|
|
Posouzení ekonomické situace společnosti a návrhy na její zlepšení
Vaverka, Daniel ; MBA, Jitka Houšťová, (oponent) ; Doubravský, Karel (vedoucí práce)
Zaměření této diplomové práce se týká posouzení ekonomické situace u vybrané společnosti ConTeyor Czech Republic s.r.o. Diplomová práce je rozdělena do tří hlavních částí, a to teoretická východiska práce, analytická část a závěrečné návrhy, které by mohly znamenat zlepšení. Pro celkové zhodnocení situace jsou využívány ekonomické a statistické ukazatele. Hlavním podkladem jsou finanční výkazy analyzované společnosti za období 2010 – 2019.
|
|
|
Bayesian modeling of market price using autoregression model
Šindelář, Jan
1 Bayesovské modelování tržní ceny za pomoci autoregresního modelu 1Šindelář Jan Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí doktorské práce: Ing. Miroslav Kárný, DrSc. Abstrakt: V doktorské práci je vyřešena úloha bayesovské filtrace v autoregresním modelu s laplaceovsky rozloženým šumem. Odhadování v regresním modelu s inovacemi s těžkými chvosty bylo již dříve z pohledu bayesovské statistiky studováno [2], [1]. V porovnání s dříve provedenými studiemi vede však řešení navržené v této práci na analytický vzorec specifikující přesnou funkční formu aposteriorní hustoty parametrů. Takové řešení bylo dříve známo pouze pro velmi omezenou třídu rozdělení šumu. V textu je dále navržen algoritmus vedoucí k efektivnímu řešení zadané úlohy. Tento algoritmus je pomalejší než algoritmus pro klasický model, avšak díky zvyšující se výpočetní kapacitě počítačů a zvyšující se podpoře paralelního počítaní, může být proveden v rozumném čase pro modely s nepříliš vysokým počtem parametrů. Klíčová slova: Bayesovský, Autoregresní, Optimální obchodování, Časové řady References [1] P. Congdon. Bayesian statistical modelling. Wiley, 2006. [2] A. Zellner. Bayesian and Non-Bayesian...
|
|
|
Mnohorozměrné modely zobecněné autoregresní podmíněné heteroskedasticity
Nováková, Martina ; Pešta, Michal (vedoucí práce) ; Maciak, Matúš (oponent)
Tato diplomová práce se věnuje představení některých přístupů k rozšíření jednoroz- měrného GARCH modelu do více dimenzí. Představujeme jednotlivé modely a věnujeme se metodám jejich odhadu. Dále uvádíme některé statistické testy pro kontrolu modelu. Jeden z nich, Ling-Li test, jsme naprogramovali ve statistickém softwaru R. Vybrané mo- dely jsme aplikovali na reálná data akciových fondů S&P 500 a Russell 2000 a akcií ropy. U GO-GARCH modelu jsme porovnali všechny dostupné metody odhadu a ukázali je- jich rozdíly. Výsledky všech modelů jsme porovnali mezi sebou a také s jednorozměrnými modely z hlediska odhadů podmíněných rozptylů, odhadů podmíněných korelací a také z hlediska výpočetní náročnosti. 1
|
|
|
A correction of the local incidence angle of SAR data: a land cover specific approach for time series analysis
Paluba, Daniel ; Štych, Přemysl (vedoucí práce) ; Mouratidis, Antonios (oponent)
K zajištění co nejvyššího možného časového rozlišení dat SAR je nutné použít všechny dostupné dráhy družic nad daným územím. To může představovat výzvu v hornatém terénu, kde boční snímání družic SAR v kombinaci s různými sklony a aspekty terénu může silně ovlivnit intenzitu zpětného radarového rozptylu. Tyto chyby způsobené terénem je třeba odstranit pro možné porovnání dat v čase. Ačkoli v literatuře jsou popsány metody, které se zabývají tímto problémem, žádná z těchto metod není připravena na operativní a snadno přístupnou analýzu časových řad v horských oblastech. Tato studie se zabývá metodou korekce lokálního dopadového úhlu (LIA) pro analýzu časových řad lesů v horských oblastech. Metodika je založena na použití lineární závislosti mezi radarovým zpětným rozptylem a LIA, který se počítá pro každý satelitní snímek zvlášť. Použitím kombinace databází CORINE a Hansen Global Forest můžeme pro každý jednotlivý snímek získat širokou škálu různých LIA pro konkrétní typ lesa. Algoritmus korekce byl připraven v cloudové platformě Google Earth Engine (GEE) s využitím volně dostupných dat Sentinel-1, digitálního modelu terénu SRTM a databází CORINE a Hansen Global...
