|
|
Model realizované stochastické volatility v praxi
Vavruška, Marek ; Zouhar, Jan (vedoucí práce) ; Formánek, Tomáš (oponent)
Tato práce aplikuje model realizované stochastické volatility Koopmana a Schartha (2011) na pět akcií obchodovaných na NYSE. Cílem této práce je zkoumání vlivu zrychlení procesu přípravy dat, vynecháním kroku vyžadujícího kótovaná data. Struktura modelu realizované stochastické volatility pracuje s odhady realizované volatility jako s vychýlenými odhady integrované volatility, což rovněž podporuje toto zjednodušení. Počet chybně zapsaných obchodů se výrazně snížil v posledních několika letech. Citlivost přesnosti jednodenních předpovědí realizované volatility na délku dat je zkoumána pomocí předpovědí konstruovaných na základě různé délky pohyblivých oken. Použití nejdelší časové řady nevede k nejpřesnějším předpovědím modelu, měřených pomocí průměru čtverců odchylek. Bylo potvrzeno dominantní postavení modelu realizované stochastické volatility ve smyslu nejnižšího průměru čtverců odchylek jednodenních předpovědí.
|
|
|
ScraperWiki Tutorial
Levine, Thomas
The objective of the workshop, or better hackathon, was to get the data into a structured format, and join it with data from another sources – together with an overview and showing by example what is possible with scraping. Thomas identified targets for web scraping and navigating the complexity of different types of web pages and introduced that in a few half-hour-long and hour-long modules that catered to different audiences.
Prezentace:  PDF
|
|
|
Řízení kvality dat v malých a středních firmách
Zelený, Pavel ; Pour, Jan (vedoucí práce) ; Novotný, Ota (oponent)
Tato práce se zabývá řízením datové kvality. V současné době je i na českém trhu několik nástrojů a metodik podporující řízení datové kvality, ale všechny jsou vytvářeny pro velké firmy. Malé a střední firmy si je z ekonomického hlediska nemohou pořídit. Cílem této práce je nejprve shrnout principy těchto metodik, aby na základě těchto principů mohla být navržena jednodušší metodika využitelná pro malé a střední firmy. Následně v druhé polovině práce je vytvářena a přizpůsobována metodika pro konkrétní firmu. Nejprve je definována oblast zájmu řízení datové kvality v dané firmě. Dále díky nemožnosti pořídit softwarový nástroj na čištění dat, jsou nadefinována pouze relativně jednoduchá pravidla, na jejichž základě jsou vytvořeny čistící skripty v jazyce SQL. Tyto skripty jsou využity pro automatické čištění dat. Na základě další analýzy je rozhodnuto o datech, které mají být čištěny ručním způsobem. V dalším kroku jsou popisována doporučení pro odstranění duplicitních záznamů z databáze. K tomu je použita funkcionalita systému, který využívá daná firma. Posledním krokem v rámci metodiky je vytvoření kontrolního mechanismu, jehož úkolem je i v budoucnu udržet požadovanou datovou kvalitu. Na závěr práce je proveden průzkum dat na čtyřech datových zdrojích. Tyto zdroje pocházejí z firem využívající stejný provozní systém. Průzkum má poskytnout přehled o datové kvalitě a případně sloužit k rozhodnutí pro čištění dat.
|
|
|
Master Data Integration hub - řešení pro konsolidaci referenčních dat v podniku
Bartoš, Jan ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
V současných informačních systémech je kladen velký důraz na integraci dílčích aplikací do funkčního celku. Zatímco integrace po stránce komunikační a funkční je již poměrně dobře pokryta a existují standardní nástroje a technologie pro její realizaci (ESB, message brokery, webové služby), nástroje a postupy pro integraci datových zdrojů dílčích aplikací do společného celku na celopodnikové úrovni se zatím stále bouřlivě vyvíjí. Master Data Management (MDM) je zastřešujícím přístupem ke správě referenčních (master) dat v podniku. Řeší otázky integrace referenčních dat, datové kvality a konsolidace referenčích dat, evidence a využití metadat při správě referenčních dat, vlastnictví sdílených referenčích dat, zodpovědnosti za referenční data a procesy pro práci s nimi. Práce se zabývá technologickou stránkou implementace MDM v podniku formou vytvoření centralizovaného úložiště referenčních dat -- tzv. Master Data Integration Hubu (MDI hub). MDI hub je systém/aplikace, která umožňuje na základě definovaných workflow a pravidel shromažďovat a konsolidovat referenční data uložená v podnikových systémech a konsolidovaná data poskytovat nazpět. Zároveň poskytuje další služby jako správu číselníků a monitorování datové kvality. Cílem práce je pokrýt návrh a implementaci MDI hubu, který je konkrétní formou realizace MDM v podniku. V úvodní části práce je řešena motivace pro provádění konsolidace referenčních dat, je upřesněn obsah pojmu MDM a vztah MDI hubu k principům MDM. Dále je uveden souhrn technik používaných při realizaci MDI hubu. Hlavní částí práce je návrh referenční architektury MDI hubu a popis projektových aktivit při realizaci MDI hubu. Zdrojem informací pro práci jsou, kromě odborné literatury (monografie, odborné články, příspěvky z konferencí), také poznatky nabyté při realizaci projektů pro společnosti Adastra a Ataccama a know-how spolupracovníků. Hlavním přínosem práce je vytvoření uceleného pohledu na budování MDI hubu a návrh referenční architektury MDI hubu, která může posloužit jako východisko při úvahách o konkrétní implementaci. Předpokládané využití práce je jak na straně klientské (firma se pustí do implementace MDI hubu vlastními silami) tak na straně dodavatelské (pro konzultační firmy a integrátory, kteří budou implementovat MDI hub pro zákazníka).
