02561ntm a22004817i 4500 000727954 CZ-PrVSE 20260101124732.0 m d cr n|||||||||| 260101s2025 xr fsbm 000 0 eng d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Pilipas, Oleksandr ISIS:162148 dis Výkonnost ansámblových metod pro ekonomické predikce : Hodnocení baggingu při predikci indexu cen nemovitostí eng Performance of Ensemble Methods for Economic Forecasting : Evaluating Bagging in Predicting House Price Index Oleksandr Pilipas 2025 ?? stran : digital, PDF soubor Vedoucí práce: Lukáš Frýd Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby This thesis examines ensemble learning, particularly bagging, for forecasting the UK Housing Price Index (HPI) using quarterly data from 1968–2024, harmonized and second-order dif- ferenced for stationarity. A rolling expanding-window compares ARIMA, Bagged ARIMA, MLP, Bagged MLP, LSTM, and Random Forest across one- to four-quarter horizons using MAE and RMSE. Results show bagged neural nets markedly reduce variance and enable uncertainty quantification; ARIMA remains most accurate short-term, while deep ensembles improve longer-horizon predictions. The contribution includes a uniform evaluation frame- work and analysis of the accuracy–complexity–cost trade-off. Způsob přístupu: Internet data analytics [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas House Price Index Ensemble learning Time series forecasting Bagging Frýd, Lukáš ISIS:78722 ths Kavřík, Dominik ISIS:126085 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/85804/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/85804 Hlavní práce https://insis.vse.cz/zp/85804/podrobnosti dc:identifier NEPOSILAT VSKP vse85804 251214 85804