Odhady časových řad pomocí modelů neuronových sítí

Robin Jiráň

Master's thesis

Time series annalyze by neural networks models

Abstract:

Tato práce se zabývá využitím modelu neuronových sítí jako alternativy k modelům časových řad založených na Boxově-Jenkinsově metodologii. Práce je rozdělena na dvě částí podle metody konstrukce modelu. Každá z částí obsahuje teorii, kde jsou vysvětleny jednotlivé procesy a postup výstavby modelu. Na tuto část navazují dva experimenty, kde je názorně demonstrována rozdílnost přístupu ke konstrukci daného modelu a vytvořena předpověď na následující rok na základě odhadnutých hodnot. Poslední část expertně hodnotí kvalitu daných předpovědí a usuzuje o využitelnosti neuronových sítí k predikci jako alternativy k modelům založených na Boxově-Jenkinsově metodologii.

Abstract:

This thesis deals about using models of neural networks like alternative of time series model based on Box-Jenkins methodology. The work is divided into two parts according to the model construction method. Each of the parts contains a theory that explains the individual processes and the progress of the model construction. This is followed by two experiments demonstrating the difference in approach to the design of a given model and creating a forecast by estimated values. for the following year. The last part expertly evaluates the quality of the predictions and considers the use of neural networks against prediction models as an alternative to Box-Jenkins methodology based models

Keywords

časové řady, předpověď, SARIMA, neuron, Boxova-Jenkinsova metodologie, backpropagation, Neuronová síť

Keywords

Box-Jenkins methodology, backpropagation, Neural network, forecast, SARIMA, time series

Language used: Czech

Date on which the thesis was submitted / produced: 26. 6. 2015

Thesis defence

• Date of defence: 8. 6. 2017
• Supervisor: Markéta Arltová
• Reader: David Žižka

Vysoká škola ekonomická v Praze

Master programme / field:
Kvantitativní metody v ekonomice / Statistika