Hlavní stránka > Výsledky hledání: keywords:"ARIMAX|Hybrid model|Prediction|Stock Market|XGBoost"
Hledej:
Tipy pro vyhledávaní :: Rozšířené hledání
Hledej ve sbírkách:
Seřadit podle: Zobrazit výsledky: Výstupní formát:
Národní úložiště šedé literatury Nalezeno 1 záznamů.  Hledání trvalo 0.01 vteřin. 
Moderní predikční metody pro finanční časové řady
 Herrmann, Vojtěch ; Hendrych, Radek (vedoucí práce) ; Cipra, Tomáš (oponent)
Tato práce se zabývá porovnáním vybraného tradičního přístupu k modelování a pre- dikci časových řad (ARIMAX model) s vybraným moderním přístupem - pomocí gradi- entně boostovaných rozhodovacích stromů implementovaných v rámci knihovny XGBoost. V první části práce je představen teoretický rámec supervizovaného učení, modelu ARI- MAX a gradientního boostingu v kontextu rozhodovacích stromů. V druhé části jsou identifikovány modely ARIMAX a XGBoost, které oba predikují konkrétní časovou řadu - denní zobchodovaný objem indexu S&P 500, což je pro řadu odvětví velmi důležitá úloha. Dále jsou porovnány výsledky jednotlivých přístupů, jsou popsány výhody XGBo- ost, které pravděpodobně vedly k jeho lepším výsledkům v této konkrétní simulační studii a je ukázána důležitost optimalizace hyperparametrů. Na závěr jsou metody porovnány i po praktické stránce, speciálně co do výpočetní náročnosti. V poslední části práce je odvozena teorie hybridního modelu a navrženy algoritmy pro nalezení optimálního hyb- ridního modelu. Ty jsou následně aplikovány na problém predikce objemu. Optimální hybridní model kombinuje modely ARIMAX a XGBoost a dosahuje lepších výsledků než jednotlivé modely samostatně. 1
Úplný záznam

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.
Digitální repozitář :: Hledej :: Nový záznam :: Personalizace :: Nápověda
Powered by Invenio v1.1.2
Spravuje admin.invenio@techlib.cz
Tato stránka je dostupná také v následujících jazycích:
Česky  English