Wydział Nauk Ekonomicznych i Zarządzania UMK

Publikacje naukowe

Książki: 

1. Identyfikacja i prognozowanie chaosu deterministycznego w ekonomicznych  szeregach czasowych, seria: Nowe Trendy w Naukach Ekonomicznych, Fundacja Promocji i Akredytacji Kierunków Ekonomicznych, Polskie Towarzystwo Ekonomiczne, Warszawa 2005.
2. Procesy STUR. Modelowanie i zastosowanie do finansowych szeregów czasowych, TNOiK, Toruń 2007, (współautorzy: M. Osińska (red.), J. Górka, J. Kwiatkowski). 
3. Ekonomia matematyczna. Materiały do ćwiczeń, Wydawnictwo C.H. Beck, Warszawa, 2009, (współautorzy: J. Górka, M. Wata).
4. Nieparametryczna identyfikacja nieliniowości w finansowych i ekonomicznych szeregach czasowych, Wydawnictwo UMK, Toruń, 2016.[e-book]
5. Wybrane zastosowania badań operacyjnych w finansach, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń 2020, (współautorzy: S. Bejger, A. Gluzicka, P. Miszczyński, A. Wójcicka-Wójtowicz).
6. Uczenie maszynowe w podejmowaniu decyzji prognostycznych, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń 2020, (współautorzy: S. Bejger, G. Dudek, M.D. Stasiak, K. Targiel).
7. Prognozowanie szeregów czasowych w ekonomii i finansach z wykorzystaniem metod uczenia maszynowego. Wybrane modele i zastosowania, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń 2022, (współautorzy: G. Dudek, M.D. Stasiak, M. Stawarz).

Artykuły: 

