Show simple item record

Regresní metoda lasso
dc.contributor.advisorČervinka, Michal
dc.creatorVorlíčková, Jana
dc.date.accessioned2017-07-05T09:55:17Z
dc.date.available2017-07-05T09:55:17Z
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/20.500.11956/85894
dc.description.abstractCílem této práce je diskutovat význam a možné použití penalizačních metod pro lineární model v ekonomii. Penalizace se používá zejména při odhadování parametrů modelu s vysokým počtem proměnných. V této práci se přitom soustředíme na penalizaci nejmenších čtverců, která je nejčastěji používanou ztrátovou funkcí. Penalizační metody zjednodušují model a to tak, že odhady koeficientů u nedůležitých proměnných zmenšují či vynulují, tj. produkují tzv. řídké řešení. Jmenovitě jsou představeny následující metody: hřebenová regrese, úloha výběru nejlepší podmnožiny, lasso metoda a elastická síť. Nejvíce prostoru v teoretické části je věnováno lasso metodě; představeno je i její současné užívání v ekonomických a finančních analýzách. V prak­ tické části práce analyzujeme reálná ekonomická data pomocí elastické sítě, hřebenové regrese, lasso metody a klasické metody nejmenších čtverců. Získané výsledky srovnáváme pomocí střední čtvercové chyby. Ukazujeme, že pen­ alizační metody poskytují lepší výsledky než metoda nejmenších čtverců, přičemž nejlepší výsledky jsou získány s pomocí elastické sítě. Klíčová slova penalizované nejmenší čtverce, lasso, elastická síť, hřebenová regrese, pen- alizayní metody v ekonomii 1cs_CZ
dc.description.abstractThe main intention of the thesis is to present several types of penalization techniques and to apply them in economic analyses. We focus on penalized least squares, with a main topic being the lasso. The penalization methods are commonly employed to data sets with a relatively large number of the variables as compared to the sample size. These methods simplify the model by shrinkage of the estimates of the coefficient of the irrelevant variables to­ wards zero or they put these estimates equal to zero, i.e. they produce a sparse solution. Namely, we present the following methods: ridge regres­ sion, best subset selection problem, lasso and elastic net. We discuss several applications of the lasso in the current economic and finance research and hence present the lasso in more details. In the practical part of the thesis, we analyze a real economic data using the elastic net, the ridge regression, the lasso and the ordinary least squares method. We use the mean squared error as the measure of performance of the respective method. The penal­ ized least squares methods surpass the ordinary least squares method, with the elastic net being the best performing method. Keywords penalized least squares, lasso, elastic net, ridge regression, penalization tech­ niques in economics 1en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Fakulta sociálních vědcs_CZ
dc.titleLeast Absolute Shrinkage and Selection Operator Methoden_US
dc.typebakalářská prácecs_CZ
dcterms.created2017
dcterms.dateAccepted2017-06-14
dc.description.departmentInstitute of Economic Studiesen_US
dc.description.departmentInstitut ekonomických studiícs_CZ
dc.description.facultyFakulta sociálních vědcs_CZ
dc.description.facultyFaculty of Social Sciencesen_US
dc.identifier.repId185493
dc.title.translatedRegresní metoda lassocs_CZ
dc.contributor.refereeRusnák, Marek
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineEkonomie a financecs_CZ
thesis.degree.disciplineEconomics and Financeen_US
thesis.degree.programEconomicsen_US
thesis.degree.programEkonomické teoriecs_CZ
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.csCílem této práce je diskutovat význam a možné použití penalizačních metod pro lineární model v ekonomii. Penalizace se používá zejména při odhadování parametrů modelu s vysokým počtem proměnných. V této práci se přitom soustředíme na penalizaci nejmenších čtverců, která je nejčastěji používanou ztrátovou funkcí. Penalizační metody zjednodušují model a to tak, že odhady koeficientů u nedůležitých proměnných zmenšují či vynulují, tj. produkují tzv. řídké řešení. Jmenovitě jsou představeny následující metody: hřebenová regrese, úloha výběru nejlepší podmnožiny, lasso metoda a elastická síť. Nejvíce prostoru v teoretické části je věnováno lasso metodě; představeno je i její současné užívání v ekonomických a finančních analýzách. V prak­ tické části práce analyzujeme reálná ekonomická data pomocí elastické sítě, hřebenové regrese, lasso metody a klasické metody nejmenších čtverců. Získané výsledky srovnáváme pomocí střední čtvercové chyby. Ukazujeme, že pen­ alizační metody poskytují lepší výsledky než metoda nejmenších čtverců, přičemž nejlepší výsledky jsou získány s pomocí elastické sítě. Klíčová slova penalizované nejmenší čtverce, lasso, elastická síť, hřebenová regrese, pen- alizayní metody v ekonomii 1cs_CZ
uk.abstract.enThe main intention of the thesis is to present several types of penalization techniques and to apply them in economic analyses. We focus on penalized least squares, with a main topic being the lasso. The penalization methods are commonly employed to data sets with a relatively large number of the variables as compared to the sample size. These methods simplify the model by shrinkage of the estimates of the coefficient of the irrelevant variables to­ wards zero or they put these estimates equal to zero, i.e. they produce a sparse solution. Namely, we present the following methods: ridge regres­ sion, best subset selection problem, lasso and elastic net. We discuss several applications of the lasso in the current economic and finance research and hence present the lasso in more details. In the practical part of the thesis, we analyze a real economic data using the elastic net, the ridge regression, the lasso and the ordinary least squares method. We use the mean squared error as the measure of performance of the respective method. The penal­ ized least squares methods surpass the ordinary least squares method, with the elastic net being the best performing method. Keywords penalized least squares, lasso, elastic net, ridge regression, penalization tech­ niques in economics 1en_US
uk.file-availabilityV
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Fakulta sociálních věd, Institut ekonomických studiícs_CZ


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