dc.contributor.advisor | Lebovič, Michal | |
dc.creator | Černý, Kryštof | |
dc.date.accessioned | 2017-06-01T21:28:15Z | |
dc.date.available | 2017-06-01T21:28:15Z | |
dc.date.issued | 2016 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11956/80923 | |
dc.description.abstract | Tato diplomová práce se zaobývá předpovídáním hodinových a denních cen elektřiny na deregulovaném českém denním trhu s elektřinou. Metody použité pro odhad a předpověď hodinových a denních cen jsou vybrány z rodiny modelů ARIMA-GARCH a neurálních sítí. Dekompozice pomocí stacionární diskrétní vlnkové transformace je použita pro denní ceny v kombinaci s ARIMA modely a neurálními sítěmi. Hodinová data jsou modelována pomocí modelů GARCH a neurálních sítí. Výsledky předpovědí odhalují, že v případě denních cen, jednodušší modely, jako ARIMA předčí ostatní metody. Vlnková dekompozice nezlepšila přesnost předpovědí. V případě hodinových cen architektura neurální sítě Multilayer Perceptron dává lepší předpovědi než předpověd uskutečněná metodou ARIMA. Klasifikace JEL C20, C22, C45, C53, C65 Klíčová slova předpovídání, časové řady, ARIMA, GARCH, neurální sítě, vlnková transformace E-mail autora krystof.cerny@gmail.com E-mail vedoucího práce lebovicm@gmail.com 1 | cs_CZ |
dc.description.abstract | This master thesis is focused on analysis and forecasting of hourly and daily electricity price on the deregulated Czech daily electricity market. The methods used for estimating and forecasting hourly and daily prices are picked from the ARIMA-GARCH family of models and Neural Networks. For daily price data, the Redundant Haar Wavelet Transform decomposition of the time series is used in combination with ARIMA and Neural Networks models for forecasting. For hourly data, ARIMA and Neural Network models are considered. The forecasting results of daily data indicate that simpler models such as seasonal ARIMA outperform all other methods. Also the wavelet decomposi- tion of the daily series didn't prove useful in enhancing the forecast precision. For hourly data, the Multilayer Perceptron architecture of the neural network outperformed the ARIMA forecast. JEL Classification C20, C22, C45, C53, C65 Keywords Forecasting, Time Series, ARIMA, GARCH, Neural Net- works, Wavelet Transform Author's e-mail krystof.cerny@gmail.com Supervisor's e-mail lebovicm@gmail.com 1 | en_US |
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 | časové řady | cs_CZ |
dc.subject | ARIMA | cs_CZ |
dc.subject | GARCH | cs_CZ |
dc.subject | neurální sítě | cs_CZ |
dc.subject | vlnková transformace | cs_CZ |
dc.subject | Time Series | en_US |
dc.subject | Electricity | en_US |
dc.subject | Forecasting | en_US |
dc.subject | ARIMA | en_US |
dc.subject | GARCH | en_US |
dc.subject | Neural networks | en_US |
dc.title | Forecasting electricity prices in the Czech spot market | en_US |
dc.type | diplomová práce | cs_CZ |
dcterms.created | 2016 | |
dcterms.dateAccepted | 2016-02-10 | |
dc.description.department | Institute of Economic Studies | en_US |
dc.description.department | Institut ekonomických studií | cs_CZ |
dc.description.faculty | Fakulta sociálních věd | cs_CZ |
dc.description.faculty | Faculty of Social Sciences | en_US |
dc.identifier.repId | 147699 | |
dc.title.translated | Předpovídání cen elektřiny na českém spotovém trhu | cs_CZ |
dc.contributor.referee | Rečka, Lukáš | |
dc.identifier.aleph | 002070615 | |
thesis.degree.name | Mgr. | |
thesis.degree.level | navazující magisterské | cs_CZ |
thesis.degree.discipline | Ekonomie | cs_CZ |
thesis.degree.discipline | Economics | 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 | cs_CZ |
uk.degree-discipline.en | Economics | 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 | Tato diplomová práce se zaobývá předpovídáním hodinových a denních cen elektřiny na deregulovaném českém denním trhu s elektřinou. Metody použité pro odhad a předpověď hodinových a denních cen jsou vybrány z rodiny modelů ARIMA-GARCH a neurálních sítí. Dekompozice pomocí stacionární diskrétní vlnkové transformace je použita pro denní ceny v kombinaci s ARIMA modely a neurálními sítěmi. Hodinová data jsou modelována pomocí modelů GARCH a neurálních sítí. Výsledky předpovědí odhalují, že v případě denních cen, jednodušší modely, jako ARIMA předčí ostatní metody. Vlnková dekompozice nezlepšila přesnost předpovědí. V případě hodinových cen architektura neurální sítě Multilayer Perceptron dává lepší předpovědi než předpověd uskutečněná metodou ARIMA. Klasifikace JEL C20, C22, C45, C53, C65 Klíčová slova předpovídání, časové řady, ARIMA, GARCH, neurální sítě, vlnková transformace E-mail autora krystof.cerny@gmail.com E-mail vedoucího práce lebovicm@gmail.com 1 | cs_CZ |
uk.abstract.en | This master thesis is focused on analysis and forecasting of hourly and daily electricity price on the deregulated Czech daily electricity market. The methods used for estimating and forecasting hourly and daily prices are picked from the ARIMA-GARCH family of models and Neural Networks. For daily price data, the Redundant Haar Wavelet Transform decomposition of the time series is used in combination with ARIMA and Neural Networks models for forecasting. For hourly data, ARIMA and Neural Network models are considered. The forecasting results of daily data indicate that simpler models such as seasonal ARIMA outperform all other methods. Also the wavelet decomposi- tion of the daily series didn't prove useful in enhancing the forecast precision. For hourly data, the Multilayer Perceptron architecture of the neural network outperformed the ARIMA forecast. JEL Classification C20, C22, C45, C53, C65 Keywords Forecasting, Time Series, ARIMA, GARCH, Neural Net- works, Wavelet Transform Author's e-mail krystof.cerny@gmail.com Supervisor's e-mail lebovicm@gmail.com 1 | en_US |
uk.file-availability | V | |
uk.publication.place | Praha | cs_CZ |
uk.grantor | Univerzita Karlova, Fakulta sociálních věd, Institut ekonomických studií | cs_CZ |
dc.identifier.lisID | 990020706150106986 | |