Projekty finansowane przez NCN

Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Prognozowanie rynków finansowych z wykorzystaniem metod uczenia maszynowego

2019/35/B/HS4/00642

Słowa kluczowe:

uczenia maszynowe rynki finansowe prognozowanie hipoteza rynku efektywnego modele zmienności

Deskryptory:

  • HS4_3: Ekonometria i metody statystyczne

Panel:

HS4 - Jednostka, instytucje, rynki: ekonomia, finanse, zarządzanie, demografia

Jednostka realizująca:

Uniwersytet Mikołaja Kopernika w Toruniu, Wydział Nauk Ekonomicznych i Zarządzania

woj.

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr hab. Witold Tadeusz Orzeszko 

Liczba wykonawców projektu: 5

Konkurs: OPUS 18 - ogłoszony 2019-09-16

Przyznana kwota: 346 800 PLN

Rozpoczęcie projektu: 2020-11-01

Zakończenie projektu: 2025-11-23

Planowany czas trwania projektu: 60 miesięcy (z wniosku)

Status projektu: Projekt w realizacji

Opis Projektu

Pobierz opis projektu w formacie .pdf

Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.

Dane z raportu końcowego/rocznego

  • Publikacje w czasopismach (25)
  • Publikacje książkowe (3)
  1. Artificial intelligence and customers' intention to use robo-advisory in banking services
    Autorzy:
    Piotrowski D., Orzeszko W.
    Czasopismo:
    Equilibrium. Quarterly Journal of Economics and Economic Policy (rok: 2023, tom: 18, strony: 967-1007), Wydawca: Instytut Badań Gospodarczych / Institute of Economic Research (Poland)
    Status:
    Opublikowana
    Doi:
    10.24136/eq.2023.031 - link do publikacji
  2. Machine Learning in Cartel Screening—The Case of Parallel Pricing in a Fuel Wholesale Market
    Autorzy:
    Bejger S.
    Czasopismo:
    Energies (rok: 2024, tom: 17, strony: 45674), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en17164184 - link do publikacji
  3. Forecasting volatility of energy commodities: comparison of GARCH models with support vector regression
    Autorzy:
    Fałdziński M., Fiszeder P., Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14010006 - link do publikacji
  4. Forecasting cryptocurrencies volatility using statistical and machine learning methods: a comparative study
    Autorzy:
    Dudek G., Fiszeder P., Kobus P., Orzeszko W.
    Czasopismo:
    Applied Soft Computing (rok: 2024, tom: 151, strony: 45678), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.asoc.2023.111132 - link do publikacji
  5. Nonlinear Causality between Crude Oil Prices and Exchange Rates: Evidence and Forecasting
    Autorzy:
    Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14196043 - link do publikacji
  6. Forecasting currency covariances using machine learning tree-based algorithms with low and high prices
    Autorzy:
    Bejger S., Fiszeder P.
    Czasopismo:
    Przegląd Statystyczny. Statistical Review (rok: 2021, tom: 68, strony: 45672), Wydawca: The Statistics Poland (Główny Urząd Statystyczny)
    Status:
    Opublikowana
    Doi:
    10.5604/01.3001.0015.5582 - link do publikacji
  7. Artificial intelligence and customers' intention to use robo-advisory in banking services
    Autorzy:
    Piotrowski D., Orzeszko W.
    Czasopismo:
    Equilibrium. Quarterly Journal of Economics and Economic Policy (rok: 2023, tom: 18, strony: 967-1007), Wydawca: Instytut Badań Gospodarczych / Institute of Economic Research (Poland)
    Status:
    Opublikowana
    Doi:
    10.24136/eq.2023.031 - link do publikacji
  8. COVID-19 pandemic and stability of stock market: a sectoral approach
    Autorzy:
    Buszko M., Orzeszko W., Stawarz M.
    Czasopismo:
    PLoS One (rok: 2021, tom: 16, strony: ), Wydawca: PLOS
    Status:
    Opublikowana
    Doi:
    10.1371/journal.pone.0250938 - link do publikacji
  9. Forecasting currency covariances using machine learning tree-based algorithms with low and high prices
    Autorzy:
    Bejger S., Fiszeder P.
    Czasopismo:
    Przegląd Statystyczny. Statistical Review (rok: 2021, tom: 68, strony: 45672), Wydawca: The Statistics Poland (Główny Urząd Statystyczny)
    Status:
    Opublikowana
    Doi:
    10.5604/01.3001.0015.5582 - link do publikacji
  10. Forecasting volatility of energy commodities: comparison of GARCH models with support vector regression
    Autorzy:
    Fałdziński M., Fiszeder P., Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14010006 - link do publikacji
  11. COVID-19 pandemic and stability of stock market: a sectoral approach
    Autorzy:
    Buszko M., Orzeszko W., Stawarz M.
    Czasopismo:
    PLoS One (rok: 2021, tom: 16, strony: ), Wydawca: PLOS
    Status:
    Opublikowana
    Doi:
    10.1371/journal.pone.0250938 - link do publikacji
  12. Prediction of robo-advisory acceptance in banking services using tree-based algorithms
    Autorzy:
    Orzeszko W., Piotrowski D.
