|
|
Distributional impacts of meal vouchers
Röhryová, Lenka ; Janský, Petr (vedoucí práce) ; Pěkná, Martina (oponent)
Cílem této práce je analyzovat distribuční dopady stravenkového systému v České republice a to zejména v souvislosti s příjmovou nerovností mezi jednotlivými příjmovými skupinami. V první části práce se zabýváme rysy stravenkového systému v České republice, příslušným legislativním rámcem a nabízíme srovnání českého stravenkového systému s jinými evropskými zeměmi. V druhé části této práce provádíme rozbor redistribučních efektů stravného na jednotlivé příjmové decily, vyčíslujeme dopady daňového zvýhod- nění stravného na státní rozpočet a podle několika scénářů simulujeme nahra- zení současné podoby stravného rovným příspěvkem na stravování. Na zák- ladě naší analýzy představuje daňové zvýhodnění stravného pro státní roz- počet zátěž 1.3 mld Kč. Naše zjištění naznačují, že současná podoba stravného rozšiřuje příjmovou propast mezi příjemci a nepříjemci, a to jak v rámci jed- notlivých decilů, tak napříč nimi. Majetnější domácnosti dostávají stravné častěji, navíc v nominálně i poměrně vyšších hodnotách. Věříme, že nahrazení současného systému systémem s rovným příspěvkem na stravování (využíva- jícího současný rozpočet) by podpořilo příjmovou rovnost. Nižší decily by benefitovaly, díky vyššímu podílu jedinců oprávněných pobírat stravné, za- tímco domácnosti z vyšších decilů by zaznamenaly pokles ve...
|
|
|
Extending volatility models with market sentiment indicators
Röhryová, Lenka ; Krištoufek, Ladislav (vedoucí práce) ; Jakubík, Petr (oponent)
V této práci se snažíme zlepšit heterogenní autoregresivní model (HAR) rozšířením o ukazatele tržního sentimentu. Jako proxy tržního sentimentu používáme objem vyhledávání na Googlu a Twitter sentiment. Analyzovali jsme 30 společností Dow Jones indexu po dobu 15 měsíců. Pomocí out- of-sample předpovědi jsme sestavili žebříček modelů podle jejich přesnosti. Identifikovali jsme tři relevantní proměnné: denní negativní tweety, denní objem vyhledávání a týdenní objem vyhledávání. Tyto proměnné zlepšují přesnost předpovědi HAR modelu jednotlivě i v Twitter-Google kombina- cích. Některé modely zlepšují přesnost předpovědi až o 22% pro určité akcie, jiné zhoršují přesnost předpovědi až o 24%. Kombinace denních negativních tweetů a týdenního objemu vyhledávání překoná základní model u 17 ak- cií podle RMSE a u 16 akcií podle MAE a MASE. Samotné denní tweety zlepšují přesnost základního modelu pro 17 a 19 společností podle užitého měřítka. Kombinace denních negativních tweetů a denního objemu vyhledá- vání zlepšuje přesnost základního modelu pro 15 respektive 18 společností. Na základě průměrného zlepšení MASE vítězí jednoznačně kombinace den- ních negativních tweetů a týdenního objemu vyhledávání, jelikož snižuje prů- měrnou MASE o 0.71%. Klasifikace JEL C32, C33, C52, G14 G17 Klíčová slova volatilita,...
|
|
|
Extending volatility models with market sentiment indicators
Röhryová, Lenka ; Krištoufek, Ladislav (vedoucí práce) ; Jakubík, Petr (oponent)
V této práci se snažíme zlepšit heterogenní autoregresivní model (HAR) rozšířením o ukazatele tržního sentimentu. Jako proxy tržního sentimentu používáme objem vyhledávání na Googlu a Twitter sentiment. Analyzovali jsme 30 společností Dow Jones indexu po dobu 15 měsíců. Pomocí out- of-sample předpovědi jsme sestavili žebříček modelů podle jejich přesnosti. Identifikovali jsme tři relevantní proměnné: denní negativní tweety, denní objem vyhledávání a týdenní objem vyhledávání. Tyto proměnné zlepšují přesnost předpovědi HAR modelu jednotlivě i v Twitter-Google kombina- cích. Některé modely zlepšují přesnost předpovědi až o 22% pro určité akcie, jiné zhoršují přesnost předpovědi až o 24%. Kombinace denních negativních tweetů a týdenního objemu vyhledávání překoná základní model u 17 ak- cií podle RMSE a u 16 akcií podle MAE a MASE. Samotné denní tweety zlepšují přesnost základního modelu pro 17 a 19 společností podle užitého měřítka. Kombinace denních negativních tweetů a denního objemu vyhledá- vání zlepšuje přesnost základního modelu pro 15 respektive 18 společností. Na základě průměrného zlepšení MASE vítězí jednoznačně kombinace den- ních negativních tweetů a týdenního objemu vyhledávání, jelikož snižuje prů- měrnou MASE o 0.71%. Klasifikace JEL C32, C33, C52, G14 G17 Klíčová slova volatilita,...
|
|
|
Distributional impacts of meal vouchers
Röhryová, Lenka ; Janský, Petr (vedoucí práce) ; Pěkná, Martina (oponent)
Cílem této práce je analyzovat distribuční dopady stravenkového systému v České republice a to zejména v souvislosti s příjmovou nerovností mezi jednotlivými příjmovými skupinami. V první části práce se zabýváme rysy stravenkového systému v České republice, příslušným legislativním rámcem a nabízíme srovnání českého stravenkového systému s jinými evropskými zeměmi. V druhé části této práce provádíme rozbor redistribučních efektů stravného na jednotlivé příjmové decily, vyčíslujeme dopady daňového zvýhod- nění stravného na státní rozpočet a podle několika scénářů simulujeme nahra- zení současné podoby stravného rovným příspěvkem na stravování. Na zák- ladě naší analýzy představuje daňové zvýhodnění stravného pro státní roz- počet zátěž 1.3 mld Kč. Naše zjištění naznačují, že současná podoba stravného rozšiřuje příjmovou propast mezi příjemci a nepříjemci, a to jak v rámci jed- notlivých decilů, tak napříč nimi. Majetnější domácnosti dostávají stravné častěji, navíc v nominálně i poměrně vyšších hodnotách. Věříme, že nahrazení současného systému systémem s rovným příspěvkem na stravování (využíva- jícího současný rozpočet) by podpořilo příjmovou rovnost. Nižší decily by benefitovaly, díky vyššímu podílu jedinců oprávněných pobírat stravné, za- tímco domácnosti z vyšších decilů by zaznamenaly pokles ve...
|
host ::
RSS.