Sirvi Märksõna "analysis of time series" järgi

Nüüd näidatakse 1 - 6 6

listelement.badge.access-status Avatud juurdepääs ,
Äritsükli indeksi hindamine Kalmani filtriga
(2019) Riik, Ravel; Kangro, Raul, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Vastava magistritöö eesmärk on rakendada Kalmani filtrit ning tuletada vastava meetodiga äritsükli indeks. Meetodi sobivust testitakse kahe erineva makromajanduse aegrea abil.
listelement.badge.access-status Avatud juurdepääs ,
Corporate tax arrears prediction based on monthly time series of tax arrears
(Tartu Ülikool, 2020) Siimon, Õie Renata; Lukason, Oliver, juhendaja; Tartu Ülikool. Majandusteaduskond; Tartu Ülikool. Sotsiaalteaduste valdkond
listelement.badge.access-status Avatud juurdepääs ,
Eesti elektritarbimise prognoos
(Tartu Ülikool, 2015) Dalberg, Cliona Georgia; Kangro, Raul, juhendaja; Lassmann, Joosep, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesolevas magistritöös prognoositakse Eesti elektritarbimist 24 tundi ette. Antakse ülevaade tugivektorregressiooni teooriast ning kasutatavast paketist R tarkvaras. Koostatakse ennustamiseks lineaarse regressiooni mudelid ning tehakse nende analoogid tugivektorregressiooni abil. Võrdlemiseks kasutatakse ka ARIMA mudelit. Tulemusi hinnatakse 2015. aasta jaanuari ning veebruari prognooside keskmise suhtelise vea ning keskmise ruutvea põhjal. Mudeleid parandatakse argumenttunnuste lisamise ning muutmisega. Lõplik valik parima mudeli osas tehakse uue testperioodi kaasamisel.
listelement.badge.access-status Avatud juurdepääs ,
Evaluation and comparison of machine learning and classical econometric AR model on financial time series data
(Tartu Ülikool, 2020) Mikeliani, Roza; Kavlashvili, Nino; Eratalay, Mustafa Hakan, juhendaja; Tartu Ülikool. Majandusteaduskond; Tartu Ülikool. Sotsiaalteaduste valdkond
This paper examines the effects of time series data behaviour on the predictive performance of classical econometric univariate autoregressive and machine learning autoregressive models. The research aims to understand which forecasting approach would perform better in extreme scenarios. Even though some empirical studies demonstrate the superiority of machine learning methods relative to classical econometric methods, it is still arguable under what conditions one method can be constantly better than the other. And if there are any cases when econometric models are preferable than machine learning. Data is derived from simulation, ensuring the presence of different outlier and error distributions in small and relatively larger samples. The simulation results show that the machine learning approach outperforms econometric models in most of the cases. However, the existence of outliers worsens the performance of machine learning on small datasets. Even with the presence of outliers, as the sample size grows, the result improves so much for machine learning that it dominates the econometric model. The same models were used to forecast with rolling sample approaches on real financial data.
listelement.badge.access-status Avatud juurdepääs ,
Haiglapatsientide arvu prognoosimine ARIMA tüüpi mudelitega
(2019) Soll, Hanna-Liisa; Fischer, Krista, juhendaja; Kangro, Raul, juhendaja; Tikk, Merje, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Käesoleva magistritöö eesmärk oli prognoosida igakuist Tartu Ülikooli Kliinikumi haiglapatsientide arvu neljal ravierialal kuni üks aasta ette. Vaadeldi otorinolarüngoloogia, pediaatria, sisehaiguste ning üld- ja plastikakirurgia erialasid. Põhieesmärgiks oli leida sobivad ühemõõtmelised ARIMA tüüpi prognoosmudelid. Lisaks prooviti prognoose täpsustada, kasutades lineaarset regressiooni ARIMA tüüpi vigadega, võttes regressoriks Eesti Haigekassa poolt aastaks tellitavate ravijuhtude arvud vastavatel erialadel. Iga eriala jaoks valiti parim ühe- ja mitmemõõtmeline mudel ning võrreldi nende täpsust aastaste prognooside ruutkeskmiste vigade põhjal. Saadud mudelite abil leiti prognoosid valimiväliseks aastaks 2018 koos prognoosiintervallidega.
listelement.badge.access-status Avatud juurdepääs ,
Mahuriski hinnastamine elektriturul
(2018) Kruusmann, Laura; Kangro, Raul, juhendaja; Pungas, Taavi, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond; Tartu Ülikool. Matemaatika ja statistika instituut
Magistritöö eesmärk on leida meetod mahuriskist tuleneva hinnalisa leidmiseks elektriturul. Töös on analüüsitud mahuriski olemust ning selle hinnastamiseks on tuletatud valem minimaalse fikseeritava hinna leidmiseks teatud kliendi korral. Saadud valemi rakendamist on demonstreeritud erinevatel eeldustel elektrituru kohta.