velikost textu

Machine learning-based approaches to forecasting international trade

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Machine learning-based approaches to forecasting international trade
Název v češtině:
Prognózování mezinárodního obchodu s využitím metod strojového učení
Typ:
Bakalářská práce
Autor:
Bc. Tomáš Kovařík
Vedoucí:
Ing. Vilém Semerák, M.A., Ph.D.
Oponent:
Vít Macháček
Id práce:
191197
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (B6201)
Obor studia:
Ekonomie a finance (EF)
Přidělovaný titul:
Bc.
Datum obhajoby:
29. 1. 2019
Výsledek obhajoby:
Výborně (B)
Jazyk práce:
Angličtina
Klíčová slova:
machine learning, mezinárodní obchod, prognostika
Klíčová slova v angličtině:
machine learning, international trade, forecasting
Abstrakt:
V této práci se soustředím na porovnání gravitačního modelu odhadnutého pomocí metody nejmenších čtverců a metody Poissonovy maximální věrohodnosti oproti regresním technikám založeným na strojovém učení, konkrétně se jedná o support vector machines, random forests, a umělé neuronové sítě. Provádím diskusi výhod a nevýhod jednotlivých přístupů a srovnávám jejich predikční schopnosti na exportních datech. Demonstruji, že random forest model a umělé neuronové sítě poskytují lepší predikce.
Abstract v angličtině:
In this thesis I focus on comparison of gravity model estimated with ordinary least squares and Poisson pseudo-maximum likelihood with regression techniques based on machine learning, namely support vector machines, random forests, and arti_cial neural networks. I discuss the advantages and disadvantages of these approaches and compare their forecasting accuracy on exports data. I demonstrate that random forest models and arti_cial neural networks provide superior forecasting accuracy.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce Bc. Tomáš Kovařík 1.22 MB
Stáhnout Abstrakt v českém jazyce Bc. Tomáš Kovařík 54 kB
Stáhnout Abstrakt anglicky Bc. Tomáš Kovařík 49 kB
Stáhnout Posudek vedoucího Ing. Vilém Semerák, M.A., Ph.D. 213 kB
Stáhnout Posudek oponenta Vít Macháček 361 kB
Stáhnout Záznam o průběhu obhajoby PhDr. Julie Chytilová, Ph.D. 152 kB