Prediktivní modely pro identifikaci a kalibraci klíčových faktorů úspěšnosti financování za pomoci crowdfundingu – Daniel Prošek
Daniel Prošek
Diplomová práce
Prediktivní modely pro identifikaci a kalibraci klíčových faktorů úspěšnosti financování za pomoci crowdfundingu
Anotace:
Cílem této diplomové práce je sestavení prediktivních modelů pro analýzu faktorů ovlivňující úspěšnost crowdfundingu jakožto nástroje financování.Teoretická část se zabývá shrnutím možnosti financování podniku, se zaměřením na nově zalo-žené společnosti. Především se jedná o přiblížení různých způsobů získání kapitálu. Dále bude po-skytnut úvod do crowdsourcingu a crowdfundingu, s detailnějším pohledem …víceAbstract:
The aim of this diploma thesis is a construction of predictive models for analysis of factors affect-ing success of crowdfunding as a financing instrument.The theoretical part deals with summary of options for business financing, with focus on newly launched enterprises. Predominantly, the focus will be on outlining various methods of raising capital. Furthermore, the part will serve as an introduction …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 21. 1. 2019
Identifikátor:
http://theses.cz/id/pypqrk/
Obhajoba závěrečné práce
- Obhajoba proběhla 14. 2. 2019
Citační záznam
Citace dle ISO 690:
PROŠEK, Daniel. \textit{Prediktivní modely pro identifikaci a kalibraci klíčových faktorů úspěšnosti financování za pomoci crowdfundingu}. Online. Diplomová práce. Praha: České vysoké učení technické v Praze, Celoškolská pracoviště (studium mimo fakulty). 2019. Dostupné z: https://theses.cz/id/pypqrk/.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
České vysoké učení technické v Praze
Celoškolská pracoviště (studium mimo fakulty)Magisterský studijní program / obor:
Řízení rozvojových projektů / Projektové řízení inovací v podniku
Práce na příbuzné téma
-
Credit score model via GAS model and logistic regression
Nela Hendrichová -
Logistic regression improvements for credit scoring development
Nikolai Pravdin -
Multinomická logistická regrese, Trojcestné ROC, VUS
Juraj Kapasný -
Logistická regrese v systému Statistica
Tetiana Boiko