|
|
Analýza ekonomických dat s využitím statistických metod
Foltýnová, Andrea ; Doubravský, Karel (oponent) ; Michalíková, Eva (vedoucí práce)
Bakalářská práce je zaměřena na finanční a statistickou analýzu firmy AREMA, s.r.o. Ze začátku je popsána základní teorie potřebná k výpočtům finanční a statistické analýzy. V následující části práce jsou teoretické znalosti využity pro výpočet vybraných finančních ukazatelů a u statistické části ke zpracování predikce pro následující dva roky fungování firmy. Poslední kapitola práce obsahuje celkové zhodnocení finančního zdraví podniku a také návrhy autora, které by mohly pomoci vylepšit hospodaření zkoumané firmy.
|
|
|
Posouzení ekonomické situace společnosti a návrhy na její zlepšení
Rybár, Tomáš ; Novotná, Veronika (oponent) ; Doubravský, Karel (vedoucí práce)
Diplomová práce se soustředí na posouzení ekonomické situace společnosti Prefa Brno a.s. a možnými návrhy na zlepšení její výkonnosti. Teoretická část práce je věnována objasněním pojmů z finanční a statistické analýzy. Tyto koncepty jsou následně aplikovány v analytické části. Z finanční analýzy jsou vyhodnoceny rozdílové a poměrové ukazatele, doplněné o soustavu ukazatelů. U vybraných ukazatelů je provedena regresní analýza s předpovědí na následující období a pomocí korelační analýzy identifikujeme vzájemné vztahy mezi nimi. Z výsledků jsou vyvozeny závěry, které slouží k formulaci možných opatření, která povedou ke zlepšení stávající ekonomické situace zkoumaného subjektu.
|
|
| |
|
|
Financial time series analysis based on innovative Machine Learning Signal Processing approaches
Tshiangomba, Reagan Kasonsa ; Sehnalová, Pavla (oponent) ; Cicone, Antonio (vedoucí práce)
Forecasting financial time series has been classified as one of the most challenging problems in the last decade due to its non-stationarity and non-linear properties. On one hand, statistical techniques have been found incapable of accurately predicting financial time series. On the other hand, machine learning techniques have achieved remarkable results, but they do not provide an explicit way of handling the non-stationarity property of financial time series. The proposed approach leverages the capabilities of signal processing decomposition techniques to address the non-stationarity property of financial time series. The signal decomposition technique employed in this work is iterative filtering (IF), which generates intrinsic mode functions (IMFs). These generated IMFs, along with the original signal, are used to produce a time-frequency representation of the financial time series, called IMFogram. Two types of data, namely the IMFs and IMFogram, are utilized to train a fusion neural network for predicting the financial time series. One entry component of the fusion neural network is an artificial neural network (ANN) taking the IMFs as input. The other entry component of the fusion neural network is a convolutional neural network (CNN), which takes the IMFogram as input. The outputs of the ANN and the CNN are concatenated for a regression task. We show the application of this newly developed approach to financial data, NASDAQ series to be precise. And we report its performance in different scenarios of boundary conditions.
|
|
|
Analýza ekonomických dat s využitím statistických metod
Klímová, Lenka ; Antoš, Marek (oponent) ; Michalíková, Eva (vedoucí práce)
Teoretická část práce je zaměřena na časové řady a také na ekonomickou problematiku především poměrových ukazatelů a jejich interpretace. Cílem této práce je analyzovat a zhodnotit vybrané ekonomické ukazatele podniku s použitím analýzy časových řad a regresní analýzy. S analýzou souvisí také predikce hodnot vybraných ekonomických ukazatelů, kterou jsem předpověděla pro dva další roky (2014 a 2015). Následně jsem touto cestou navrhla vedení společnosti řešení zjištěného budoucího vývoje společnosti. Data jsem zpracovala pomocí programů Gretl a Microsoft Excel.
|
|
| |
|
| |
|
| |
|
|
Posouzení finanční výkonnosti podniku pomocí analýzy časových řad
Smékalová, Romana ; Matulová, Naděžda (oponent) ; Doubravský, Karel (vedoucí práce)
Práce se zabývá hodnocením firmy, při němž je především využito statistických metod. Budou zde zpracovány ukazatele finanční výkonnosti podniku, jako jsou celkové náklady a výnosy, likvidita, rentabilita a Altmanův index. Výsledné údaje se následně zobrazí v časové řadě, která pomůže objasnit dlouhodobý trend. Z těchto údajů se stanoví prognóza podniku do budoucna. Výsledek práce tvoří návrhy doporučené společnosti ke zlepšení její činnosti a postavení na trhu.
|
|
|
Využití časových řad pro analýzu výkonnosti podniku.
Vičar, Jakub ; Doubravský, Karel (oponent) ; Kropáč, Jiří (vedoucí práce)
Práce se zabývá analýzou účetních výkazů existující firmy pomocí statistických metod a časových řad. Je zaměřena na těžební společnost Severočeské doly a.s. V práci jsou statisticky a graficky popsány jednotlivé ekonomické ukazatele. Jednotlivé časové řady zkoumaných ukazatelů budou porovnávány s oborovými hodnotami a konkurenčními firmami. Na závěr na základě výsledků budou firmě navrženy možnosti na zlepšení vývoje ukazatelů.
|
host ::
RSS.