|
|
Prediction of Czech GDP using mixed-frequency machine learning models
Kotlan, Ivan ; Polák, Petr (vedoucí práce) ; Kukačka, Jiří (oponent)
Cílem této práce je za prvé poskytnout p esn jöí p edpov r stu HDP eské republiky neû oficiální odhad eského statistického ú adu a eské národní banky. Zadruhé rozöí it literaturu, zkoumající predikce asov˝ch ad s pouûitím strojového u ení vyuûívající data s r zn˝mi frekvencemi. P estoûe pouûité mod- ely (Ridge model a Random Forest) nedokázaly p ekonat odhady oficiálních in- stitucí, tato práce p isp la sv˝mi v˝sledky k rozöí ení zatím málo prozkoumané oblasti zab˝vající se vyuûitím strojového u ení s daty o libovoln˝ch frekvencích. Vzhledem k tomu, ûe neexistuje model strojového u ení, kter˝ by um l praco- vat s daty o r zn˝ch frekvencí, tato práce ukazuje, jak prom nné transformo- vat do podoby vhodné pro jak˝koliv model. Dále je zkoumán efekt pouûití r zn˝ch typu datset . Datasety se liöily v asu p edpov di; konec sou asného tvrtletí (nowcast) a 40 dní po referen ním tvrtletí (backcast), typu trnasfor- mace dataset; pouûití standardizovan˝ch a nestandardizovan˝ch dat a nakonec na nejlepöím modelu (Ridge) je zkoumán vliv tzv. vysokofrekven ních prom n- n˝ch (na t˝denní bázi). Zatímco u Random Forestu typ datasetu nehrál v˝z- namnou roli, v p ípad Ridge modelu rozdíln˝ dataset siln ovlivnil odhadované hodnoty. Hlavní rozdíl pak byl mezi netransformovan˝m a transformovan˝m datasetem, kdy p i pouûití...
|
|
|
GDPNow for the Czech Republic
Kutman, Jan ; Havránek, Tomáš (vedoucí práce) ; Kukačka, Jiří (oponent)
Hrubý domácí produkt (HDP) je základním měřítkem stavu ekonomiky a slouží jako klíčový ukazatel pro zákonodárce, investory nebo podniky. Česká Národní Banka (ČNB) ale zveřejňuje oficiální odhad HDP až přibližně 60 dní po konci daného čtvrtletí, přičemž předpověď budoucího růstu HDP zveřejňuje ČNB vždy jen jednou v každém čtvrtletí. Tato diplomová práce se zaměřuje na predikci HDP v současném čtvrtletí, tzv. Nowcasting. Používám několik metod na průběžnou předpověď HDP v České republice a porovnávám jejich výsledky. Zkoumám také možnosti kombinace několika modelů za použití váženého průměrování jejich předpovědí. Výsledky ukazují, že Model Dynamického Faktoru předpovídá růst HDP v České republice nejlépe ze všech použitých modelů a přesnost jeho odhadů je srovnatelná s oficiálními predikcemi ČNB. Kombinace sedmi nejlepších individuálních modelů dosahuje přesnosti predikcí obdobné s nejlepším individuálním modelem a zároveň řeší problém nejistoty při výběru optimálního modelu. Predikce HDP získané modelem dynamického faktoru plánuji zveřejnit na internetové stránce a denně aktualizovat.
|
host ::
RSS.