dc.contributor.advisor | Havránek, Tomáš | |
dc.creator | Doskočilová, Kateřina | |
dc.date.accessioned | 2019-10-18T11:15:52Z | |
dc.date.available | 2019-10-18T11:15:52Z | |
dc.date.issued | 2019 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/110193 | |
dc.description.abstract | Forecasting Election Results in the Czech Republic Kateřina Doskočilová In this thesis, a forecasting model for the 2017 legislative election in the Czech Republic is built. As the Czech Republic has a multi-party system, the outcomes of the model are the expected vote shares for each party. There are two types of forecasts calculated. Firstly, a poll-based forecast using a dynamic linear model and Kalman filter to weigh the information in the polls. Secondly, the prices on betting markets are translated into probabilistic forecasts for the expected vote shares. This is a novel approach as prediction markets were previously used to forecasts only the probabilities of winning an election. Finally, the two types of forecasts are combined into one and weighed by their variance. Comparing the forecasts, we conclude that the betting market is able to predict the exact vote shares the most accurately right before the election. | en_US |
dc.description.abstract | Předpovídání výsledků voleb v České republice Kateřina Doskočilová V této práci je vytvořen model pro prognózu výsledku voleb do Poslanecké sněmovny České republiky v roce 2017. Protože v České republice je několik menších stran, výsledkem tohoto modelu jsou procentuální zisky každé strany. Spočítané jsou dva typy předpovědí. Zaprvé, odhad založený na průzkumech veřejného mínění pomocí dynamického lineárního modelu a Kalmanova filtru, který váží informace obsažené v jednotlivých průzkumech. Zadruhé, sázkové kurzy jsou převedeny na pravděpodobnostní předpověd získaného podílu hlasů. To je originální přístup, protože sázkové kurzy byly zatím využívány pouze k předpovědi pravděpodobnosti výhry. Nakonec jsou oba typy předpovědi zkom- binované do jedné, vážené rozptylem. Ze srovnání předpovědí můžeme soudit, že sázkové kurzy jsou schopné určit procentuální zisky hlasů těsně před volbami nejpřesněji. | cs_CZ |
dc.language | English | cs_CZ |
dc.language.iso | en_US | |
dc.publisher | Univerzita Karlova, Fakulta sociálních věd | cs_CZ |
dc.subject | předpovídání | cs_CZ |
dc.subject | volby | cs_CZ |
dc.subject | dynamický lineární model | cs_CZ |
dc.subject | forecasting | en_US |
dc.subject | elections | en_US |
dc.subject | dynamic linear model | en_US |
dc.title | Forecasting Election Results in the Czech Republic | en_US |
dc.type | diplomová práce | cs_CZ |
dcterms.created | 2019 | |
dcterms.dateAccepted | 2019-09-16 | |
dc.description.department | Institut ekonomických studií | cs_CZ |
dc.description.department | Institute of Economic Studies | en_US |
dc.description.faculty | Fakulta sociálních věd | cs_CZ |
dc.description.faculty | Faculty of Social Sciences | en_US |
dc.identifier.repId | 197080 | |
dc.title.translated | Předpovídání výsledků voleb v České republice | cs_CZ |
dc.contributor.referee | Čech, František | |
thesis.degree.name | Mgr. | |
thesis.degree.level | navazující magisterské | cs_CZ |
thesis.degree.discipline | Ekonomie a finance | cs_CZ |
thesis.degree.discipline | Economics and Finance | en_US |
thesis.degree.program | Ekonomické teorie | cs_CZ |
thesis.degree.program | Economics | en_US |
uk.thesis.type | diplomová práce | cs_CZ |
uk.taxonomy.organization-cs | Fakulta sociálních věd::Institut ekonomických studií | cs_CZ |
uk.taxonomy.organization-en | Faculty of Social Sciences::Institute of Economic Studies | en_US |
uk.faculty-name.cs | Fakulta sociálních věd | cs_CZ |
uk.faculty-name.en | Faculty of Social Sciences | en_US |
uk.faculty-abbr.cs | FSV | cs_CZ |
uk.degree-discipline.cs | Ekonomie a finance | cs_CZ |
uk.degree-discipline.en | Economics and Finance | en_US |
uk.degree-program.cs | Ekonomické teorie | cs_CZ |
uk.degree-program.en | Economics | en_US |
thesis.grade.cs | Výborně | cs_CZ |
thesis.grade.en | Excellent | en_US |
uk.abstract.cs | Předpovídání výsledků voleb v České republice Kateřina Doskočilová V této práci je vytvořen model pro prognózu výsledku voleb do Poslanecké sněmovny České republiky v roce 2017. Protože v České republice je několik menších stran, výsledkem tohoto modelu jsou procentuální zisky každé strany. Spočítané jsou dva typy předpovědí. Zaprvé, odhad založený na průzkumech veřejného mínění pomocí dynamického lineárního modelu a Kalmanova filtru, který váží informace obsažené v jednotlivých průzkumech. Zadruhé, sázkové kurzy jsou převedeny na pravděpodobnostní předpověd získaného podílu hlasů. To je originální přístup, protože sázkové kurzy byly zatím využívány pouze k předpovědi pravděpodobnosti výhry. Nakonec jsou oba typy předpovědi zkom- binované do jedné, vážené rozptylem. Ze srovnání předpovědí můžeme soudit, že sázkové kurzy jsou schopné určit procentuální zisky hlasů těsně před volbami nejpřesněji. | cs_CZ |
uk.abstract.en | Forecasting Election Results in the Czech Republic Kateřina Doskočilová In this thesis, a forecasting model for the 2017 legislative election in the Czech Republic is built. As the Czech Republic has a multi-party system, the outcomes of the model are the expected vote shares for each party. There are two types of forecasts calculated. Firstly, a poll-based forecast using a dynamic linear model and Kalman filter to weigh the information in the polls. Secondly, the prices on betting markets are translated into probabilistic forecasts for the expected vote shares. This is a novel approach as prediction markets were previously used to forecasts only the probabilities of winning an election. Finally, the two types of forecasts are combined into one and weighed by their variance. Comparing the forecasts, we conclude that the betting market is able to predict the exact vote shares the most accurately right before the election. | en_US |
uk.file-availability | V | |
uk.publication.place | Praha | cs_CZ |
uk.grantor | Univerzita Karlova, Fakulta sociálních věd, Institut ekonomických studií | cs_CZ |
thesis.grade.code | B | |