|
|
|
Hodnocení lesní vegetace pomocí časových řad družicových snímků
Laštovička, Josef ; Štych, Přemysl (vedoucí práce) ; Brom, Jakub (oponent) ; Bucha, Tomáš (oponent)
Příloha k disertační práci: Abstrakt (Mgr. Josef Laštovička) Abstrakt Disertační práce se zabývá studiem lesních ekosystému na území střední Evropy pomocí časových řad družicových snímků, se zaměřením na zpracování optických multispektrálních dat. Právě lesní ekosystémy jsou poslední desetiletí pod četnými disturbancemi biotického i abiotického charakteru. Časové řady družicových dat s vysokým prostorovým rozlišením umožňují lesní disturbance podrobně zkoumat a analyzovat. V práci je kladen důraz na užití volně dostupných dat Landsat a Sentinel- 2, pro něž bylo provedeno detailní testování a porovnání. Vybrány byly diferenční metody časových řad. Práci lze rozdělit do dvou částí. První část zkoumá detekci lesních povrchů pomocí per-pixelových a sub-pixelových klasifikačních metod. Konkrétně bylo užito per-pixel klasifikátorů Neural Network, Support Vector Machine a Maximum Likelihood, které byly mezi sebou vzájemně otestovány a porovnány pro různé typy dat (s vysokým prostorovým rozlišením - Landsat a Sentinel; i velmi vysokým prostorovým rozlišením - WorldView-2) pro detekci land cover chráněných území. Z výše zmíněných klasifikátorů dosahoval nejvyšší přesnosti klasifikace Support Vector Machine. Z hlediska sub-pixelové klasifikace bylo využito Spectral Unmixing metod. Konkrétně byly pro tvorbu frakcí...
|
|
|
Anomaly detection for stock market trading data
Fusková, Martina ; Kofroň, Jan (vedoucí práce) ; Kliber, Filip (oponent)
Obchodování na burze je velmi komplexní téma, které zahrnuje spoustu náročných problémů. Jedním z těchto problémů je detekce anomálií. Detekce anomálií v reálném čase je velice náročný úkol, a proto tento problém zůstává otevřen. Cílem této práce je zkoumat různé modely a algoritmy, které mohou být použity a pokusit se najít ty nejvhodnější pro tento problém. Vytvoříme modely, které detekují anomálie na základě hustoty dat, i statistické modely a neuronové sítě, které detekují anomálie na základě porovnání predikovaných a skutečných dat. Výsledkem této práce je návrh modelů, které mohou být dále zkoumány a použity pro detekci v reálném čase.
|
|
|
Probability forecast in exponential smoothing models
Viskupová, Barbora ; Hudecová, Šárka (vedoucí práce) ; Cipra, Tomáš (oponent)
Táto diplomová práca sa zaoberá využitím štatistických stavových modelov exponen- ciálneho vyrovnávania pri odhadovaní podmieneného pravdepodobnostného rozdelenia budúcich hodnôt časových radov. Jeho znalosť umožňuje počítať nielen bodové, ale aj in- tervalové predpovede. Práca popisuje metódy exponenciálneho vyrovnávania a zasadzuje ich do kontextu stavových modelov. Venuje sa analytickým postupom a simulačným me- tódam, využívaným pri výpočte intervalových predpovedí, konkrétne uvažuje simulácie založené na predpoklade normálneho rozdelenia, vychádzajúce z bootstrap metódy alebo na základe odhadnutého parametrického modelu. Obsahuje ukážku ich aplikácie na si- mulované aj na reálne dáta a porovnanie ich výsledkov. 1
|
|
| |
|
|
Analýza ekonomických dat s využitím statistických metod
Grigoryeva, Ekaterina ; Novotná, Veronika (oponent) ; Michalíková, Eva (vedoucí práce)
Tato bakalářská práce se zabývá posouzením ekonomických ukazatelů společnosti “Samsung Electronics Czech and Slovak , s.r.o.” s využitím statistických metod a metod finanční analýzy. V práci bude provedeno kvalitní hodnocení fungování vybraného podniku, zjištění návrhu opatření vedoucích ke zlepšení jeho ekonomické situace. Metody a nástroje pro analýzu podniku budou probrány jak teoretický tak i prakticky. V závěru práce bude uveden kompletní přehled finanční situace podniku.
|
|
|
Posouzení vybraných ukazatelů společnosti pomocí statistických metod
Novotný, Martin ; Přenosil, Jan (oponent) ; Doubravský, Karel (vedoucí práce)
Bakalářská práce je zaměřená na posouzení finančního vývoje podniku pomocí časových řad a hodnocení finančních ukazatelů za období 2012 až 2018. Práce je rozdělena na teoretickou část, která popisuje finanční analýzu; regresní analýzu a časové řady z teoretického hlediska, praktickou část, která představuje podnik a analyzuje jednotlivé finanční ukazatele na základě účetních výrazů. Za pomocí statistických ukazatelů je stanoven další možný vývoj analyzovaných ukazatelů a také návrhy na zlepšení finanční situace podniku které popisuje poslední část bakalářské práce.
|
host ::
RSS.