|
|
Možnosti predikce výnosu daní - teoretické aspekty a faktory ovlivňující daňový výnos u daní z příjmu
Stratil, Zdeněk ; Klazar, Stanislav (vedoucí práce) ; Schvábová, Andrea (oponent)
Moje bakalářská práce se zabývá teoretickými aspekty predikce daňových výnosů. Hlavním cílem je identifikace faktorů, které mohou ovlivňovat prognózování daňových příjmů, se zaměřením na daně z příjmu fyzických a právnických osob. Jednotlivé faktory jsou rozděleny podle toho, jakým způsobem ovlivňují predikci. První skupina tvoří rámec celého prognostického procesu a jsou v ní zejména faktory obecné povahy, jako například vlivy politické či technologické. Další skupina faktorů přímo vstupuje do prováděných predikcí. Jedná se o hlavní makroekonomické ukazatele jako ekonomický růst, inflace, struktura trhu práce, aj. V poslední části jsou rozebrány konkrétní vlivy, které působí na predikci výnosu daní z příjmu.
|
|
|
Struktura a vlastnosti modelu GARCH(1,1)
Maštalíř, Jakub ; Pígl, Jan (vedoucí práce)
Cílem této práce je seznámit čtenáře s ekonometrickým přístupem k modelování volatility finančních časových řad a prozkoumat konstrukci, vlastnosti a omezení populárního modelu GARCH(1,1) při jeho aplikaci na reálná data z trhu a to v širším kontextu než je obvykle prezentován v referenční literatuře. V první části si zopakujeme vybrané důležité statistické pojmy z oblasti ekonometrie časových řad, které v navazujících částech budeme potřebovat a které dále budeme již běžně používat. Pohovoříme rovněž poněkud obecněji o volatilitě, jejím modelování a vůbec měření, neboť její skutečné hodnoty vlastně neznáme a pozorujeme na trzích pouze její projevy. Zmíníme důležité statistické nástroje sloužící ovšem jako nenahraditelný komplement samotného modelu GARCH při jeho používání. Ten si představíme ve druhé části, kde prozkoumáme jeho typické vlastnosti, výhody, omezení a samozřejmě statistickou inferenci. Protože se jedná o velmi flexibilní model s obecnější stavbou, probereme rovněž i komplikace vznikající při aplikacích vůbec a způsoby jejich řešení. Ve třetí části potom provedeme aplikaci na reálná data, názorně ukážeme projevy prostudovaných vlastností a na závěr také ověříme, do jaké míry je tento model skutečně schopen volatilitu odhadovat.
|
host ::
RSS.