Machine learning-based approaches to forecasting international trade
Prognózování mezinárodního obchodu s využitím metod strojového učení
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/105017Identifikátory
SIS: 191197
Kolekce
- Kvalifikační práce [17115]
Autor
Vedoucí práce
Oponent práce
Macháček, Vít
Fakulta / součást
Fakulta sociálních věd
Obor
Ekonomie a finance
Katedra / ústav / klinika
Institut ekonomických studií
Datum obhajoby
29. 1. 2019
Nakladatel
Univerzita Karlova, Fakulta sociálních vědJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
machine learning, mezinárodní obchod, prognostikaKlíčová slova (anglicky)
machine learning, international trade, forecastingV této práci se soustředím na porovnání gravitačního modelu odhadnutého pomocí metody nejmenších čtverců a metody Poissonovy maximální věrohodnosti oproti regresním technikám založeným na strojovém učení, konkrétně se jedná o support vector machines, random forests, a umělé neuronové sítě. Provádím diskusi výhod a nevýhod jednotlivých přístupů a srovnávám jejich predikční schopnosti na exportních datech. Demonstruji, že random forest model a umělé neuronové sítě poskytují lepší predikce.
In this thesis I focus on comparison of gravity model estimated with ordinary least squares and Poisson pseudo-maximum likelihood with regression techniques based on machine learning, namely support vector machines, random forests, and arti_cial neural networks. I discuss the advantages and disadvantages of these approaches and compare their forecasting accuracy on exports data. I demonstrate that random forest models and arti_cial neural networks provide superior forecasting accuracy.