid-in-term receivables in an opencast road rock raw materials mine “X”. The analyzed data occur in the form of time series composed of 72 months of real values of paid-in-term receivables. In this article there are presented stages of development and verification of forecasting models based on two methods: a factors’ method and an autoregressive model. Besides that, an average forecast was also prepared on the basis of the two obtained models. Furthermore, an ex post mean squared forecast error (ex post-MSE) was calculated and then its root, that is RMSE (root mean square error) as well as ex post-MAPE ( mean absolute percentage error) for the established forecast.