    Czasopismo:
    PLoS One (rok: 2024, tom: 19, strony: 45672), Wydawca: PLOS
    Status:
    Opublikowana
    Doi:
    10.1371/journal.pone.0302359 - link do publikacji
  13. Forecasting volatility of energy commodities: comparison of GARCH models with support vector regression
    Autorzy:
    Fałdziński M., Fiszeder P., Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14010006 - link do publikacji
  14. Forecasting currency covariances using machine learning tree-based algorithms with low and high prices
    Autorzy:
    Bejger S., Fiszeder P.
    Czasopismo:
    Przegląd Statystyczny. Statistical Review (rok: 2021, tom: 68, strony: 45672), Wydawca: The Statistics Poland (Główny Urząd Statystyczny)
    Status:
    Opublikowana
    Doi:
    10.5604/01.3001.0015.5582 - link do publikacji
  15. Nonlinear Causality between Crude Oil Prices and Exchange Rates: Evidence and Forecasting
    Autorzy:
    Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14196043 - link do publikacji
  16. Forecasting currency covariances using machine learning tree-based algorithms with low and high prices
    Autorzy:
    Bejger S., Fiszeder P.
    Czasopismo:
    Przegląd Statystyczny. Statistical Review (rok: 2021, tom: 68, strony: 45672), Wydawca: The Statistics Poland (Główny Urząd Statystyczny)
    Status:
    Opublikowana
    Doi:
    10.5604/01.3001.0015.5582 - link do publikacji
  17. Determinants of adoption of robo-advisory in banking services
    Autorzy:
    Piotrowski D., Orzeszko W.
    Czasopismo:
    Technological Forecasting and Social Change
    Status:
    Złożona
  18. Nonlinear Causality between Crude Oil Prices and Exchange Rates: Evidence and Forecasting
    Autorzy:
    Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14196043 - link do publikacji
  19. COVID-19 pandemic and stability of stock market: a sectoral approach
    Autorzy:
    Buszko M., Orzeszko W., Stawarz M.
    Czasopismo:
    PLoS One (rok: 2021, tom: 16, strony: ), Wydawca: PLOS
    Status:
    Opublikowana
    Doi:
    10.1371/journal.pone.0250938 - link do publikacji
  20. Determinants of adoption of robo-advisory in banking services
    Autorzy:
    Piotrowski D., Orzeszko W.
    Czasopismo:
    Technological Forecasting and Social Change
    Status:
    Złożona
  21. Forecasting volatility of energy commodities: comparison of GARCH models with support vector regression
    Autorzy:
    Fałdziński M., Fiszeder P., Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14010006 - link do publikacji
  22. Nonlinear Causality between Crude Oil Prices and Exchange Rates: Evidence and Forecasting
    Autorzy:
    Orzeszko W.
    Czasopismo:
    Energies (rok: 2021, tom: 14, strony: ), Wydawca: MDPI
    Status:
    Opublikowana
    Doi:
    10.3390/en14196043 - link do publikacji
  23. Forecasting cryptocurrencies volatility using statistical and machine learning methods: a comparative study
    Autorzy:
    Dudek G., Fiszeder P., Kobus P., Orzeszko W.
    Czasopismo:
    Applied Soft Computing (rok: 2024, tom: 151, strony: 45678), Wydawca: Elsevier
    Status:
    Opublikowana
    Doi:
    10.1016/j.asoc.2023.111132 - link do publikacji
  24. Determinants of adoption of robo-advisory in banking services
    Autorzy:
    Piotrowski D., Orzeszko W.
    Czasopismo:
    Technological Forecasting and Social Change
    Status:
    Złożona
  25. COVID-19 pandemic and stability of stock market: a sectoral approach
    Autorzy:
    Buszko M., Orzeszko W., Stawarz M.
    Czasopismo:
    PLoS One (rok: 2021, tom: 16, strony: ), Wydawca: PLOS
    Status:
    Opublikowana
    Doi:
    10.1371/journal.pone.0250938 - link do publikacji
  1. Autorzy:
    Orzeszko W., Dudek G., Stasiak M.D., Stawarz M.
    Książka:
    Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania. (rok: 2022, ), Wydawca: Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika
    Status:
    Opublikowana
    Doi:
    10.12775/978-83-231-4955-2 - link do publikacji
  2. Autorzy:
    Orzeszko W., Dudek G., Stasiak M.D., Stawarz M.
    Książka:
    Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania. (rok: 2022, ), Wydawca: Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika
    Status:
    Opublikowana
    Doi:
    10.12775/978-83-231-4955-2 - link do publikacji
  3. Autorzy:
    Orzeszko W., Dudek G., Stasiak M.D., Stawarz M.
    Książka:
    Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania. (rok: 2022, ), Wydawca: Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika
    Status:
    Opublikowana
    Doi:
    10.12775/978-83-231-4955-2 - link do publikacji

O Narodowym Centrum Nauki

Finansowanie nauki

Współpraca zagraniczna

Centrum prasowe

Deklaracja dostępności
Przetwarzanie danych osobowych
Polityka cookies

Partnerzy