Analýza a modelování burzovních dat

DSpace Repository

Login

Language: English čeština 

Analýza a modelování burzovních dat

Show simple item record

dc.contributor.advisor Kubalčík, Marek
dc.contributor.author Směták, Roman
dc.date.accessioned 2019-07-04T09:10:47Z
dc.date.available 2019-07-04T09:10:47Z
dc.date.issued 2018-12-03
dc.identifier Elektronický archiv Knihovny UTB
dc.identifier.uri http://hdl.handle.net/10563/44505
dc.description.abstract V této práci je popsáno prostředí akciových trhů, včetně jejich klasických analýz. Popsány jsou také zdroje pro získání burzovních případně souvisejících ekonomických dat a případné problémy s nimi. Jsou zde definovány časové řady a popsány metody pro jejich modelování. Zvoleny jsou také parametry pro modelování těchto řad. Pro vyhodnocení kvality modelu a predikce jsou zvoleny vhodné funkce Je porovnána predikce provedena jak pomocí statistických regresí, tak z oblasti softcomputingu (analytické programování) . Jeden směr tvorby predikce je jen na základě minulých hodnot, druhý směr predikuje hodnoty v závislost na více vstupech.
dc.format 48
dc.language.iso cs
dc.publisher Univerzita Tomáše Bati ve Zlíně
dc.rights Bez omezení
dc.subject predikce cs
dc.subject burzovní data cs
dc.subject autoregresní model cs
dc.subject modelace časových řad cs
dc.subject srovnání s analytickým programováním cs
dc.subject prediction en
dc.subject stock exchange data en
dc.subject autoregressive model en
dc.subject time series modeling en
dc.subject comparison with analytical programming prediction en
dc.title Analýza a modelování burzovních dat
dc.title.alternative Analysis and Modelling Stock Exchange Data
dc.type diplomová práce cs
dc.contributor.referee Barot, Tomáš
dc.date.accepted 2019-06-03
dc.description.abstract-translated This work describes the stock market environment, including their classical analyzes. There are also described sources for obtaining stock exchange or related economic data and possible problems with them. There are defined time series and methods for their modeling. Parameters for modeling these series are also selected. Suitable functions are chosen to evaluate the model's quality and prediction. The prediction is compared using both statistical regression and softcomputing (analytical programming). One direction of prediction creation is based only on past values, the other direction predicts values depending on multiple inputs.
dc.description.department Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline Informační technologie cs
dc.thesis.degree-discipline Information Technologies en
dc.thesis.degree-grantor Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky cs
dc.thesis.degree-grantor Tomas Bata University in Zlín. Faculty of Applied Informatics en
dc.thesis.degree-name Ing.
dc.thesis.degree-program Inženýrská informatika cs
dc.thesis.degree-program Engineering Informatics en
dc.identifier.stag 51647
utb.result.grade E
dc.date.submitted 2019-05-17


Files in this item

Files Size Format View Description
směták_2019_dp.pdf 2.126Mb PDF View/Open None
směták_2019_op.pdf 256.0Kb PDF View/Open None
směták_2019_vp.pdf 215.7Kb PDF View/Open None

This item appears in the following Collection(s)

Show simple item record

Find fulltext

Search DSpace


Browse

My Account