Original title:
Predikce chaotických časových řad
Translated title:
Chaotic time-series prediction
Authors:
Dědič, Martin ; Tichý, Vladimír (advisor) ; Smrčka, Pavel (referee) Document type: Master’s theses
Year:
2009
Language:
cze Publisher:
Vysoká škola ekonomická v Praze Abstract:
[cze][eng] Práce se zabývá možností predikce chaotických (zejména pak ekonomických) časových řad. Chaotické řady jsou díky vysoké závislosti na počátečních podmínkách z principu dlouhodobě nepredikovatelné. V některých případech však lze jejich chování více, či méně předpovídat alespoň krátkodobě. Cílem práce je ukázat, na kolik a zda vůbec lze vývoj těchto řad předvídat pomocí nelineárních metod a pokusit se případně odhalit či zamítnout přítomnost chaotického chování v nich. Práce je rozdělena do tří částí. V první části jsou krátce vysvětleny vybrané důležité pojmy a metody z dané oblasti. Kromě popisu některých metod predikce je zde nastíněno, které ukazatele a metody lze využít pro zjištění možností a omezení predikce. Druhá kapitola se soustředí na návrh úprav počítačového programu FracLab, který bude k predikci využit. Poslední, třetí kapitola je experimentální. Kromě popisu jednotlivých řad a postupů obsahuje diskuzi výsledků provedených predikcí na těchto časových řadách.This thesis focuses on possibility of chaotic (specially economic) time-series prediction. Chaotic time-series are unpredictable in long-term due to their high sensitivity on initial conditions. Nevertheless, their behavior should be more or less predictable in short-term. Goal of this thesis is to show, how much and if any prediction, is possible by non-linear prediction method, and try to reveal or to reject presence of chaotic behavior in them. Work is split into three chapters. Chapter One briefly introduces chosen important concepts and methods from this area. In addition, to describe some prediction methods, there are outlined which indicators and methods are possible to use in order to find possibilities and boundaries of this prediction. Chapter Two is focused on modifications of FracLab software, which is used for create this prediction. Last chapter is experimental. Besides the description of examined time-series and methods, it includes discussion of results.
Keywords:
Chaotic time-series; Correlation dimension; Correlation integral; Maximal Lyapunov exponent; Monte-Carlo Method; Mutual Information; Prediction; Redundancy; Chaotické časové řady; Korelační dimenze; Korelační integrál; Metoda Monte Carlo; Největší Ljapunovův exponent; Predikce; Redundance; Vzájemná informace
Institution: University of Economics, Prague
(web)
Document availability information: Available in the digital repository of the University of Economics, Prague. Original record: http://www.vse.cz/vskp/eid/23188