1. Identyfikacja chaosu deterministycznego w polskich szeregach finansowych, Dynamiczne Modele Ekonometryczne – VII Ogólnopolskie Seminarium Naukowe, 4-6 września 2001 r., Toruń 2001, 309-320 (współautor: J. Kwiatkowski). 
2. Wpływ doboru metod rekonstrukcji przestrzeni fazowej na efektywność prognozowania chaotycznych szeregów czasowych, Dynamiczne Modele Ekonometryczne – VIII Ogólnopolskie Seminarium Naukowe, 9-11 września 2003 r., Toruń 2003, 349-356. [preprint version]
3. Wykładnik Lapunowa – narzędzie identyfikacji chaosu na WGPW, Przegląd Statystyczny, vol. 51, no 1, 2004, s. 85-96, (współautor: J. Kwiatkowski). [preprint version]
4. Krótkoterminowe prognozowanie chaotycznych szeregów czasowych, Przegląd Statystyczny, vol. 51, no 3, 2004, s. 115-127. [preprint version]
5. Zastosowanie lokalnej aproksymacji wielomianowej do prognozowania chaotycznych szeregów czasowych, Acta Universitatis Lodziensis – Folia Oeconomica 177: „Rynki finansowe a decyzje”, red. W. Milo, P. Wdowiński, Łódź 2004, s. 331-346. [preprint version]
6. Metody identyfikacji i prognozowania chaotycznych szeregów czasowych, Metody ilościowe w naukach ekonomicznych, Czwarte Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, red. A. Welfe, Szkoła Główna Handlowa w Warszawie, Warszawa 2004, 113-135.
7. How the prediction accuracy of chaotic time series depends on methods of determining the parameters of delay vectors, in: Dynamic Econometric Models, vol. 6, Nicolaus Copernicus University, Toruń 2004, 231-239. [download]
8. Modele chaotyczne w ekonomii, Acta Universitatis Nicolai Copernici, Ekonomia XXXVI, zeszyt 372, Toruń 2005, 155-170. [preprint version]
9. Własności procesów STUR w świetle metod z teorii chaosu, Dynamiczne Modele Ekonometryczne – IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 r., Toruń 2005, 185-192. [download]
10. Detecting Nonlinear Causality at Financial Markets, in: Financial Markets. Principles of Modeling, Forecasting and Decision-Making, red. W. Milo, P. Wdowiński, Łódź 2006, 259-276, (współautor: M. Osińska).
11. Properties of STUR Processes in the Framework of Chaos Theory, in: Dynamic Econometric Models, vol. 7, Nicolaus Copernicus University, Toruń 2006, 189-198. [download]
12.  Analiza przyczynowości w zakresie zależności nieliniowych. Implikacje finansowe, Rynek Kapitałowy. Skuteczne Inwestowanie, red. W. Tarczyński, Szczecin 2007, 151-166, (współautor: M. Osińska). [preprint version]
13. Redukcja szumu losowego w chaotycznych szeregach czasowych i jej zastosowanie do analizy procesów ekonomicznych, Siódme Warsztaty Doktorskie z Zakresu Ekonometrii i Statystyki, red. A. Welfe, Szkoła Główna Handlowa w Warszawie, Warszawa 2007, 121-141.
14.  Wykorzystanie koncepcji nieliniowej przyczynowości do identyfikacji autozależności w szeregach czasowych, Dynamiczne Modele Ekonometryczne – X Ogólnopolskie Seminarium Naukowe, 4-6 września 2007 r., Toruń 2007, 81-88. [download]
15. The New Method of Measuring the Effects of Noise Reduction in Chaotic Data, Chaos Solitons and Fractals, vol. 38, 2008, 1355-1368. [download] [preprint version] [data_and_code]
16. Zastosowanie testu Kaplana do identyfikacji ekonomicznych szeregów  czasowych, Współczesne Trendy w Ekonometrii, Olsztyn 2008, 139-150. [preprint version]
17. Applying the Concept of Granger Causality to Detect Nonlinear Autodependencies in Time Series, in: Dynamic Econometric Models, vol. 8, Nicolaus Copernicus University, Toruń 2008, 139-146. [download]
18. Współczynnik informacji wzajemnej jako miara zależności nieliniowych w szeregach czasowych, Acta Universitatis Nicolai Copernici, Ekonomia XXXIX, zeszyt 389 - Dynamiczne Modele Ekonometryczne, Toruń 2009, 157-166. [preprint version]
19. Detection of nonlinear autodependencies using Hiemstra-Jones test, in: Financial Markets. Principles of Modeling, Forecasting and Decision-Making, red. W. Milo, G. Szafrański, P. Wdowiński, Łódź 2010, 157-170.
20. Wymiar fraktalny szeregów czasowych a ryzyko inwestowania, Acta Universitatis Nicolai Copernici, Ekonomia XLI, zeszyt 391, Toruń 2010, 57-70. [download]
21. Measuring Nonlinear Serial Dependencies Using the Mutual Information Coefficient, Dynamic Econometric Models, vol. 10, Nicolaus Copernicus University, Toruń 2010, 97-106. [download]
22. Misleading results of nonlinear noise reduction, working paper. [download]
23. Wpływ redukcji szumu losowego metodą Schreibera na identyfikację systemu generującego dane. Analiza symulacyjna, Przegląd Statystyczny, 58 (1-2), 2011, 114-131. [download]
24. Nonparametric Verification of GARCH-Class Models for Selected Polish Exchange Rates and Stock Indices, Finance a úvěr - Czech Journal of Economics and Finance, 62 (5), 2012, 430-449, (współautor: P. Fiszeder). [download]
25. Nieliniowa identyfikacja rzędu autozależności w stopach zmian indeksów giełdowych, Przegląd Statystyczny, 59 (4), 2012, 369-385. [download]
26. Symulacyjna ocena rozmiaru testu BDS, Przegląd Statystyczny, 61 (4), 2014, 335-361. [download]
27. Nonparametric Testing for Serial Independence Using the NRL Statistic, Communications in Statistics - Simulation and Computation, 46 (7), 2017, 5151-5165. [download], [Matlab code]
28. Nonlinear Granger Causality between Grains and Livestock, Agricultural Economics. Zemĕdĕlská Ekonomika, 64 (7), 2018, 328-336, (współautor: P. Fiszeder). [download]
29. Prognozowanie indeksu WIG za pomocą jądrowych estymatorów funkcji regresji, Bank i Kredyt, 49 (3), 2018, 253-288. [download]
30. How wholesale fuel prices are shaped - an examination of an IPP pricing, 36th International Conference on Mathematical Methods in Economics - Conference Proceedings, (współautor: S. Bejger), 2018, 37-42.
31. Nonparametric prediction of indices from the Central European stock exchanges, 36th International Conference on Mathematical Methods in Economics - Conference Proceedings, (współautor: S. Bejger), 2018, 366-371.
32. Wybrane aspekty nieparametrycznego prognozowania nieliniowych szeregów czasowych, Przegląd Statystyczny, 65 (1), 2018, 5-22. [download]
33. Determinanty handlu wewnątrzgałęziowego produktami przemysłu farmaceutycznego. Przypadek Republiki Czeskiej i jej unijnych partnerów handlowych, (współautorzy: J. Łapińska, T. Meluzín, M. Zinecker), Przemysł Chemiczny, 98/7, 2019, 1162-1167. [download]
34. Development of European Stock Markets: Cluster Analysis, (współautor: M. Stawarz), Education excellence and innovation management: a 2025 vision to sustain economic development during global challenges, Proceedings of the 35th International Business Information Management Association Conference (IBIMA), Seville, Spain, 1-2 April 2020 / ed. Khalid S. Soliman [download]
35. Forecasting volatility of energy commodities: comparison of GARCH models with support vector regression (współautorzy: M. Fałdziński, P. Fiszeder), Energies, 14 (1), 2021. [download]
36. Covariance matrix forecasting using support vector regression (współautor: P. Fiszeder), Applied Intelligence, 51, 7029–7042, 2021. [download]
37. COVID-19 pandemic and stability of stock market: a sectoral approach (współautorzy: M. Buszko, M. Stawarz), PLoS One, 16 (5), 2021. [download]
38. Nonlinear Causality between Crude Oil Prices and Exchange Rates: Evidence and Forecasting, Energies, 14 (19), 2021. [download]
39. Artificial intelligence and customers’ intention to use robo-advisory in banking services, (współautor: D. Piotrowski), Equilibrium, 18(4), 2023, 967-1007.[download]
40. Forecasting cryptocurrencies volatility using statistical and machine learning methods: a comparative study, (współautorzy: G. Dudek, P. Fiszeder, P. Kobus), Applied Soft Computing, 151, 2024, 1-21, 111132.[download]