|
|
Analyze and economic time series forecasting by using selected statistical methods
Skopal, Martin ; Charvát, Pavel (oponent) ; Mauder, Tomáš (vedoucí práce)
In this thesis we aim to construct a fully automatic forecasting algorithm, which is trying to utilize a combining procedure on two levels between two families of forecasting models, Box-Jenkins and Exponential smoothing state space models, that is able to deal with homoscedastic and heteroscedastic time series. For this we devise a selection procedure in the MATLAB environment for ARIMA models. The resulting combined model is then applied several financial time series and its performance is discussed.
|
|
|
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.
|
|
|
Analyze and economic time series forecasting by using selected statistical methods
Skopal, Martin ; Charvát, Pavel (oponent) ; Mauder, Tomáš (vedoucí práce)
In this thesis we aim to construct a fully automatic forecasting algorithm, which is trying to utilize a combining procedure on two levels between two families of forecasting models, Box-Jenkins and Exponential smoothing state space models, that is able to deal with homoscedastic and heteroscedastic time series. For this we devise a selection procedure in the MATLAB environment for ARIMA models. The resulting combined model is then applied several financial time series and its performance is discussed.
|
host ::
RSS.