The analysis of WIG20 stock index in R: a case study

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...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Математичне моделювання в економіці
Datum:2014
Hauptverfasser: Kotyra, B., Krajka, A.
Format: Artikel
Sprache:English
Veröffentlicht: Інститут телекомунікацій і глобального інформаційного простору НАН України 2014
Schlagworte:
Математичні та інформаційні моделі в економіці
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/131740
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren: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.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-131740
record_format dspace
spelling Kotyra, B.
Krajka, A.
2018-03-28T18:47:36Z
2018-03-28T18:47:36Z
2014
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
https://nasplib.isofts.kiev.ua/handle/123456789/131740
519.246.8
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.
en
Інститут телекомунікацій і глобального інформаційного простору НАН України
Математичне моделювання в економіці
Математичні та інформаційні моделі в економіці
The analysis of WIG20 stock index in R: a case study
Розгляд конкретного випадку аналізу фондового індексу WIG20
Разбор конкретного случая анализа фондового индекса WIG20
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title The analysis of WIG20 stock index in R: a case study
spellingShingle The analysis of WIG20 stock index in R: a case study
Kotyra, B.
Krajka, A.
Математичні та інформаційні моделі в економіці
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
author Kotyra, B.
Krajka, A.
author_facet Kotyra, B.
Krajka, A.
topic Математичні та інформаційні моделі в економіці
topic_facet Математичні та інформаційні моделі в економіці
publishDate 2014
language English
container_title Математичне моделювання в економіці
publisher Інститут телекомунікацій і глобального інформаційного простору НАН України
format Article
title_alt Розгляд конкретного випадку аналізу фондового індексу WIG20
Разбор конкретного случая анализа фондового индекса WIG20
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. 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.
issn 2409-8876
url https://nasplib.isofts.kiev.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.
work_keys_str_mv AT kotyrab theanalysisofwig20stockindexinracasestudy
AT krajkaa theanalysisofwig20stockindexinracasestudy
AT kotyrab rozglâdkonkretnogovipadkuanalízufondovogoíndeksuwig20
AT krajkaa rozglâdkonkretnogovipadkuanalízufondovogoíndeksuwig20
AT kotyrab razborkonkretnogoslučaâanalizafondovogoindeksawig20
AT krajkaa razborkonkretnogoslučaâanalizafondovogoindeksawig20
AT kotyrab analysisofwig20stockindexinracasestudy
AT krajkaa analysisofwig20stockindexinracasestudy
first_indexed 2025-12-07T15:30:12Z
last_indexed 2025-12-07T15:30:12Z
_version_ 1850863949765935104

Ähnliche Einträge