|
|
Analýza ekonomických dat s využitím statistických metod
Španěl, Roman ; Smrčková, Gabriela (oponent) ; Michalíková, Eva (vedoucí práce)
Tato bakalářská práce se zaměřuje na hodnocení firmy DEZA, a.s. za využití finanční analýzy a statistických metod. Práce je rozdělena do tří částí. První, teoretická část popisuje veškeré postupy a metody použité v této práci. Praktická část obsahuje samotnou analýzu. Ta je východiskem pro zhodnocení současného stavu podniku spolu s doporučením na zlepšení do budoucna, které se nachází v poslední části.
|
|
|
Analýza ekonomických dat s využitím statistických metod
Španěl, Roman ; Smrčková, Gabriela (oponent) ; Michalíková, Eva (vedoucí práce)
Tato bakalářská práce se zaměřuje na hodnocení firmy DEZA, a.s. za využití finanční analýzy a statistických metod. Práce je rozdělena do tří částí. První, teoretická část popisuje veškeré postupy a metody použité v této práci. Praktická část obsahuje samotnou analýzu. Ta je východiskem pro zhodnocení současného stavu podniku spolu s doporučením na zlepšení do budoucna, které se nachází v poslední části.
|
|
|
Artificial neural networks for macroeconomic data analysis
Padrón Peňa, Ildefonso ; Mrázová, Iveta (vedoucí práce) ; Kuboň, David (oponent)
The analysis and prediction of macroeconomic time-series is a factor of great interest to national policymakers. However, economic analysis and forecast- ing are not simple tasks due to the lack of a precise model for the economy and the influence of external factors, such as weather changes or political decisions. Our research is focused on Spanish speaking countries. In this thesis, we study dif- ferent types of neural networks and their applicability for various analysis tasks, including GDP prediction as well as assessing major trends in the development of the countries. The studied models include multilayered neural networks, recur- sive neural networks, and Kohonen maps. Historical macroeconomic data across 17 Spanish speaking countries, together with France and Germany, over the time period of 1980-2015 is analyzed. This work then compares the performances of various algorithms for training neural networks, and demonstrates the revealed changes in the state of the countries' economies. Further, we provide possible reasons that explain the found trends in the data.
|
|
|
Exact Inference In Robust Econometrics under Heteroscedasticity
Kalina, Jan ; Peštová, B.
The paper is devoted to the least weighted squares estimator, which is one of highly robust estimators for the linear regression model. Novel permutation tests of heteroscedasticity are proposed. Also the asymptotic behavior of the permutation test statistics of the Goldfeld-Quandt and Breusch-Pagan tests is investigated. A numerical experiment on real economic data is presented, which also shows how to perform a robust prediction model under heteroscedasticity. Theoretical results may be simply extended to the context of multivariate quantiles
|
|
|
Deep neural networks and their application for economic data processing
Witzany, Tomáš ; Mrázová, Iveta (vedoucí práce) ; Křen, Tomáš (oponent)
Název práce: Hluboké neuronové sítě a jejich využití při zpracování ekonomických dat Autor: Bc. Tomáš Witzany Katedra: Katedra teoretické informatiky a matematické logiky Vedoucí diplomové práce: Doc. RNDr. Iveta Mrázová, CSc., Katedra teoretické informatiky a matematické logiky Abstrakt: Analýza makroekonomických časových řad je klíčová pro informovanost rozhodnutí politiků na národní úrovni. Analýza ekonomických údajů má boha- tou historii a zejména v oblasti modelování nelineárních závislostí zůstává mnoho otevřených otázek. K moderním nástrojům pro analýzu časových řad patří mimo jiné metody strojového učení. Z těchto metod neuronové sítě patří k jedné z nejpoužívanějších, jak modelovat nelineární závislosti. Cíl této práce spočívá ve studiu hlubokých neuronových sítí, analýze jejich vlastností a posouzení jejich kvalit pro řešení úloh, například prognózu vývoje HDP nebo klastrování zemí. Použité modely zahrnují vrstevnaté neuronové sítě, LSTM sítě, konvoluční sítě a Kohonenovy mapy. K analýze a testování studovaných modelů byla použita historická data poskytovaná Organizací spojených národů a Světovou bankou. Tato data zahrnují historii makroekonomického vývoje přes...
|
|
|
Exact Inference In Robust Econometrics under Heteroscedasticity
Kalina, Jan ; Peštová, Barbora
The paper is devoted to the least weighted squares estimator, which is one of highly robust estimators for the linear regression model. Novel permutation tests of heteroscedasticity are proposed. Also the asymptotic behavior of the permutation test statistics of the Goldfeld-Quandt and Breusch-Pagan tests is investigated. A numerical experiment on real economic data is presented, which also shows how to perform a robust prediction model under heteroscedasticity. Theoretical results may be simply extended to the context of multivariate quantiles
|
host ::
RSS.