Naslov
Statističke metode u prognozi temperature kao osnova za procjenu vrijednosti vremenskih izvedenica
(Statistical methods in temperature prognosis as a ground for weather derivatives value estimation)

Autori
Kovač, Matej

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski

Fakultet
Ekonomski fakultet

Mjesto
Zagreb

Datum
04.09

Godina
2019

Stranica
57

Mentor
Žmuk, Berislav

Ključne riječi
vremenske izvedenice, Ornstein-Uhlenbeck proces, GARCH model, Monte Carlo simulacija
(Weather Derivatives, Ornstein-Uhlenbeck process, GARCH model, Monte Carlo simulation)

Sažetak
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.

Izvorni jezik
Hrvatski

Znanstvena područja
Ekonomija

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

POVEZANOST RADA