Show simple item record

Optimální ukazatele cen bytů: Empirická analýza pro Českou republiku
dc.contributor.advisorPleticha, Petr
dc.creatorŠváb, Ondřej
dc.date.accessioned2019-10-17T11:39:35Z
dc.date.available2019-10-17T11:39:35Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/20.500.11956/109238
dc.description.abstractKontrolovat ukazatele cen nemovitostí je klíčové, jelikož může docházet k tvorbě cenové bubliny, jejíž prasknutí by mohlo mít velice negativní dopady na hospodářství. Cílem této bakalářské práce je najít nejlepší možné ukazatele a modely pro předpovídání cen bytů v České republice a jejích regionech s užitím panelových dat a časových řad poskytnutých Českým statistickým úřadem. Po stanovení hypotéz o očekávaném vlivu proměnných na cenu bytů se průměrná mzda, míra nezaměstnanosti, přirozený růst populace a cena pozemku zdají být nejdůležitějšími ukazateli cen bytů napříč všemi modely. Optimální výsledek je dosáhnut pomocí ekonometrických modelů jako jsou fixní efekty, první diference nebo klasická metoda nejmenších čtverců s heteroskedasticitními a auto-korelovanými konsistentními standartními chybami. Dále je použita lasso metoda pro řešení multi-kolinearity a selekci velkého počtu nezávislých proměnných. Lasso metoda vylepšila přesnost předpovědi ve většině případů. Avšak prognóza regrese první diference se po aplikaci lasso penalizace zhoršila. 1cs_CZ
dc.description.abstractIt is essential to control for property price determinants since there could be created the price bubble, and its burst would have harmful effects on the economy. Thus, this bachelor thesis aims to show the best determinants and models for forecasting the apartment prices in Czechia and its regions with the use of panel data and time series from the Czech Statistical Office. After stating hypotheses of variable's expected impacts on apartment prices, the most important determinants appeared to be the average wage, unemployment rate, natural population growth, and the building plot price. The best results are found by using econometric regressions as the fixed effects, the first differences or the classical ordinary least squares method. I also use the heteroskedasticity and autocorrelation consistent standard errors for better robustness of coefficients. Moreover, the lasso method is applied for dealing with multicollinearity and over-fitting, which are fixed by the variable selection. In most cases, the lasso improved prediction accuracy. However, the first difference regressions worsen the forecasts after the lasso penalisation. 1en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Fakulta sociálních vědcs_CZ
dc.titleBest predictors of apartment prices: Empirical Evidence from Czechiaen_US
dc.typebakalářská prácecs_CZ
dcterms.created2019
dcterms.dateAccepted2019-09-09
dc.description.departmentInstitute of Economic Studiesen_US
dc.description.departmentInstitut ekonomických studiícs_CZ
dc.description.facultyFaculty of Social Sciencesen_US
dc.description.facultyFakulta sociálních vědcs_CZ
dc.identifier.repId202571
dc.title.translatedOptimální ukazatele cen bytů: Empirická analýza pro Českou republikucs_CZ
dc.contributor.refereeVozková, Karolína
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineEconomics and Financeen_US
thesis.degree.disciplineEkonomie a financecs_CZ
thesis.degree.programEkonomické teoriecs_CZ
thesis.degree.programEconomicsen_US
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csFakulta sociálních věd::Institut ekonomických studiícs_CZ
uk.taxonomy.organization-enFaculty of Social Sciences::Institute of Economic Studiesen_US
uk.faculty-name.csFakulta sociálních vědcs_CZ
uk.faculty-name.enFaculty of Social Sciencesen_US
uk.faculty-abbr.csFSVcs_CZ
uk.degree-discipline.csEkonomie a financecs_CZ
uk.degree-discipline.enEconomics and Financeen_US
uk.degree-program.csEkonomické teoriecs_CZ
uk.degree-program.enEconomicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csKontrolovat ukazatele cen nemovitostí je klíčové, jelikož může docházet k tvorbě cenové bubliny, jejíž prasknutí by mohlo mít velice negativní dopady na hospodářství. Cílem této bakalářské práce je najít nejlepší možné ukazatele a modely pro předpovídání cen bytů v České republice a jejích regionech s užitím panelových dat a časových řad poskytnutých Českým statistickým úřadem. Po stanovení hypotéz o očekávaném vlivu proměnných na cenu bytů se průměrná mzda, míra nezaměstnanosti, přirozený růst populace a cena pozemku zdají být nejdůležitějšími ukazateli cen bytů napříč všemi modely. Optimální výsledek je dosáhnut pomocí ekonometrických modelů jako jsou fixní efekty, první diference nebo klasická metoda nejmenších čtverců s heteroskedasticitními a auto-korelovanými konsistentními standartními chybami. Dále je použita lasso metoda pro řešení multi-kolinearity a selekci velkého počtu nezávislých proměnných. Lasso metoda vylepšila přesnost předpovědi ve většině případů. Avšak prognóza regrese první diference se po aplikaci lasso penalizace zhoršila. 1cs_CZ
uk.abstract.enIt is essential to control for property price determinants since there could be created the price bubble, and its burst would have harmful effects on the economy. Thus, this bachelor thesis aims to show the best determinants and models for forecasting the apartment prices in Czechia and its regions with the use of panel data and time series from the Czech Statistical Office. After stating hypotheses of variable's expected impacts on apartment prices, the most important determinants appeared to be the average wage, unemployment rate, natural population growth, and the building plot price. The best results are found by using econometric regressions as the fixed effects, the first differences or the classical ordinary least squares method. I also use the heteroskedasticity and autocorrelation consistent standard errors for better robustness of coefficients. Moreover, the lasso method is applied for dealing with multicollinearity and over-fitting, which are fixed by the variable selection. In most cases, the lasso improved prediction accuracy. However, the first difference regressions worsen the forecasts after the lasso penalisation. 1en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Fakulta sociálních věd, Institut ekonomických studiícs_CZ
thesis.grade.codeB


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV