Hodnocení:
Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 3 hlasů.
Applied Analytics - Quantitative Research Methods: Applying Monte Carlo Risk Simulation, Strategic Real Options, Stochastic Forecasting, Portfolio Opt
TŘETÍ VYDÁNÍ (2022)
Série knih Aplikované CQRM ukazuje, jak lze pokročilé analytické postupy zahrnuté v certifikačním programu Certified in Quantitative Risk Management (CQRM) aplikovat na skutečné obchodní problémy. V prvním díle ukazujeme, jak lze simulátor rizik a ROV BizStats využít k provádění kvantitativní analýzy v rámci postgraduálního a postgraduálního výzkumu. Důraz je kladen na pragmatické aplikace s cílem demystifikovat mnoho prvků, které jsou vlastní kvantitativní analýze. Statistická černá skříňka zůstane černou skříňkou, pokud nikdo nedokáže pochopit její koncepty navzdory její síle a použitelnosti. Teprve když se metody černých skříněk stanou transparentními, aby je výzkumníci mohli pochopit, aplikovat a přesvědčit ostatní o jejich výsledcích, přidané hodnotě a použitelnosti, získají tyto přístupy širokou pozornost. Této transparentnosti je dosaženo prostřednictvím postupných aplikací kvantitativního modelování, jakož i prezentací více případů a diskusí o reálných aplikacích. Tato kniha je určena osobám, které absolvovaly certifikační program CQRM, ale může ji využít i každý, kdo se seznámil se základními metodami kvantitativního výzkumu - pro každého se v ní něco najde. Je použitelná i jako učebnice pro druhý ročník MBA/MS nebo úvodní učebnice pro doktorandy. Příklady v knize předpokládají určité předchozí znalosti dané problematiky. Další informace o programu CQRM lze získat na adrese: www.iiper.org www.realoptionsvaluation.com.
ZÁKLADY.
Centrální tendence, rozpětí, zkosení, kurtóza.
Pravděpodobnost, Bayesova věta, stromy, kombinace, permutace.
Klasická, standardní, P-hodnota, CI.
Centrální limitní věta.
Chyby typu I-IV, výběrová zkreslení.
Typy dat a design sběru.
ANALYTICKÉ METODY.
T-testy: F-test, Z-test.
ANOVA, bloková, dvoucestná, ANCOVA, MANOVA.
Lineární/nelineární korelace.
Normalita a přizpůsobení rozdělení: Kolmogorov-Smirnov, Chi-Square, Akaikeho informační kritérium, Anderson-Darlingovo, Kuiperovo, Schwarzovo/Bayesovo, Box-Coxovo.
Neparametrie: D'Agostino-Pearson, Shapiro-Wilk-Royston, Kruskal-Wallis, Moodův, Cochranův Q, Friedmanův.
Interní/vnitřní reliabilita, konzistence, diverzita, vnitřní/vnější validita, předvídatelnost.
Cohenova kappa, Cronbachova alfa, Guttmanova lambda, mezitřídní korelace, Kendallovo W, Shannonova-Brillouinova-Simpsonova diverzita, homogenita, Grubbsova odlehlost, Mahalanobisova, lineární a kvadratická diskriminace, Hannan-Quinnova, Dieboldova-Marianova, Pesaran-Timmermannova, přesnost, kontrola chyb.
Lineární/nelineární vícerozměrná regrese.
Multikolinearita, heteroskedasticita.
Modelování strukturálních rovnic (SEM), částečné nejmenší čtverce (PLS).
Endogenita, metody simultánních rovnic, dvoustupňové metody nejmenších čtverců.
Grangerova kauzalita, Engle-Granger.
Pokročilé regrese: Poissonova, Demingova, ordinální logistická, Ridgeova, vážená, Bootstrap.
UMĚLÁ INTELIGENCE A STROJOVÉ UČENÍ (DATOVÁ VĚDA)
Bagging Linear Bootstrap.
Bagging Nonlinear Bootstrap.
Klasifikační a regresní stromy CART.
Vlastní přizpůsobení.
Redukce dimenze Analýza hlavních komponent.
Redukce dimenze Faktorová analýza.
Společné přizpůsobení souboru.
Ensemble Complex Fit.
Soubor časových řad.
Gaussova směs a segmentace K-Means.
K-nejbližší sousedé.
Lineární fit model.
Vícerozměrná diskriminační analýza (lineární).
Vícerozměrná diskriminační analýza (kvadratická).
Neuronové sítě (kosinus, tangens, hyperbola)
Logistická binární klasifikace.
Normit-Probit Binární klasifikace.
Fylogenetické stromy a hierarchické shlukování.
Náhodný les.
Segmentační shlukování.
Stroje s podpůrnými vektory SVM.
