|
|
Impact of European Central Bank and Federal Reserve System statements on cryptocurrency markets via sentiment analysis
Krejcar, Vilém ; Krištoufek, Ladislav (vedoucí práce) ; Čech, František (oponent)
Tato studie zkoumá dopad ve ejn˝ch prohláöení hlavních centrálních bank, konkrétn FED a ECB, na volatilitu Bitcoinu v letech 2018 aû 2021. S vyuûitím vysokofrekven ních dat jsme vypo ítali volatilitu Bitcoinu a extrahovali senti- mentové skóre z ve ejn˝ch prohláöení centrálních bank pomocí dvou metod: jazykového modelu FinBERT a state-of-the-art modelu generativní um lé in- teligence GPT-4 s p izp soben˝mi prompty. Model GPT-4 se prokázal jako preferovaná varianta díky efektivn jöímu zachycení sentimentov˝ch nuancí. Naöe anal˝za zahrnovala porovnání r zn˝ch model pro finan ní data, p i emû HAR model vykazoval nejlepöí v˝sledky. Záv ry studie jsou následující: negativní sentiment ECB b hem pandemie byl spojen s okamûit˝m a v˝razn˝m nár stem volatility Bitcoinu, nazna ující reakci trhu v podob opatrnosti. Tato zjiöt ní poukazují na v˝znamn˝ vliv sentimentu centrálních bank na volatilitu Bitcoinu a potvrzují p vodní hypotézu tohoto v˝zkumu. V˝sledky navíc poskytují mo- tivaci k za len ní generativní um lé inteligence do akademického v˝zkumu jako nástroj pro zkoumání dosud neobjeven˝ch znalostí a vzorc . Klasifikace JEL C32, C55, C58, E58, G15 Klí ová slova centrální banky, sentimentová anal˝za, volatilita, Bitcoin, GenAI, HAR, FED, ECB Název práce Vliv prohláöení ECB a FED na trh kryp- toaktiv skrze...
|
|
|
Optimization of Business Processes Using Business Intelligence Tools
Žáčiková, Erika ; Luhan, Jan (oponent) ; Kříž, Jiří (vedoucí práce)
The final thesis deals with the optimization of business processes and the provision of a quality basis for managerial decision-making, which in itself represents a process. In later chapters, he presents the concept of Process Mining and, in the practical part, the application of acquired knowledge about process mining to the Purchase to Pay business process. The goal of this solution is to reveal weak links in the process flow, identify deviations from the reference process model and gain knowledge about real process performance. Based on this knowledge, aspects that can be optimized are proposed.
|
|
|
Řízení expanze e-commerce
Sojka, David ; Pfeifer, Marcel Rolf (oponent) ; Putnová, Anna (vedoucí práce)
Tato diplomová práce se zabývá obchodním modelem expanze elektronického obchodu do zahraničí v rámci Evropy. Na základě teoretických východisek posuzuje analýzu současného stavu včetně aktuálně používaných postupů současné expanzivní politiky. Dále je navržen manažerský plán pro systematickou expanzi s minimalizací rizik, stabilizace současného mezinárodního působení a návrh technologicko-informační řešení pro práci s daty.
|
|
|
Methods for Predicting Drug Side Effects in Silico
Cicková, Pavlína ; Lexa,, Matej (oponent) ; Berka,, Karel (oponent) ; Provazník, Ivo (vedoucí práce)
Drug discovery is a field of contemporary science, which has encompassed the use of various computational methods. Wet lab approaches are costly and time-consuming and hence, in silico methods play an important role. Notwithstanding the progress of computational techniques applied in drug discovery in the last few decades, the great majority of the investigational compounds still do not succeed in reaching the final approval stage. Not only for this reason state-of-the-art drug design strategies focus on reinvestigating already approved drugs and drug similarity analyzes are crucial to consider. This work presents the development and application of a set of workflows created within the KNIME Analytics Platform which implements an approach using machine-learning methods for drug side effect prediction. The presented set of workflows deals with data retrieval, pre-processing, similarity metrics computation and data exploratory analysis. Consequently, classification models are applied to predict specific side effects of drugs. The prediction is based on similarity-based techniques. Structural and other similarities of approved drug molecules were used to train the decision tree models for the prediction of potential drug-side effect associations. The main advantage of the work is the re-usability of the applied techniques. Our set of workflows provides an environment allowing for new research questions in terms of drug similarity to be addressed. Moreover, as the workflows created within KNIME Analytics Platform provide a user-friendly graphical interface, users do not require any advanced experience in machine learning or programming to perform their studies using the designed workflows.
|
|
|
Řízení expanze e-commerce
Sojka, David ; Pfeifer, Marcel Rolf (oponent) ; Putnová, Anna (vedoucí práce)
Tato diplomová práce se zabývá obchodním modelem expanze elektronického obchodu do zahraničí v rámci Evropy. Na základě teoretických východisek posuzuje analýzu současného stavu včetně aktuálně používaných postupů současné expanzivní politiky. Dále je navržen manažerský plán pro systematickou expanzi s minimalizací rizik, stabilizace současného mezinárodního působení a návrh technologicko-informační řešení pro práci s daty.
|
|
| |
|
|
Big Data a jejích potenciál pro bankovní sektor
Firsov, Vitaly ; Maryška, Miloš (vedoucí práce) ; Molnár, Zdeněk (oponent)
Touto prací chci prozkoumat současné (r. 2012/2013) moderní trendy vývoje Business Inteligence a zaměřit se konkrétně na rychle se rozvíjející a, dle mého (a nejenom) názoru, velice perspektivní oblast analyzování a využívání Big Data (česky Velkých Dat) ve velkých podnicích. V první, úvodní části práce najdete obecné informace a formální náležitosti jako cíle práce, na koho je práce orientovaná a kde by se dala využit. Dále jsou tu popsané vstupy a výstupy, struktura, metody dosažení cílů, možné přínosy a omezení. Protože současně působím jako datový analytik v největší bance České Republiky, České spořitelně, tak jsem se zaměřil na využití Big Dat v bankovním sektoru, neboť si myslím, že v této oblasti je možno dosáhnout velkého přínosu sběrem a analýzou Big Dat. Vlastní práce je rozdělená na 3 části (kapitoly 2, 3-4, 5). Ve druhé kapitole práce se dozvíte, jak se vyvíjela oblast BI, jak se měnila historicky, co je BI dnes a jakou budoucnost BI předpovídají experti, mezi které patří i světoznámá a uznávaná analytická společnost Gartner. Ve třetí kapitole se zaměřím na Big Data samotná, co znamená tento pojem, čím se Big Data liší od klasických podnikových informací, dostupných z ERP, ECM, DMS a jiných podnikových systémů. Dozvíte se o způsobech ukládání a zpracovávání tohoto typu dat, stejně tak o již existujících a použitelných technologiích, zaměřených na Big Data. Ve čtvrté kapitole se soustředím na využití Big Dat v podnikání, informace z této kapitoly budou odrážet mé osobní názory na potenciál Big Dat na základě mých zkušeností během praxe v České spořitelně. V závěrečné části shrnu celou tuto práci, vyhodnotím, jak jsem splnil definované na začátku cíle a vyjádřím svůj názor na perspektivu celého trendu Big Data analytiky na základě zjištěných a analyzovaných během vypracování této práce informací.
|
host ::
RSS.