|
|
Essays on Model Uncertainty and Model Averaging
Skolkova, Alena ; Jurajda, Štěpán (vedoucí práce) ; Lafférs, Lukáš (oponent) ; Mikusheva, Anna (oponent)
V první kapitole této disertační práce navrhuji a studuji vlastnosti modelového průměrovacího estimátoru s hřebenovou regularizací. Navrhuji ridge-regularizační modifikace Mallowsova průměrování modelu(Hansen, 2007, Econometrica, 75) a Mallowsova průměrování modelu robustního vůči heteroskedasticitě(Liu and Okui, 2013, The Econometrics Journal, 16), abychom současně využili schopnosti průměrování a ridge regularizace. Prostřednictvím simulační studie dokumentuji vylepšení na konečném vzorku dat, což je důsledkem nahrazení nejmenších čtverců ridge regresí. Průměrování na základě ridge modelu je zvláště užitečné, když se zabýváme množstvími středně až vysoce korelovaných prediktorů, protože základní ridge regrese se korelované prediktory akomoduje, aniž by došlo k nafouknutí rozptylu odhadů. Jednoduchý teoretický příklad ukazuje, že relativní snížení střední kvadratické chyby roste se silou korelace. Na empirických příkladech, zaměřených na mzdy a ekonomický růst, dále demonstruji přednost ridge regularizovaných modifikací. Druhá kapitola se zaměřuje na použití elastic net regrese pro instrumentální odhad proměnných. Zkoumám relativní výkon odhadů lassa a elastic net pro predikované hodnoty prvního stupně jako součást odhadu IV. Jelikož elastic net obsahuje kromě penalizace typu lasso penalizaci typu...
|
|
|
Price Determinants of Art Photography at Auctions
Habalová, Veronika ; Šopov, Boril (vedoucí práce) ; Bauer, Michal (oponent)
V posledných rokoch sme boli svedkami opakovaných cenových rekordov v oblasti umenia a záujem o investovanie do umeleckej fotografie sa postupne zvyšoval. Hoci do skúmaniu cien malieb bolo venované už nezanedbateľné množstvo výskumu, umelecká fotografia stojí skôr na okraji pozornosti. Táto práca má za cieľ identifikovať cenové determinanty a ich efekty na hodnotu fotografií. Dáta sú zozbierané z archívov aukčných domov Sotheby's a Phil- lips, ktoré okrem informácií o predávanom predmete poskytujú niekedy aj obrazovú dokumentáciu. Táto je použitá na skonštruovanie nových premen- ných týkajúcich sa vizuálnych vlastností diel. Pri skúmaní vzťahov medzi zvolenými premennými sú aplikované štyri rôzne prístupy. Farba je signifi- kantnou premennou v niektorých OLS modeloch, ale tento efekt sa vytratí pri použití metódy priemerovania modelov. Dôležitosť vizuálnych atribútov je relatívne nízka aj pri použití metód strojového učenia - regresných stromov a náhodných lesov. Analýza taktiež ukazuje, že presnosť expertných odhadov cien sa dá zvýšiť za použitia ďalších premenných a metódy náhodných lesov. Nepresnosť expertných odhadov môže byť spôsobená nezahrnutím všetkých dostupných informácií alebo ich neefektívnym spracovaním. Klasifikácia: D44, Z11, G11 Kľúčové slová: aukcie cenové determinanty farba ...
|
|
|
Exchange Rate Forecasting: An Application with Model Averaging Techniques
Mida, Jaroslav ; Horváth, Roman (vedoucí práce) ; Bobková, Božena (oponent)
Predpovedanie výmenných kurzov vždy bolo zaujímavou témou. Cieľom mnohých akademikov bolo predpovedať vývoj hodnoty výmenného kurzu s menšou chybou ako náhodná predpoveď. Títo akadamici využili vo svojich prácach rozmanité techniky a datasety. V tejto práci sme použili techniku Bayesovho priemerovania modelu, kde konečná predpoveď je priemer predpovedí všetkých modelov. Aplikovali sme štvrťročné dáta od roku 1980 do 2013 a pokúsili sme sa odhadnuúť hodnoty výnosov výmenných kurzov piatich menových párov, ktoré neobsahujú americký dolár. Predikcia bola vykonaná na horizonte jedného, dvoch, štyroch a ôsmych kvartálov. Výsledné predpovede sme okrem náhodnej predpovedi porovnali aj s priemerným historickým výnosom pomocou niekoľkých kritérií, ako napríklad stredná kvadratická chyba, stredná absolútna odchýlka alebo hodnota smeru zmeny. Zistili sme, že Bayesove priemerovanie modelov zvyčajne neporazí náhodnú predpoveď alebo priemerný historický výnos. Na druhej strane, v niektorých špeciálnych situáciach táto métoda dokáže predpovedať s menšou chybou a s vysšším percentom správne predpokladaných zmien znamienka.
|
host ::
RSS.