hrvatski

Statističke metode u prognozi temperature kao osnova za procjenu vrijednosti vremenskih izvedenica

Precizna vremenska prognoza osnova je za vrednovanje vremenskih izvedenica, vrijednosnih papira koji imateljima djelomično nadoknađuju financijske gubitke, nastale za njih nepovoljnim kretanjem temperature zraka. Rad izračunava najprecizniji od tri modela za prognozu prosječne dnevne temperature zraka, Ornstein-Uhlenbeck (O-U) proces, model generalizirane autoregresivne uvjetovane heteroskedastičnosti (GARCH) te Monte Carlo simulacije. Podaci o temperaturama za razdoblje 2000.-2017., preuzeti iz baze podataka Državnog hidrometeorološkog zavoda (DHMZ) za mjerno mjesto Maksimir, korišteni su za prognozu temperature 2018. godine. Srednjom apsolutnom postotnom pogreškom (eng. mean absolute percentage error - MAPE) i korijenom srednje kvadratne pogreške (eng. root mean squared error - RMSE) uspoređeni su prognozirani i stvarni podaci za 2018. godinu. GARCH model pokazuje preciznije prognoze od O-U procesa. RMSE za GARCH iznosi 3, 75°C, a za O-U proces 4, 53°C, dok je MAPE 140, 66% naspram 144, 45%. Monte Carlo simulacija pokazala se neadekvatnom za prognozu dnevne temperature. Umjetnom inteligencijom te superračunalima moguće je preciznije prognoziranje zbog ažurnijih i preciznijih podataka o temperaturi.

vremenske izvedenice, Ornstein-Uhlenbeck proces, GARCH model, Monte Carlo simulacija

Dana 2.12.2019. ovaj diplomski rad nagrađen je Dekanovom nagradom. Ovom nagradom nagrađeno je samo pet diplomskih radova u 2019. godini.