Wyniki wyszukiwania - Biblioteka Nauki

1

Prognozowanie popytu na usługi transportu intermodalnego

100%

Mitkow S. , Borucka A.

|

2018

|

tom nr 6

26--34

PL

Celem artykułu było opracowanie modelu prognozowania popytu na usługi transportowe operatora intermodalnego. Na podstawie udostępnionych danych, dotyczących liczby eksportowanych kontenerów, przedstawiono proces opisania zjawiska na podstawie jego przeszłych obserwacji, a także jego ewolucji w przyszłości. Zaproponowano dwa modele: regresji oraz ARIMA. Dla każdego z nich dokonano predykcji przyszłych obserwacji. Otrzymane wartości prognoz porównano i na tej podstawie wybrano model opisujący lepiej badane zjawisko, tzn. dający mniejszy błąd prognozy.

EN

In the article it was presented a model of demand forecast for intermodal operator transport services. Based on the shared data on the number of exported containers is presented the process of describing the observable occurrence on its past observations, as well as its evolution in the future. Two models were proposed: Regression and ARIMA. For each of them, was made a prediction of future observations. The received values for the predictions were compared and a model describing a better tested observable occurrence was chosen, i.e. that gives a smaller forecast error.

2

Model regresji grzbietowej i jego wykorzystanie do oceny ryzyka inwestycyjnego - przypadek rynku metali

100%

Krężołek D.

|

tom 288

21-32

PL

Modele regresji są powszechnie wykorzystywanymi narzędziami statystyki, a także innych nauk ilościowych, służącymi do wykrywania związków w obrębie analizowanych danych oraz do prowadzenia predykcji wielkości zestawu zmiennych objaśnianych na podstawie realizacji zestawu zmiennych objaśniających. Istnieje wiele metod umożliwiających szacowanie nieznanych parametrów modeli regresji, m.in. MNK, MNW, MM, jednakże nie zawsze uzyskane estymatory spełniają wymagane założenia (co do swoich własności oraz co do własności modelu). Istotny stopień współliniowości uniemożliwia właściwe wnioskowanie na podstawie modeli klasycznych. W artykule podjęto próbę wykorzystania regresji grzbietowej do modelowania ryzyka inwestycji na rynku metali. Model wykorzystuje parametr kary, umożliwiający redukcję zmiennych współliniowych, a tym samym uzyskanie prostszej postaci funkcji regresji. Dodatkowo zmniejsza się obciążenie oraz wariancja estymatorów parametrów modelu.

EN

Regression models are commonly used statistical tool (and other quantitative sciences), which allows for modelling relations within analyzed datasets. One of their most important features is the prediction property. In the literature there are a lot of methods for estimating unknown parameters of regression models, e.g. Maximum Likelihood, Ordinary Least Squares etc., but estimated parameters not always meet the required assumptions (regarding their properties itself and the properties of selected model). Colinearity between data prevents from correct inferring using classical models. The aim of the article is the application of ridge regression model in risk assessment on the metals market. The model uses so-called penalty parameter allowing for elimination of co-linear variables and makes the model more simpler. Additionally, the bias of the estimators and their variances reduce.

3

Prognozowanie popytu na usługi transportu intermodalnego

100%

Mitkow S. , Borucka A.

|

nr 6

26-34

EN

In the article it was presented a model of demand forecast for intermodal operator transport services. Based on the shared data on the number of exported containers is presented the process of describing the observable occurrence on its past observations, as well as its evolution in the future. Two models were proposed: Regression and ARIMA. For each of them, was made a prediction of future observations. The received values for the predictions were compared and a model describing a better tested observable occurrence was chosen, i.e. that gives a smaller forecast error.

PL

Celem artykułu było opracowanie modelu prognozowania popytu na usługi transportowe operatora intermodalnego. Na podstawie udostępnionych danych, dotyczących liczby eksportowanych kontenerów, przedstawiono proces opisania zjawiska na podstawie jego przeszłych obserwacji, a także jego ewolucji w przyszłości. Zaproponowano dwa modele: regresji oraz ARIMA. Dla każdego z nich dokonano predykcji przyszłych obserwacji. Otrzymane wartości prognoz porównano i na tej podstawie wybrano model opisujący lepiej badane zjawisko, tzn. dający mniejszy błąd prognozy.