VRBKA, Jaromír, Petr ŠULEŘ, Veronika MACHOVÁ a Jakub HORÁK. Considering seasonal fluctuations in equalizing time series by means of artificial neural networks for predicting development of USA and People ́s Republic of China trade balance. Littera Scripta. České Budějovice: The Institute of Technology and Business in České Budějovice, roč. 12, č. 2, s. 178-193. ISSN 1805-9112. doi:10.36708/Littera_Scripta2019/2/0. 2019.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Considering seasonal fluctuations in equalizing time series by means of artificial neural networks for predicting development of USA and People ́s Republic of China trade balance
Název česky Zohlednění sezónních výkyvů ve vyrovnávání časových řad pomocí umělých neuronových sítí pro předpovídání vývoje obchodní bilance USA a Čínské lidové republiky
Autoři VRBKA, Jaromír, Petr ŠULEŘ, Veronika MACHOVÁ a Jakub HORÁK.
Vydání Littera Scripta, České Budějovice, The Institute of Technology and Business in České Budějovice, 2019, 1805-9112.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 50200 5.2 Economics and Business
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Organizační jednotka Vysoká škola technická a ekonomická v Českých Budějovicích
Doi http://dx.doi.org/10.36708/Littera_Scripta2019/2/0
Klíčová slova česky časové řady; umělé neuronové sítě; obchodní bilance; sezónní výkyvy; další kategoriální proměnná; predikce
Klíčová slova anglicky time series; artificial neural networks; trade balance; seasonal fluctuations; additional categorical variable; prediction
Štítky ERIH, FKT
Změnil Změnila: Ing. Anna Palokha, učo 18083. Změněno: 20. 1. 2020 09:18.
Anotace
The aim of the contribution is to propose a methodology for taking into account the seasonal fluctuations in equalizing time series by means of artificial neural networks on the example of the USA and People´s Republic of China trade balance. Regression by means of neural structures is carried out in two alternatives, where the second calculation takes into account the monthly seasonality of the time series. The result indicates that the additional variable in the form of the month in which the value was measured enables more order and accuracy.
Anotace česky
Cílem tohoto příspěvku je proto navrhnout metodiku zohlednění sezónních výkyvů při vyrovnání časových řad pomocí umělých neuronových sítí na příkladu obchodní bilance USA a Čínské lidové republiky. Provedena je regrese pomocí neuronových struktur, a to ve dvou rozměrech, kdy druhý výpočet bere v úvahu měsíční sezónnost časové řady. Výsledek naznačuje, že dodatečná proměnná v podobě měsíce měření hodnoty vnáší do vyrovnání časových řad větší řád a přesnost.
VytisknoutZobrazeno: 29. 3. 2024 00:16