The analysis of WIG20 stock index in R: a case study
In this short note we would like to show the basic methods of analyzing time series. This methods leads us to the different models of time series (decomposition, ARIMA, Fourier techniques, exponentially smoothing and GARCH). The correctness of the models obtained may be verified by behavior of resid...
Збережено в:
Видавець: | Інститут телекомунікацій і глобального інформаційного простору НАН України |
---|---|
Дата: | 2014 |
Автори: | , |
Формат: | Стаття |
Мова: | English |
Опубліковано: |
Інститут телекомунікацій і глобального інформаційного простору НАН України
2014
|
Назва видання: | Математичне моделювання в економіці |
Теми: | |
Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/131740 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Цитувати: | The analysis of WIG20 stock index in R: a case study / B. Kotyra, A. Krajka // Математичне моделювання в економіці. — 2014. — № 1. — С. 49-62. — Бібліогр.: 17 назв. — англ. |
Репозиторії
Digital Library of Periodicals of National Academy of Sciences of Ukraineid |
irk-123456789-131740 |
---|---|
record_format |
dspace |
spelling |
irk-123456789-1317402018-03-29T03:02:51Z The analysis of WIG20 stock index in R: a case study Kotyra, B. Krajka, A. Математичні та інформаційні моделі в економіці In this short note we would like to show the basic methods of analyzing time series. This methods leads us to the different models of time series (decomposition, ARIMA, Fourier techniques, exponentially smoothing and GARCH). The correctness of the models obtained may be verified by behavior of residuals (small variance, stationary, uncorrelated, normally distributes) or by verifying the predictions. This second method not will be discussed here. We omit the lot of data mining methods, which may be applied to the stock index time series, such as neural networks and genetic algorithms. У представленій роботі коротко наведені методи аналізу часових рядів. Ці методи дозволяють розробити різноманітні моделі часових рядів (розкладання, ARIMA, метод Фур’є, експонентне згладжування та GARCH). Точність отриманих моделей можна перевірити за допомогою нев’язок (невеликі відхилення, стаціонарні, корелювання та некорелювання) або шляхом верифікації прогнозів (це не представлене у даному дописі). Також не розглядаються багато методів інтелектуального аналізу даних, які можуть бути застосовані до фондового індексу часових рядів, наприклад, нейронні мережі та генетичні алгоритми. В данной работе коротко представлены методы анализа временных рядов. Эти методы позволяют разработать различные модели временных рядов (разложение, ARIMA, метод Фурье, сглаживание по экспоненте и GARCH). Точность полученных моделей можно проверить с помощью невязок (небольшие отклонения, стационарные, коррелированные и некоррелированные) или путем верификации прогнозов (что не будет здесь представлено). Мы опускаем также множество методов интеллектуального анализа данных, которые могут быть применены к фондовому индексу временных рядов, такие как нейронные сети и генетические алгоритмы. 2014 Article The analysis of WIG20 stock index in R: a case study / B. Kotyra, A. Krajka // Математичне моделювання в економіці. — 2014. — № 1. — С. 49-62. — Бібліогр.: 17 назв. — англ. 2409-8876 http://dspace.nbuv.gov.ua/handle/123456789/131740 519.246.8 en Математичне моделювання в економіці Інститут телекомунікацій і глобального інформаційного простору НАН України |
institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
collection |
DSpace DC |
language |
English |
topic |
Математичні та інформаційні моделі в економіці Математичні та інформаційні моделі в економіці |
spellingShingle |
Математичні та інформаційні моделі в економіці Математичні та інформаційні моделі в економіці Kotyra, B. Krajka, A. The analysis of WIG20 stock index in R: a case study Математичне моделювання в економіці |
description |
In this short note we would like to show the basic methods of analyzing time series. This methods leads us to the different models of time series (decomposition, ARIMA, Fourier techniques, exponentially smoothing and GARCH). The correctness of the models obtained may be verified by behavior of residuals (small variance, stationary, uncorrelated, normally distributes) or by verifying the predictions. This second method not will be discussed here. We omit the lot of data mining methods, which may be applied to the stock index time series, such as neural networks and genetic algorithms. |
format |
Article |
author |
Kotyra, B. Krajka, A. |
author_facet |
Kotyra, B. Krajka, A. |
author_sort |
Kotyra, B. |
title |
The analysis of WIG20 stock index in R: a case study |
title_short |
The analysis of WIG20 stock index in R: a case study |
title_full |
The analysis of WIG20 stock index in R: a case study |
title_fullStr |
The analysis of WIG20 stock index in R: a case study |
title_full_unstemmed |
The analysis of WIG20 stock index in R: a case study |
title_sort |
analysis of wig20 stock index in r: a case study |
publisher |
Інститут телекомунікацій і глобального інформаційного простору НАН України |
publishDate |
2014 |
topic_facet |
Математичні та інформаційні моделі в економіці |
url |
http://dspace.nbuv.gov.ua/handle/123456789/131740 |
citation_txt |
The analysis of WIG20 stock index in R: a case study / B. Kotyra, A. Krajka // Математичне моделювання в економіці. — 2014. — № 1. — С. 49-62. — Бібліогр.: 17 назв. — англ. |
series |
Математичне моделювання в економіці |
work_keys_str_mv |
AT kotyrab theanalysisofwig20stockindexinracasestudy AT krajkaa theanalysisofwig20stockindexinracasestudy AT kotyrab analysisofwig20stockindexinracasestudy AT krajkaa analysisofwig20stockindexinracasestudy |
first_indexed |
2023-10-18T21:02:52Z |
last_indexed |
2023-10-18T21:02:52Z |
_version_ |
1796151785557065728 |