|
|
Time series dynamic factor analysis
Slávik, Ľuboš ; Michálek, Jaroslav (referee) ; Hübnerová, Zuzana (advisor)
Táto diplomová práca sa zaoberá novým prístupom k zhlukovaniu časových rád na základe dynamického faktorového modelu. Dynamický faktorový model je technika redukujúca dimenziu a rozširuje klasickú faktorovú analýzu o požiadavku autokorelačnej štruktúry latentných faktorov. Parametre modelu sa odhadujú pomocou EM algoritmu za použitia Kalmanovho filtra a vyhladzovača a taktiež sú aplikované nevyhnutné podmienky na model, aby sa stal identifikovateľným. Po tom, ako je v práci predstavený teoretický koncept prístupu, dynamický faktorový model je aplikovaný na skutočné pozorované časové rady a práca skúma jeho správanie a vlastnosti na jednomesačných meteorologických dátach požiarneho indexu (Fire Weather Index) na 108 požiarnych staniciach umiestnených v Britskej Kolumbii. Postup výpočtu modelu odhadne záťažovú maticu (loadings matrix) spolu so zodpovedajúcim malým počtom latentných faktorov a kovariačnou maticou modelovaných časových rád. Diplomová práca aplikuje k-means zhlukovanie na výslednú záťažovú maticu a ponúka rozdelenie meteorologických staníc do zhlukov založené na redukovanej dimenzionalite pôvodných dát. Vďaka odhadnutým priemerom zhlukov a odhadnutým latentným faktorom je možné získať aj priemerné trendy každého zhluku. Následne sú dosiahnuté výsledky porovnané s výsledkami získanými na dátach z rovnakých staníc avšak iného mesiaca, aby sa stanovila stabilita zhlukovania. Práca sa taktiež zaoberá efektom varimax rotácie záťažovej matice. Diplomová práca naviac navrhuje metódu detekovania odľahlých časových rád založenú na odhadnutej kovariačnej matici modelu a rozoberá dôsledky odľahlých hodnôt na odhanutý model.
|
|
|
GDPNow for the Czech Republic
Kutman, Jan ; Havránek, Tomáš (advisor) ; Kukačka, Jiří (referee)
The gross domestic product (GDP) is an essential measure of the state of economic activity and serves as a crucial tool for policymakers, investors, or businesses. However, the official GDP estimate in the Czech Republic is only available with a lag of approximately 60 days, and the Czech National Bank (CNB) announces its GDP forecast once in each quarter. This thesis focuses on predicting GDP growth in the current quarter, referred to as nowcasting. I employ several methods to nowcast the real GDP growth in the Czech Republic in a pseudo-real-time setting and compare their performance. Additionally, I investigate the possibility of creating an ensemble model by using a weighted average of several nowcasting models. The results suggest that the Dynamic Factor Model (DFM) performs best in the GDP nowcasting task, and its predictive accuracy is comparable with the official CNB nowcast. Furthermore, the model averaging process yields accuracy close to the best individual model while addressing model uncertainty. The GDP nowcast of the DFM will be made available to the public in real-time on a website and updated with a daily frequency.
|
|
|
Time series dynamic factor analysis
Slávik, Ľuboš ; Michálek, Jaroslav (referee) ; Hübnerová, Zuzana (advisor)
Táto diplomová práca sa zaoberá novým prístupom k zhlukovaniu časových rád na základe dynamického faktorového modelu. Dynamický faktorový model je technika redukujúca dimenziu a rozširuje klasickú faktorovú analýzu o požiadavku autokorelačnej štruktúry latentných faktorov. Parametre modelu sa odhadujú pomocou EM algoritmu za použitia Kalmanovho filtra a vyhladzovača a taktiež sú aplikované nevyhnutné podmienky na model, aby sa stal identifikovateľným. Po tom, ako je v práci predstavený teoretický koncept prístupu, dynamický faktorový model je aplikovaný na skutočné pozorované časové rady a práca skúma jeho správanie a vlastnosti na jednomesačných meteorologických dátach požiarneho indexu (Fire Weather Index) na 108 požiarnych staniciach umiestnených v Britskej Kolumbii. Postup výpočtu modelu odhadne záťažovú maticu (loadings matrix) spolu so zodpovedajúcim malým počtom latentných faktorov a kovariačnou maticou modelovaných časových rád. Diplomová práca aplikuje k-means zhlukovanie na výslednú záťažovú maticu a ponúka rozdelenie meteorologických staníc do zhlukov založené na redukovanej dimenzionalite pôvodných dát. Vďaka odhadnutým priemerom zhlukov a odhadnutým latentným faktorom je možné získať aj priemerné trendy každého zhluku. Následne sú dosiahnuté výsledky porovnané s výsledkami získanými na dátach z rovnakých staníc avšak iného mesiaca, aby sa stanovila stabilita zhlukovania. Práca sa taktiež zaoberá efektom varimax rotácie záťažovej matice. Diplomová práca naviac navrhuje metódu detekovania odľahlých časových rád založenú na odhadnutej kovariačnej matici modelu a rozoberá dôsledky odľahlých hodnôt na odhanutý model.
|
|
|
Nowcasting Czech GDP in Real Time
Rusnák, Marek
The prominent measure of the current state of the Czech economy, gross domestic product (GDP), is available only with a significant lag of roughly 70 days. In this paper, we employ a Dynamic Factor Model (DFM) to nowcast Czech GDP in real time. Using multiple vintages of historical data and taking into account the publication lags of various monthly indicators, we evaluate the real-time performance of the DFM over the 2005– 2012 period. The results suggest that the accuracy of model-based nowcasts is comparable to that of the judgmental nowcasts of the Czech National Bank (CNB). Our results also suggest that foreign variables are crucial for the accuracy of the model, while omitting financial and confidence indicators does not worsen the nowcasting performance. Finally, we show how releases of new data can be viewed through the lens of the dynamic factor model.
Fulltext:  PDF
|
guest ::
