Analýza a modelování burzovních dat

Směták, Roman

Analýza a modelování burzovních dat

DSpace Repository

Language: English čeština

Analýza a modelování burzovních dat

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
local.subject	akciové trhy	cs
local.subject	burzovní obchody	cs
local.subject	časové řady	cs
local.subject	stocks market	en
local.subject	stock exchange transactions	en
local.subject	time series analysis	en