Witold Orzeszko, Grzegorz Dudek, Michał Dominik Stasiak, Marcin Stawarz

Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania

Wysyłamy w ciągu 5 dni roboczych
ISBN:
978-83-231-4954-5
Rok wydania:
2022
Liczba stron:
127
Nr wydania:
pierwsze
Typ okładki:
miękka
Format:
148 x 210 mm
Wydawca:
Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika
eISBN:
978-83-231-4955-2
DOI:
https://doi.org/10.12775/978-83-231-4955-2

25,60 zł

miękka

Witold Orzeszko, Grzegorz Dudek, Michał Dominik Stasiak, Marcin Stawarz

Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania

Kategoria produktu:

Skuteczne prognozowanie procesów ekonomicznych i finansowych ma fundamentalne znaczenie dla uczestników i analityków życia gospodarczego. Jednocześnie jednak można wskazać wiele obszarów, w których wciąż brakuje narzędzi prognostycznych, dających wyniki o zadowalającej trafności. Z tego względu trwają nieustanne prace nad nowymi koncepcjami metodologicznymi oraz udoskonalaniem istniejących już narzędzi prognozowania. W ostatnich latach zauważono potencjał algorytmów uczenia maszynowego, czego wyrazem jest ich rosnąca popularność zarówno w środowisku naukowym, jak i wśród praktyków ze świata biznesu.

Monografia poświęcona jest zastosowaniu nowatorskich metod uczenia maszynowego do prognozowania finansowych i ekonomicznych szeregów czasowych. Przedstawia wybrane algorytmy predykcyjne, kładąc nacisk na ich możliwości aplikacyjne. Rezultaty zaprezentowanych w niniejszej monografii badań potwierdzają zalety uczenia maszynowego, w szczególności fakt, że omówione w niej algorytmy mogą być efektywnym narzędziem prognozowania ekonomicznych i finansowych szeregów czasowych.

Wstęp / 7

Rozdział 1
Prognozowanie szeregów czasowych ze złożoną sezonowością – model oparty na randomizowanej sieci neuronowej / 13

Rozdział 2
Prognozowanie stóp zwrotu indeksów giełdowych z wykorzystaniem modeli uczenia maszynowego / 43

Rozdział 3
Analiza zależności przyczynowych między stopami zmian indeksów giełdowych a wolumenami obrotów / 63

Rozdział 4
Budowa systemu handlu algorytmicznego na podstawie modelowania stanowego z uwzględnieniem analizy trendu / 87

Zakończenie / 113
Literatura / 115

Brak recenzji

Na razie nie ma recenzji dla książki. Możesz napisać własną!!!

Napisz recenzję

Napisz własną recenzję

Captcha
  • Witold Orzeszko

    Jest pracownikiem badawczo-dydaktycznym w Katedrze Zastosowań Informatyki i Matematyki w Ekonomii na Wydziale Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja Kopernika w Toruniu. Głównym obszarem jego działalności naukowej jest zastosowanie uczenia maszynowego w finansach. Uczestniczy jako wykonawca w grancie NCN pt. „Prognozowanie rynków finansowych z wykorzystaniem metod uczenia finansowego”. Prowadzi zajęcia m.in. z technologii informacyjnych, informatyki w zarządzaniu, wstępu do data science i uczenia maszynowego, narzędzi do prezentacji danych ekonomicznych i oprogramowania analiz biznesowych. Poza uczelnią zajmuje się także wdrażaniem rozwiązań Business Intelligence w przedsiębiorstwach oraz prowadzeniem szkoleń z zakresu analizy i wizualizacji danych.

  • Grzegorz Dudek

    Prof. PCz jest pracownikiem Katedry Automatyki, Elektrotechniki i Optoelektroniki na Wydziale Elektrycznym Politechniki Częstochowskiej. Jego zainteresowania naukowo-badawcze obejmują uczenie maszynowe, sztuczną inteligencję i eksplorację danych oraz ich zastosowania do problemów prognozowania, regresji i klasyfikacji. Autor dwóch książek dotyczących modeli prognostycznych opartych na uczeniu maszynowym oraz algorytmów ewolucyjnych do harmonogramowania pracy energetycznych jednostek wytwórczych. Opublikował ponad 100 artykułów i rozdziałów w materiałach konferencyjnych, m.in. w: IEEE Transactions on Evolutionary Computation, IEEE Transactions on Neural Networks and Learning Systems, Information Sciences, Neurocomputing, Expert Systems with Applications i Applied Soft Computing. Brał udział w siedmiu projektach naukowych finansowanych przez instytucje rządowe (KBN, MNiSW, NCN, NCBR), w tym w pięciu jako kierownik. Współpracuje z firmami energetycznymi w projektach z zakresu prognozowania, analizy i eksploracji danych. Zajął trzecie miejsce w międzynarodowym konkursie Global Energy Forecasting Competiton 2014 – price forecasting track.

  • Michał Dominik Stasiak

    Jest pracownikiem Katedry Inwestycji i Nieruchomości w Instytucie Zarządzania Uniwersytetu Ekonomicznego w Poznaniu. Ukończył studia na Politechnice Poznańskiej, tam też uzyskał stopień doktora nauk technicznych (2016). W 2018 roku obronił również rozprawę doktorską z zakresu ekonomii i finansów na Uniwersytecie Ekonomicznym w Poznaniu. Jego zainteresowania naukowe to modelowanie prognostyczno-decyzyjne kursów instrumentów finansowych (głównie kontraktów CFD) oraz projektowanie systemów handlu algorytmicznego. Autor lub współautor ponad 30 publikacji naukowych, w tym monografii, 16 rozdziałów monografii oraz 14 artykułów w czasopismach krajowych i zagranicznych. Rezultaty swoich badań prezentował na ponad 20 konferencjach polskich oraz międzynarodowych; jego referaty cztery razy zostały wyróżnione. W okresie 2016–2019 sekretarz sekcji badań operacyjnych Komitetu Statystyki i Ekonometrii Polskiej Akademii Nauk. Członek m.in. American Finance Association (AFA) oraz Polskiego Towarzystwa Matematycznego (PTM).

  • Marcin Stawarz

    Jest pracownikiem badawczo-dydaktycznym w Katedrze Zastosowań Informatyki i Matematyki w Ekonomii na Wydziale Nauk Ekonomicznych i Zarządzania Uniwersytetu Mikołaja Kopernika w Toruniu. Głównym obszarem jego działalności naukowej jest zastosowanie uczenia maszynowego w finansach. Uczestniczy jako wykonawca w grancie NCN pt. „Prognozowanie rynków finansowych z wykorzystaniem metod uczenia finansowego”. Prowadzi zajęcia m.in. z technologii informacyjnych, informatyki w zarządzaniu, wstępu do data science i uczenia maszynowego, narzędzi do prezentacji danych ekonomicznych i oprogramowania analiz biznesowych. Poza uczelnią zajmuje się także wdrażaniem rozwiązań Business Intelligence w przedsiębiorstwach oraz prowadzeniem szkoleń z zakresu analizy i wizualizacji danych.

Newsletter

Jeśli są Państwo zainteresowani otrzymywaniem aktualnych informacji z Wydawnictwa Naukowego UMK, prosimy o zapisanie się do listy odbiorców naszego newslettera.

Dodano do koszyka:

Lorem ipsum