| Título : |
Predictive Econometrics and Big Data |
| Tipo de documento: |
documento electrónico |
| Autores: |
Kreinovich, Vladik, ; Sriboonchitta, Songsak, ; Chakpitak, Nopasit, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2018 |
| Número de páginas: |
XII, 780 p. 146 ilustraciones |
| ISBN/ISSN/DL: |
978-3-319-70942-0 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Inteligencia Computacional Inteligencia artificial Econometría |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro presenta investigaciones recientes sobre econometría predictiva y big data. Reuniendo artículos editados presentados en la 11.ª Conferencia Internacional de la Sociedad Econométrica de Tailandia (TES2018), celebrada en Chiang Mai, Tailandia, del 10 al 12 de enero de 2018, se centra principalmente en las técnicas predictivas, que apuntan directamente a predecir fenómenos económicos; y técnicas de big data, que nos permiten manejar las enormes cantidades de datos generados por las computadoras modernas en un tiempo razonable. El libro también analiza las aplicaciones de técnicas estadísticas más tradicionales a problemas econométricos. La econometría es una rama de la economía que emplea métodos matemáticos (especialmente estadísticos) para analizar sistemas económicos, pronosticar dinámicas económicas y financieras y desarrollar estrategias para lograr el desempeño económico deseable. Por tanto, es importante desarrollar técnicas de procesamiento de datos que se centren explícitamente en la predicción. Cuantos más datos tengamos, mejores serán nuestras predicciones. Como tales, estas técnicas son esenciales para nuestra capacidad de procesar enormes cantidades de datos disponibles. |
| Nota de contenido: |
Data in the 21st Century -- The Understanding of Dependent Structure and Co-Movement of World Stock Exchanges Under the Economic Cycle -- Macro-Econometric Forecasting for During Periods of Economic Cycle Using Bayesian Extreme Value Optimization Algorithm -- Generalize Weighted in Interval Data for Fitting a Vector Autoregressive Model -- Asymmetric Effect with Quantile Regression for Interval-valued Variables -- Emissions, Trade Openness, Urbanisation, and Income in Thailand: An Empirical Analysis -- Does Forecasting Benefit from Mixed-Frequency Data Sampling Model: The Evidence from Forecasting GDP Growth Using Financial Factor in Thailand -- How Better Are Predictive Models: Analysis on the Practically Important Example of Robust Interval Uncertainty. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Predictive Econometrics and Big Data [documento electrónico] / Kreinovich, Vladik, ; Sriboonchitta, Songsak, ; Chakpitak, Nopasit, . - 1 ed. . - [s.l.] : Springer, 2018 . - XII, 780 p. 146 ilustraciones. ISBN : 978-3-319-70942-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Inteligencia Computacional Inteligencia artificial Econometría |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro presenta investigaciones recientes sobre econometría predictiva y big data. Reuniendo artículos editados presentados en la 11.ª Conferencia Internacional de la Sociedad Econométrica de Tailandia (TES2018), celebrada en Chiang Mai, Tailandia, del 10 al 12 de enero de 2018, se centra principalmente en las técnicas predictivas, que apuntan directamente a predecir fenómenos económicos; y técnicas de big data, que nos permiten manejar las enormes cantidades de datos generados por las computadoras modernas en un tiempo razonable. El libro también analiza las aplicaciones de técnicas estadísticas más tradicionales a problemas econométricos. La econometría es una rama de la economía que emplea métodos matemáticos (especialmente estadísticos) para analizar sistemas económicos, pronosticar dinámicas económicas y financieras y desarrollar estrategias para lograr el desempeño económico deseable. Por tanto, es importante desarrollar técnicas de procesamiento de datos que se centren explícitamente en la predicción. Cuantos más datos tengamos, mejores serán nuestras predicciones. Como tales, estas técnicas son esenciales para nuestra capacidad de procesar enormes cantidades de datos disponibles. |
| Nota de contenido: |
Data in the 21st Century -- The Understanding of Dependent Structure and Co-Movement of World Stock Exchanges Under the Economic Cycle -- Macro-Econometric Forecasting for During Periods of Economic Cycle Using Bayesian Extreme Value Optimization Algorithm -- Generalize Weighted in Interval Data for Fitting a Vector Autoregressive Model -- Asymmetric Effect with Quantile Regression for Interval-valued Variables -- Emissions, Trade Openness, Urbanisation, and Income in Thailand: An Empirical Analysis -- Does Forecasting Benefit from Mixed-Frequency Data Sampling Model: The Evidence from Forecasting GDP Growth Using Financial Factor in Thailand -- How Better Are Predictive Models: Analysis on the Practically Important Example of Robust Interval Uncertainty. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaPredictive Econometrics and Big Data / Kreinovich, Vladik ; Sriboonchitta, Songsak ; Chakpitak, Nopasit
