A citizen data science pénzügyi relevanciája

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

[thumbnail of Bánár Ákos - A citizen data science pénzügyi relevanciája.pdf] PDF
Bánár Ákos - A citizen data science pénzügyi relevanciája.pdf
Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg

Download (2MB)
[thumbnail of BA_O_Bánár_Ákos.pdf] 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)

Konzulens(ek)

Konzulens neve
Konzulens típusa
Beosztás, tudományos fokozat, intézmény
Email
Abonyi Zoltán
Külső
NEM RÉSZLETEZETT
NEM RÉSZLETEZETT
Dr. Hegedűs Szilárd
Belső
főiskolai docens; Pénzügy Tanszék; PSZK

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 Tétel nézet