Predikce vývoje tržní ceny průmyslových komodit pomocí různých predikčních metod

Lucie Syrovátková

Bakalářská práce

Anotace:

Vybrané komodity z oblasti neželezných kovů jsou hlavní vstupní složkou převážně pro průmyslové podniky. Právě cena těchto vstupů hraje významnou roli při stanovení cen výstupů. Nástroj jako predikce cen pak může podnikům zajistit nákup vstupů za nízkou cenu a díky tomu zajistit vyšší zisk. Cílem této práce je určit vhodnou predikční metodu k budoucímu vývoji cen vybraných průmyslových komodit. Zkoumáme predikci pomocí neuronových sítí a polynomické regrese na pěti vybraných komoditách. Na základě získaných cen vybraných komodit v období od roku 2015 až do roku 2023 jenž byl výzkum proveden, docházíme k určení vhodné predikční metody, a to neuronové sítě. Díky této metodě dokážeme predikovat cenu na 30 obchodních dní. Dle výsledků bylo zjištěno, že neuronové sítě dokáží zcela přesně kopírovat i cenové šoky, které nastaly ve sledovaném období. Hlavní myšlenkou celého výzkumu je, že predikce cen průmyslových komodit může ovlivnit strategické a investiční rozhodování firem. Díky tomu firmy mohou určit správný okamžik, kdy komoditu nakoupit, a tak se zásobit v období, kdy cena komodity poroste.

Abstract:

Selected non-ferrous commodities are the main input for mainly industrial enterprises. It is the price of these inputs that plays a significant role in determining the prices of outputs. A tool such as price forecasting can then ensure that companies can purchase inputs at a low price and thereby ensure higher profits. The objective of this paper is to determine an appropriate prediction method to future price development of selected industrial commodities. We investigate the prediction using neural networks and polynomial regression on five selected commodities. Based on the obtained prices of the selected commodities in the period from 2015 to 2023 which the research was conducted, we arrive at a suitable prediction method, namely neural networks. With this method we can predict the price for 30 trading days. According to the results, it has been found that neural networks can quite accurately copy even the price shocks that occurred in the period under study. The main idea of the whole research is that the prediction of industrial commodity prices can influence the strategic and investment decisions of firms. This allows firms to identify the right moment to buy a commodity and thus stock up in a period when the price of the commodity will rise.

Klíčová slova

predikce, neuronové sítě, polynomická regrese, průmyslové komodity, vývoj ceny, prediction, neural networks, polynomial regression, industrial commodities, price development

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 6. 5. 2024

Obhajoba závěrečné práce

• Obhajoba proběhla 11. 7. 2024
• Vedoucí: Ing. Jiří Kučera, PhD.
• Oponent: Ing. Tereza Plecitá, BBA

Vysoká škola technická a ekonomická v Českých Budějovicích

Bakalářský studijní program / obor:
Podniková ekonomika / Podniková ekonomika