Metody Ilościowe w Badaniach Ekonomicznych
https://qme.sggw.edu.pl/
<p>Publikacja Metody Ilościowe w Badaniach Ekonomicznych (Quantitative Methods in Economics) wydawana jest przez Katedrę Ekonometrii i Statystyki SGGW w Warszawie od 2001 r. Początkowo Metody Ilościowe w Badaniach Ekonomicznych ukazywały się jako monografia. Od 2011 r. Quantitative Methods in Economics (Metody Ilościowe w Badaniach Ekonomicznych) jest czasopismem. Czasopismo jest dostępne w wersji drukowanej (jako wersji pierwotnej, nr ISSN 2082-792X) oraz w wersji elektronicznej (e-ISSN 2543-8565). (więcej)</p>Szkoła Główna Gospodarstwa Wiejskiego w Warszawiepl-PLMetody Ilościowe w Badaniach Ekonomicznych2082-792X<p>Publikowane artykuły dostępne są na warunkach Open Access na zasadach licencji <a class="mp2" href="http://creativecommons.pl/poznaj-licencje-creative-commons/" target="blank">Creative Commons CC BY-NC</a> – do celów niekomercyjnych udostępnione materiały mogą być kopiowane, drukowane i rozpowszechniane. Autorzy ponoszą opłatę za opublikowanie artykułu.</p>Cyclical Determinants of Regional House Prices in Poland
https://qme.sggw.edu.pl/article/view/10698
<p>The aim of the article is to present results of the study on the link between business cycle and house prices in 16 regional capital cities in Poland. Using quarterly data for the period 2010-2024, the study finds that regional business cycle effects on cyclical fluctuations in regional house prices are predominantly positive. Following an increase in the National Bank of Poland (NBP) reference rate, house prices are on a decline in 11 out of 16 regional capital cities. The effects of housing quality and the exchange rate on house prices are ambiguous. </p>Victor Shevchuk
Prawa autorskie (c) 2025 Metody Ilościowe w Badaniach Ekonomicznych
https://creativecommons.org/licenses/by-nc/4.0
2025-09-302025-09-302639910810.22630/MIBE.2025.26.3.9Predictive Power of Machine Learning Models in Forex Market: A Comparative Study
https://qme.sggw.edu.pl/article/view/10983
<p>In this paper, machine learning models for Forex prediction, evaluating traditional ensemble methods (Random Forest, XGBoost, LightGBM) against specialized time series models (Prophet, Arima, LSTM) across multiple currency pairs are compared. Performance assessment uses both statistical metrics (RMSE, MAE, directional accuracy) and trading measures (Sharpe ratio, maximum drawdown) across different market conditions. It is shown that ensemble methods excel with rich feature sets while time series models better capture temporal patterns. The research identifies optimal use cases for each model category and examines combination strategies that leverage complementary strengths, providing practitioners with empirical guidance for forex prediction model selection.</p>Maciej JanowiczLuiza OchnioHridai Vadera
Prawa autorskie (c) 2025
https://creativecommons.org/licenses/by-nc/4.0
2025-09-302025-09-3026310912010.22630/MIBE.2025.26.3.10Cudzoziemcy jako sprawcy wypadków drogowych w Polsce w latach 2010-2024
https://qme.sggw.edu.pl/article/view/10859
<p>W artykule dokonano oceny zagrożenia bezpieczeństwa ruchu drogowego, jakie stwarzają na polskich drogach kierowcy cudzoziemcy. Na podstawie danych publikowanych w raportach Policji wyznaczono wskaźniki udziału wypadków powodowanych przez cudzoziemców, oceniono ich ciężkość oraz rozkład przestrzenny w przekroju województw. Porównano dynamikę liczby wypadków powodowanych przez cudzoziemcow z dynamiką liczby imigrantów. Wyniki analiz sugerują, iż ani częstość, ani ciężkość wypadków powodowanych przez cudzoziemców nie odbiegają od analogicznych statystyk dla polskich kierowców.</p>Mariola NyczMarek Sobolewski
Prawa autorskie (c) 2025 Metody Ilościowe w Badaniach Ekonomicznych
https://creativecommons.org/licenses/by-nc/4.0
2025-09-302025-09-3026312113010.22630/MIBE.2025.26.3.11Model głębokiego uczenia LCA-NN na bazie systemu poprawy predykcji za pomocą dekompozycji wielowymiarowych
https://qme.sggw.edu.pl/article/view/10928
<p>W niniejszym artykule przedstawimy system uczenia głębokiego łączącego sieci neuronowe MLP z wielowymiarowymi dekompozycjami. Stanowi on rozwinięcie systemu dla poprawy wyników predykcji w ujęciu wielomodelowym wykorzystującym metody ICA, PCA oraz NMF, co można potraktować także jako metodę agregacji modeli lub wielowymiarową filtrację komponentów zakłócających wyniki prognoz. Cały proces przedstawimy w nawiązaniu po problemu ślepej separacji wskazując na możliwe użyteczne inspiracje jak i istotne ograniczenia takich interpretacji.</p>Ryszard Szupiluk
Prawa autorskie (c) 2025 Metody Ilościowe w Badaniach Ekonomicznych
https://creativecommons.org/licenses/by-nc/4.0
2025-09-302025-09-3026313114010.22630/MIBE.2025.26.3.12