A citizen data science pénzügyi relevanciája

Bánár Ákos (2021) A citizen data science pénzügyi relevanciája. Pénzügyi és Számviteli Kar.

	PDF Bánár Ákos - A citizen data science pénzügyi relevanciája.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (2MB)
	PDF BA_O_Bánár_Ákos.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (290kB)

Absztrakt (kivonat)

A dolgozat eredményeit szemléltető főrészben 3 esettanulmányt oldottam meg. Egy esetben az adatokat a Kaggle-ről szereztem be, míg egy másiknál vállalati adatokat használtam fel, s a Yahoo Finance-ről is töltöttem le adatokat. Készítettem egy EBITDA becslést, melyet lineáris regressziót használó modellel építettem fel historikus céges adatokra. Végül negyedévre átlagosan 7.5%-kal túlbecsültem a tényleges értékeket, illetve 1-12% közötti tartományban voltam képes a negyedéves becsléseket megadni. Készítettem egy ügyfélminősítő modellt is, mely arra a kérdésre adott választ, hogy egy adott banki ügyfélnek érdemes-e hitelt adni vagy sem. Az adatok itt a Kaggle-ről származtak. Az előrejelzés tehát igen vagy nem választ kívánt meg. Erre logisztikus regressziót használtam, mivel ennek specialitása az ilyen típusú döntések támogatása. A megfelelő tanuló adatmennyiség érdekében mindössze 63 elemen tudtam a tesztelést lefolytatni, de 5%-os pontosságot sikerült elérni. A harmadik esettanulmány az S&P 500 tőzsdei index becslése volt. 99,44%-os pontossággal tudta előjelezni a teszteléskor a modell az árfolyamot.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tanszék

Pénzügy Tanszék

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Pénzügy és számvitel (BA)

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	citizen data scientist, döntési fa, lineáris regresszió, logisztikus regresszió, machine learning
SWORD Depositor:	Archive User
Felhasználói azonosító szám (ID):	Archive User
Rekord készítés dátuma:	2021. Szep. 22. 10:01
Utolsó módosítás:	2021. Szep. 22. 10:01

Actions (login required)

Tétel nézet