|
|
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.
|
|
|
Prognostický model poptávky v oděvním průmyslu
Kunc, Tomáš ; Oulehla, Jiří (oponent) ; Luňáček, Jiří (vedoucí práce)
Práce se zaměřuje na prognostické metody a jejich porovnání dle ukazatelů přesnosti. Metody byli použity k sestavení prognostického modelu poptávky v oděvním průmyslu. Přínos práce spočívá v určení předpokládané poptávky pro následující období, který mohou využít prodejci, výrobci a všichni, jejichž rozhodování je ovlivněno velikostí poptávky po oděvních výrobcích. Práce obsahuje obecná doporučení, jak postupovat při sestavování prognózy a podle jakých kritérii zvolit vhodnou prognostickou metodu.
|
|
|
Anomaly Detection in Generated Incident Ticket Volumes
Šurina, Timotej ; Rychlý, Marek (oponent) ; Trchalík, Roman (vedoucí práce)
This bachelor thesis deals with the issue of time series anomaly detection. It presents methods STL decomposition, ARIMA, Exponential Smoothing and LSTM Networks. The aim is to use these methods to create an algorithm that can analyze the trend in a volume of generated incident tickets and detect anomalies form the trend. The solution was created based on a dataset provided by firm AT&T Global Network Services Czech Republic s.r.o. and implemented in the Python programming language.
|
|
|
Holtova-Wintersova metoda pro sezónní vyrovnávání
Koritarová, Lenka ; Cipra, Tomáš (vedoucí práce) ; Prášková, Zuzana (oponent)
Tato práce se zabývá metodami exponenciálního vyrovnávání u časových řad. Nejprve jsou popsány principy exponenciálního vyrovnávání, zaměříme se na zá- kladní přístupy: jednoduché, zdvojené vyrovnávání a Holtovu metodu. Tyto po- stupy jsou vhodné pro modelování časových řad bez sezónní složky. V praxi jsou ale velmi časté časové řady vykazující sezónnost, pro tyto časové řady se používá Holtova-Wintersova metoda, která je založena na principech exponenciálního vy- rovnávaní. V poslední části práce je ukázáno použití této metody na reálných datech.
|
|
|
Vybrané metody analýzy časových řad s programem STATISTICA
Indrová, Magdalena ; Hudecová, Šárka (vedoucí práce) ; Zichová, Jitka (oponent)
Práce se zabývá využitím programu STATISTICA k základní analýze časových řad. Zaměřena je na dekompozici časových řad, zejména na eliminaci trendu. Pro tuto analýzu byly vybrány tři sady dat, na kterých byla v programu STATISTICA eliminace trendu vyzkoušena. Nejprve jsou teoreticky popsány základní metody analýzy, a to modelování trendu matematickými křivkami (polynomiální, exponenciální, logistická, Gompertzova) a adaptivní přístupy (klouzavé průměry, jednoduché exponenciální vyrovnávaní a Holtova metoda). Následně jsou tyto postupy aplikovány v programu STATISTICA na tři různé datové soubory (měsíční stavy rozvahy nejmenované banky za období 1998-1993, postupné procentuální nahrazování plachetnic za lodě poháněné parou mezi lety 1820-1970 a kurz české koruny vůči euru od roku 1998 do 2012). Všechny postupy analýz jsou podrobně popsány a jednotlivé výstupy programu jsou detailně vysvětleny a komentovány.
|
|
|
Některé problémy exponenciálního vyrovnávání
Čurda, David ; Hanzák, Tomáš (vedoucí práce) ; Komárek, Arnošt (oponent)
V této práci je stručně popsáno několik základních metod exponenciálního vyrovnávání, které jsou často používané k vyrovnávání časových řad a předpovídání. Jsou zde prezentovány vybrané problémy při použití vyložených metod a v některých případech i návrhy na jejich řešení tak, aby upravená metoda vhodněji vyrovnávala data nebo vykazovala přesnější předpovědi. Uvedena je jejich aplikace na různé typy dat, porovnávání kvality vyrovnávání a přesnosti předpovědí. Na závěr je zhodnocena kvalita upravených metod.
|
|
|
Prognostický model poptávky v oděvním průmyslu
Kunc, Tomáš ; Oulehla, Jiří (oponent) ; Luňáček, Jiří (vedoucí práce)
Práce se zaměřuje na prognostické metody a jejich porovnání dle ukazatelů přesnosti. Metody byli použity k sestavení prognostického modelu poptávky v oděvním průmyslu. Přínos práce spočívá v určení předpokládané poptávky pro následující období, který mohou využít prodejci, výrobci a všichni, jejichž rozhodování je ovlivněno velikostí poptávky po oděvních výrobcích. Práce obsahuje obecná doporučení, jak postupovat při sestavování prognózy a podle jakých kritérii zvolit vhodnou prognostickou metodu.
|
|
|
Methods for periodic and irregular time series
Hanzák, Tomáš
Název práce: Metody pro periodické a nepravidelné časové řady Autor: Mgr. Tomáš Hanzák Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí disertační práce: Prof. RNDr. Tomáš Cipra, DrSc. Abstrakt: Disertační práce se primárně zabývá modifikacemi metod typu exponenciální vyrovnávání pro jednorozměrné časové řady s periodicitou a/nebo určitými typy nepravidelností. Je navržena modifikovaná Holtova metoda pro nepravidelné časové řady robustní vůči problému "časově blízkých" pozorování. Obecný koncept modelování sezónnosti je zaveden do Holtovy-Wintersovy metody včetně lineární interpolace sezónních indexů a použití goniometrických funkcí jako speciálních případů (obě metody jsou použitelné pro nepravidelná pozorování). Je zkoumán DLS odhad regrese s lineárním trendem a sezónními indexy a metoda je porovnána s aditivní Holtovou-Wintersovou metodou. Autokorelovaný člen je navržen jako další složka dekompozice časové řady. Navržené metody jsou porovnávány s klasickými na reálných datech a/nebo prostřednictvím simulačních studií. Klíčová slova: Diskontované nejmenší čtverce, exponenciální vyrovnávání, Holtova-Wintersova metoda, nepravidelná pozorování, periodicita časových řad
|
|
|
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
|
|
|
Anomaly Detection in Generated Incident Ticket Volumes
Šurina, Timotej ; Rychlý, Marek (oponent) ; Trchalík, Roman (vedoucí práce)
This bachelor thesis deals with the issue of time series anomaly detection. It presents methods STL decomposition, ARIMA, Exponential Smoothing and LSTM Networks. The aim is to use these methods to create an algorithm that can analyze the trend in a volume of generated incident tickets and detect anomalies form the trend. The solution was created based on a dataset provided by firm AT&T Global Network Services Czech Republic s.r.o. and implemented in the Python programming language.
|
host ::
RSS.