Wpływ filtracji cyfrowej na predykcję cen i zapasów miedzi

Abstract

Artykuł ten opisuje możliwości poprawienia predykcji notowań cen i zasobów miedzi przy użyciu filtracji cyfrowej. Stanowi ona etap wstępny, który eliminuje z sygnału losowego, jakim jest notowanie giełdowe, jego wyższe harmoniczne traktowane jako zakłócenia. Po analizie widmowej ciągu notowań giełdowych określono najwłaściwsze częstotliwości próbkowania i wybrano dwa najbardziej odpowiednie rodzaje filtrów cyfrowych. Dla tak przefiltrowanych sygnałów oraz dla notowań oryginalnych użyto metody predykcji GARCH. Jest ona szeroko stosowana w modelowaniu ekonometrycznym i finansowym, ze względu na dobre wyniki symulacji zachowań procesów heteroskedastycznych, jakimi są notowania giełdowe. Na końcu porównano błędy predykcji, uzyskując zadowalająco niskie ich wartości dla pierwszych 200 próbek sygnałów odfiltrowanych, które można porównać z błędem predykcji sygnału oryginalnego. This article describes improvement capabilities of copper exchange rates prediction using digital filtering. It is considered as a preliminary step which eliminates signal's upper harmonics treated as a random noise. Having finished copper stock exchange quotation's spectral analysis the most appropriate sampling frequencies and two best suitable digital filter types were chosen. Both original and filtered signals were used for exemplary prediction with GARCH method. This method is widely used in the econometric and financial modeling area because of its good results when dealing with heteroscedastic signals like exchange transactions. Finally prediction errors comparison took place. There are satisfactorily Iow errors for the first 200 data samples of filtered signals. They are comparable with prediction error obtained with original copper exchange rate time series.