|
|
Bayesian probability distribution over a class of autoregression models applied to financial time series
Škerlík, Peter ; Šindelář, Jan (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Predložená práca popisuje výber vhodných autoregresných modelov na predpovedanie finančných časových radov. Uplatňuje bayesovský prístup k štatistike, ktorý ďalej vysvetľuje. Následne teoreticky vysvetľuje, ako sa dá bayesovský prístup použiť na určenie vhodných modelov. Hlavným prínosom práce je aplikácia týchto teoretických poznatkov na finančné časové rady v programovacom jazyku C++ a ich výsledky. Pomocou viacerých grafov je ukázaný vývoj pravdepodobností platnosti jednotlivých autoregresných modelov. Hlavne však práca porovnáva výsledky pre Laplaceovo a normálne rozdelenie bieleho šumu v autoregresných modeloch. Cieľom práce je poskytnúť čitateľovi základný prehľad o bayesovskej štatistike a jej použitiu pri predpovedaní dát, ako aj postup potrebný na to, pre aký model sa rozhodnúť.
|
|
|
Stochastic modelling of mortality development
Škerlík, Peter ; Mazurová, Lucie (vedoucí práce) ; Branda, Martin (oponent)
V predloženej práci sa zaoberáme možnosťami predpovedania úmrtnostných mier, vysvetlíme najčastejšie používané modely a postupy. Charakterizujeme, čo znamená riziko dlhovekosti a úmrtnosti a načrtneme možnosti ako toto riziko preniesť na iné subjekty. Popíšeme nástroj LifeMetrics, možnosti jeho využitia a pokúsime sa pomocou neho riziko dlhovekosti kvantifikovať na konkrétnych dátach. Cieľom práce je poskytnúť čitateľovi základný prehľad o používaných modeloch na predpovedanie úmrtnosti, zvlášť so zameraním na stochastické modely a pomôcť k lepšiemu pochopeniu významu rizika dlhovekosti.
|
|
|
Bayesian probability distribution over a class of autoregression models applied to financial time series
Škerlík, Peter ; Šindelář, Jan (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Predložená práca popisuje výber vhodných autoregresných modelov na predpovedanie finančných časových radov. Uplatňuje bayesovský prístup k štatistike, ktorý ďalej vysvetľuje. Následne teoreticky vysvetľuje, ako sa dá bayesovský prístup použiť na určenie vhodných modelov. Hlavným prínosom práce je aplikácia týchto teoretických poznatkov na finančné časové rady v programovacom jazyku C++ a ich výsledky. Pomocou viacerých grafov je ukázaný vývoj pravdepodobností platnosti jednotlivých autoregresných modelov. Hlavne však práca porovnáva výsledky pre Laplaceovo a normálne rozdelenie bieleho šumu v autoregresných modeloch. Cieľom práce je poskytnúť čitateľovi základný prehľad o bayesovskej štatistike a jej použitiu pri predpovedaní dát, ako aj postup potrebný na to, pre aký model sa rozhodnúť.
|
host ::
RSS.