Referat będzie poświęcony praktycznemu podejściu do prognozowania sprzedaży i zakupów surowców do przerobu i wykorzystanie modeli prognostycznych nie tylko do prognozowania, ale również, (co równie cenne w praktyce) do diagnozowania sytuacji na rynku i w otoczeniu konkurencyjnym. W tle pojawią się budowanie ekspozycji na ryzyko i miary typu VaR lub CFaR.
Data mining w prognozowaniu zapotrzebowania na nośniki energii
dr hab. Andrzej Sokołowski i Agnieszka Pasztyła, StatSoft Polska, AE Kraków
dr hab. Andrzej Sokołowski i Agnieszka Pasztyła, StatSoft Polska, AE Kraków
Metody prognozowania zjawisk klasyfikowane są z różnych punktów widzenia. Możemy prognozować wartość jednej zmiennej lub stan obiektu wielowymiarowego. W tym drugim przypadku prognoza może powstać z połączenia prognoz jednowymiarowych, lub być osiągnięta z modelu wielorównaniowego opisującego "jednocześnie" kształtowanie się wielu zmiennych i relacji między nimi. Celem tego opracowania jest przedstawienie wykorzystania metody do prognozowania zmiennych związanych z energetyką, nie wymagającej wnikania w związki pomiędzy zmiennymi. Pokażemy tu wykorzystanie zarówno typowych zmiennych "czasowych" jak i zmiennych o charakterze czynników kształtujących zmienną prognozowaną.
Artykuł przedstawia nowe spojrzenie na zastosowanie analizy korelacji w praktyce inwestowania długoterminowego. Metoda składowych głównych i składowych niezależnych zostały zastosowane w celu wyodrębnienia czynników, które jednocześnie kształtują stopy zwrotu wybranych grup spółek. Analiza ta może być wykorzystana do tworzenia portfeli inwestycyjnych, w celu minimalizacji ryzyka, a także do prognozowania stóp zwrotu portfeli i spółek bez konieczności estymacji rozkładu zmiennych.