|
|
|
Datová kvalita, integrita a konsolidace dat v BI
Smolík, Ondřej ; Pour, Jan (vedoucí práce) ; Zajíc, Ján (oponent)
Tato práce se zabývá datovou kvalitou v systémech business inteligence. Jsou zde ukázány základní zásady, které je vhodné využívat při tvorbě datové skladu, tak aby byla dosažena co nejvyšší datová kvalita. Dále jsou zde ukázány některé metody čištění dat, jako detekce odchylek, name-address cleansing apod. Práce se zabývá nejen kvalitou dat přímo v datovém skladě, ale i daty, které do něj teprve budou vstupovat. Druhá část práce pak ukazuje metody čištění dat na konkrétním příkladu datového skladu. Ukazujeme v ní, jaké metody jsou použity a jaké další by se zde daly použít. Dále jsou zde uvedena některá doporučení, která vyplývají ze studia literatury a doporučení týkající se získávaní externích dat od obchodních partnerů.
|
|
|
Kvalita dat a efektivní využití rejstříků státní správy
Rut, Lukáš ; Chlapek, Dušan (vedoucí práce) ; Jankech, Pavel (oponent)
Diplomová práce se zabývá rejstříky státní správy především z hlediska kvality dat v nich obsažených. Cílem práce je analyzovat způsoby ověřování kvality dat a vhodnou metodu aplikovat na data v obchodním rejstříku. Dalším cílem, který logicky následuje, je analyzovat možnosti čištění a zvyšování kvality dat a navrhnout řešení pro zjištěné nesrovnalosti v rejstříku. Posledním cílem je analyzovat přístupy ke stanovení identifikátoru osob a vybrat vhodný klíč k identifikaci osob v registrech státní správy. Práce je rozdělena do několika částí. První část představuje úvod do problematiky registrů státní správy. Podrobněji rozebírá několik vybraných registrů především z hlediska dat, které nabízejí, a jejich aktualizace. Významným přínosem této části práce je rozbor legislativních změn, které vstoupí v platnost spuštěním čtyř základních registrů státní správy v polovině roku 2010. Pozornost je věnována především vlivu změn na kvalitu dat v rejstřících a na celkové možnosti využití poskytovaných dat. Další část se zabývá problematikou identifikátorů právnických i fyzických osob a navrhuje řešení pro data z rejstříků státní správy. Třetí část analyzuje možnosti, jak určit datovou kvalitu. Podrobně popsaná metoda data profiling je následně použita v rozsáhlé analýze kvality dat obsažených v obchodním rejstříku. Výstupem datové analýzy jsou správná metadata a informace o nepřesných údajích zapsaných v obchodním rejstříku. Poslední část rozebírá možnosti, jak problémy s datovou kvalitou řešit. Jsou navrženy a navzájem porovnány tři varianty řešení. Diplomová práce představuje ucelený materiál, jak řešit problémy při využívání dat obsažených v registrech státní správy. Navržená řešení a popsané postupy je však možné využít i v mnoha dalších projektech, které se zabývají datovou kvalitou.
|
|
|
Vliv číselníků na kvalitu firemních dat
Bukovský, Radim ; Slánský, David (vedoucí práce) ; Pour, Jan (oponent)
Tato práce je určena všem zájemcům o informace z oblasti datové kvality (konkrétněji z oblast čištění dat). Každý, kdo má zájem se dozvědět něco více o číselnících, které do datové kvality neodmyslitelně patří, je vítán. Bude mu nabídnuto nahlédnutí do kuchyně lidí pracujících nejen na jejich tvorbě a správě, ale také na jejich reálném nasazení na konkrétních projektech. Také se zde dozvíte detaily o tom, jak mohou číselníky skrze datovou kvalitu pomoci firmám k nižším nákladům a jak dokáží vyvolat lepší dojem ve svých klientech.
|
|
| |
host ::
RSS.