03697ntm a22005057i 4500 000723083 CZ-PrVSE 20250608110309.0 m d cr n|||||||||| 250608s2025 xr fsbm 000 0 slo d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Lorinc, Marián ISIS:154620 dis Modelovanie a predikcia volatility vybraných akcií pomocou HAR modelu / Marián Lorinc 2025 ?? stran : digital, PDF soubor Vedoucí práce: Vladimír Holý Diplomová práce (Ing.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 Táto práca sa zaoberá modelovaním a predikciou dennej volatility akcií spoločností ČEZ, Moneta Money Bank a Komerční banka obchodovaných na Burze cenných papírů Praha v období marec 2022 až marec 2025. Hlavným cieľom bolo aplikovať heterogénny autoregresný model (HAR) a preskúmať možnosti jeho rozšírenia o exogénne premenné. Okrem základných časových agregácií realizovanej volatility boli do modelov zahrnuté aj premenné reprezentujúce významné firemné udalosti a ukazovatele vyhľadávania názvu spoločností na Google. Pomocou LASSO regresie bol uskutočnený výber najinformatívnejších vysvetľujúcich premenných. Výsledky ukázali, že LASSO regresia vo väčšine prípadov potvrdila tradičnú HAR štruktúru založenú na časových agregáciách realizovanej volatility. Zároveň poukázala na prínos zaradenia krátkodobej zložky – realizovanej volatility agregovanej cez dva dni (RV2), ktorá viedla k miernemu zvýšeniu predikčnej presnosti modelov. Dôležitou súčasťou analýzy bolo aj vyhodnotenie prínosu exogénnych premenných. Údaje z Google Trends a indikátory firemných udalostí sa preukázali ako štatisticky významné a v niektorých modeloch boli vybrané aj metódou LASSO, čo potvrdzuje ich význam pri modelovaní a predikcii volatility. Porovnanie jednotlivých modelov na základe in-sample metrík (AIC, BIC, R²) a out-of-sample predikčnej presnosti (MSE, MAE, BIAS) preukázalo, že rozšírené modely dosahujú lepšie výsledky než základná HAR štruktúra. Výsledky naznačujú, že kombinácia vysokofrekvenčných dát, klasických agregácií volatility a vhodne zvolených exogénnych faktorov môže výrazne zvýšiť presnosť predikcií aj na menej likvidných trhoch Způsob přístupu: Internet ekonometrie a operační výzkum [obor dipl. práce] diplomové práce fd132022 czenas master's theses eczenas predikcia volatility LASSO volatilita HAR model vysokofrekvenčné dáta Holý, Vladimír ISIS:116093 ths Frýd, Lukáš ISIS:78722 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90573/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/90573 Hlavní práce https://insis.vse.cz/zp/90573/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90573/posudek/oponent/86811 Oponentura https://insis.vse.cz/zp/90573/podrobnosti dc:identifier NEPOSILAT VSKP vse90573 250606 90573