2017
Komparace neuronových sítí a regresních časových řad při odhadu vývoje ranních cen platiny na Newyorské burze
VOCHOZKA, Marek a Pavel ROUSEKZákladní údaje
Originální název
Komparace neuronových sítí a regresních časových řad při odhadu vývoje ranních cen platiny na Newyorské burze
Název anglicky
Comparison of neural networks and regressive time series in estimating the development of the prices of platinum on the New York stock exchange
Autoři
Vydání
Mladá veda, Prešov, Vydavateľstvo UNIVERSUM, spol. s r. o. 2017, 1339-3189
Další údaje
Jazyk
čeština
Typ výsledku
Článek v odborném periodiku
Obor
50200 5.2 Economics and Business
Stát vydavatele
Slovensko
Utajení
není předmětem státního či obchodního tajemství
Označené pro přenos do RIV
Ne
Organizační jednotka
Vysoká škola technická a ekonomická v Českých Budějovicích
Klíčová slova česky
predikce; platina; umělé neuronové sítě; lineární regrese; časové řady
Klíčová slova anglicky
prediction; platinum; artificial neural networks; linear regression; time series
Změněno: 18. 4. 2018 07:59, Mgr. Eva Hynešová
V originále
Cílem příspěvku je provést regresní analýzu vývoje ranních cen platiny na newyorské burze pomocí neuronových sítí a jednoduché lineární regrese. Dílčím cílem je porovnání těchto dvou metod a určení vhodnější z nich pro predikci budoucího vývoje ranních cen platiny na newyorské burze. Analýza je provedena na datech o ranních cenách platiny v době přesahující 10 let. Výsledkem je predikce ranních cen platiny a fakt, že neuronové sítě jsou pro tuto predikci vhodnějším nástrojem než jednoduchá lineární regrese.
Anglicky
The aim of the paper is to perform a regression analysis of the development of platinum prices on the New York Stock Exchange using neural networks and a simple linear regression. The partial aim is to compare these two methods and determine the most suitable ones for predicting the future development of platinum prices on the New York Stock Exchange. The analysis is made on the data on platinum prices in a time period exceeding 10 years. The result is a prediction of platinum prices and the fact that neural networks are more suitable than simple linear regression for this prediction.