|
|
Examining the relationships among cryptocurrencies using Google Trends
Heller, Michael ; Krištoufek, Ladislav (vedoucí práce) ; Džmuráňová, Hana (oponent)
Tématem naší práce je zkoumání vztahů mezi kryptoměnami pomocí nástroje Google Trends. V naší práci se soustředíme na 4 kryptoměny: Bitcoin, Litecoin, Ethereum Classic a Ethereum. V naší práci jsme získali denní data pro otevírací ceny, denní obchodované objemy a denní data Google Trends dotazů, zachy- cujících relativní popularitu vybraných kryptoměn. Pro hledání vztahů mezi čtyřmi vybranými kryptoměnami jsme použili Vektorovou autoregresi a Vek- torový Error Correction model. Celkem jsme sestavili 4 různé modely. První model obsahuje 4 časové řady denních cen jednotlivých kryptoměn. Druhý model vychází z prvního modelu a je rozšířen o další 4 časové řady Google Trends dotazů souvisejících s danými kryptoměnami. Třetí model obsahuje 4 časové řady denních obchodovaných objemů jednotlivých 4 kryptoměn. Čtvrtý model vychází ze třetího modelu a je obohacen o další čtyři časové řady Google Trends dotazů souvisejících s danými kryptoměnami. Následně jsme použili odezvu na impuls a rozklad rozptylu pro zkoumání vztahů mezi jednotlivými kryptoměnami. V naší práci jsme našli určité korelace mezi proměnnými, v rámci každé ze tří skupin proměnných, tj. ceny, obchodované objemy a Google...
|
|
|
Analysis of Price Determinants in the Art Market
Mizeráková, Elena ; Šopov, Boril (vedoucí práce) ; Moravcová, Hana (oponent)
1 Abstrakt Aké kvality robia umelecké diela natoľko hodnotnými? Ovplyvňuje záujem verejnosti pravdepodobnosť, že sa dané dielo predá na aukcii? Výskum trhu s umením sa sústredí na rôzne aspekty, ktoré môžu ovplyvňovať potenciál umenia ako investície. Rozmach tzv. big data ponúka jedinečnú príležitosť využiť ich celosvetový vplyv na vylepšenie súčasných modelov pomocou novej charakteris- tiky. V rámci ekonometrickej analýzy aukčných výsledkov práca implementuje zmenu v objeme internetového vyhľadávania poskytovaného službou Google Trends ako odraz záujmu, či postoja spoločnosti. Predmetom detailnej diskusie sú nielen cenové determinanty, ale i faktory, ktoré ovplyvňujú pravdepodob- nosť predaja daného obrazu na aukcii. Výsledky vedú k záveru, že navrhovaná veličina založená na Google Trends je skutočne významná pre určovanie ako ceny, tak aj pravdepodobnosti predaja. Okrem toho sa ako významné vplyvy na cenu i pravdepodobnosť ukazujú aukčné siene, osobná značka umelca či charakter diela. Klasifikace JEL D44, C25, F23, Z10, Z11 Klíčová slova trh s umením, aukcie, Google Trends, ceny, cenové determinanty, pravdepodob- nosť predaja E-mail autora elena.mizerakova@gmail.com E-mail vedoucího práce boril.sopov@gmail.com
|
|
|
Predicting Stock Market Volatility with Google Trends
Pecháček, Jan ; Krištoufek, Ladislav (vedoucí práce) ; Janotík, Tomáš (oponent)
Tato práce se zaměřuje na užitečnost Google Trends dat pro předpověď volatility akcií. S využitím denních dat získanách přímo od pražské Google kanceláře nejprve zkoumáme kauzalitu mezi aproximovanou volatilitou a Google daty tří amerických společností s vysokou kapitalizací. Poté odhadujeme modely GARCH a Heterogenní autoregrese (HAR) a obohatíme je o Google data. Zkoumáme in-sample a out-sample předpovědi a porovnáváme přesnost neobohacených a obohacených modelů. Naše výsledky ukazují, že Google data Granger způsobují volatilitu akcií, a tedy jsou vhodná pro předpověď pohybu akciových trhů. Obohacené modely ukazují přesnější in-sample předpověď a snižují persistenci volatility.
|
|
|
Google Econometrics: Unemployment in Visegrad Countries
Pavlíček, Jaroslav ; Krištoufek, Ladislav (vedoucí práce) ; Zeynalov, Ayaz (oponent)
Tato práce se zabývá vztahem míry nezaměstnanosti a objemu "Googlování" výrazů spojených s termínem práce v zemích Višegrádské čtyřky. Zjistili jsme, že indexy vyhledávání těchto výrazů se obecně pohybují ve stejném směru jako míra nezaměstnanosti. Data od Googlu se také prokázala býti užitečná pro tvoření předpovědí. Modely, které obsahovaly Google indexy, měly přesnější statické předpovědi s nižšími MAE a RMSE v porovnání se základními modely ve všech čtyřech zemích. Pouze v případě Polska a Slovenska se nám však podařilo najít potenciál pro tvoření krátkodobých předpovědí, tzv. "nowcastů". Powered by TCPDF (www.tcpdf.org)
|
|
|
Vliv informační kaskády na sektorové indexy
Večeřa, Rudolf
Diplomová práce zachycuje vliv informační kaskády, která způsobuje davové chování, na výnosnost sektorových indexů, přičemž práce rozlišuje mezi tržní a sektorovou informační kaskádou. Každou z nich reprezentuje indikátor vytvořený z dat, která poskytla služba Google trends. Vliv je prokazován rozšířením základního modelu CAPM do podoby více faktorového modelu, založenému na APT, o vytvořené indikátory. Pro analýzu robustnosti dosažených výsledků regrese je následně použita Grangerova kauzalita.
|
|
|
Forecasting Mortgages: Internet Search Data as a Proxy for Mortgage Credit Demand
Saxa, Branislav
Práce zkoumá možnost využití dat ze služby Google Trends pro krátkodobé predikce vývoje hypotečních úvěrů v České republice. Zatímco oficiální měsíční statistika hypotečních úvěrů je k dispozici s měsíčním zpožděním, data o vyhledávání informací o hypotékách jsou k dispozici na týdenní bázi bez jakéhokoli zpoždění. Četnost vyhledávaní je silně korelována s objemem skutečně poskytnutých hypoték, zpoždění mezi těmito časovými řadami je dva měsíce. Vyhodnocení „out-of-sample“ predikcí ukazuje, že data o vyhledávání na internetu signifikantně zlepšují predikce vývoje hypotečních úvěrů. Ve druhé části práce je navržen experimentální indikátor přísnosti úvěrových podmínek a standardů. Mnoho zemí k monitorování přísnosti úvěrových podmínek a standardů dnes využívá šetření úvěrových podmínek bank. Navržený indikátor představuje doplňkový nástroj k podobným šetřením.
Plný text:  PDF
|
host ::
RSS.