TY - THES TI - Prognózování mezinárodního obchodu s využitím metod strojového učení TT - Machine learning-based approaches to forecasting international trade AU - Kovařík, Tomáš AB - V této práci se soustředím na porovnání gravitačního modelu odhadnutého pomocí metody nejmenších čtverců a metody Poissonovy maximální věrohodnosti oproti regresním technikám založeným na strojovém učení, konkrétně se jedná o support vector machines, random forests, a umělé neuronové sítě. Provádím diskusi výhod a nevýhod jednotlivých přístupů a srovnávám jejich predikční schopnosti na exportních datech. Demonstruji, že random forest model a umělé neuronové sítě poskytují lepší predikce. AB - In this thesis I focus on comparison of gravity model estimated with ordinary least squares and Poisson pseudo-maximum likelihood with regression techniques based on machine learning, namely support vector machines, random forests, and arti_cial neural networks. I discuss the advantages and disadvantages of these approaches and compare their forecasting accuracy on exports data. I demonstrate that random forest models and arti_cial neural networks provide superior forecasting accuracy. UR - http://hdl.handle.net/20.500.11956/105017 UR - http://www.nusl.cz/ntk/nusl-393040 A2 - Macháček, Vít A2 - Semerák, Vilém LA - eng KW - international trade KW - forecasting KW - mezinárodní obchod KW - prognostika KW - machine learning PY - 2019 PB - Univerzita Karlova, Ovocný trh 5, 116 36 Praha 1, http://cuni.cz/ ER -