Detail předmětu

Pokročilé metody analýz a modelování

FP-RpmamPAk. rok: 2017/2018

Obsahem předmětu je seznámení studentů s vybranými pokročilými metodami analýz a technikami modelování (fuzzy logika, umělé neuronové sítě, genetické algoritmy) formou vysvětlení principů těchto teorií a jejich následných aplikací do manažerské praxe.

Jazyk výuky

čeština

Počet kreditů

4

Zajišťuje ústav

Výsledky učení předmětu

Získané znalosti a dovednosti předmětu umožní absolventům kvalitní a moderní přístup při procesech analýz a modelování v národním hospodářství a soukromém sektoru, organizacích, podnicích, firmách, společnostech, bankách, atd. zejména v manažerské, ale i ekonomické a finanční sféře.

Prerekvizity

Znalosti z oblasti matematiky (lineární algebra, vektory, analýza funkcí, operace s maticemi) statistiky (analýza časových řad, regresní analýza, užití statistických metod v ekonomii), operační analýzy (základní metody optimalizace, lineární programování), finanční analýzy a plánování (analýza zisku a nákladů, cash flow, bonitní a bankrotní model).

Plánované vzdělávací činnosti a výukové metody

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny a problémů. Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

Způsob a kritéria hodnocení

K udělení klasifikovaného zápočtu bude požadováno:
1) Aktivní účast na cvičeních, tj. zpracování nejméně 4 z celkem 5 tematicky zaměřených úkolů zpracovávaných na jednotlivých cvičeních (1. FL Excel, 2. FL MATLAB, 3. NN, 4. GA, 5. teorie chaosu).
2) Získání minimálně 5 bodů z písemného semestrálního projektu (max. 10 bodů). Rozsah projektu bude činit cca 8 -12 stránek s individuálním zaměřením studenta na problematiku z praxe, vedoucí k řešení za pomoci teorie fuzzy logiky, umělých neuronových sítí nebo genetických algoritmů. Detaily k projektu budou prezentovány na prvním cvičení a práce musí být odevzdána do konce 10. týdnu semestru.
3) Absolvování závěrečného testu na minimálně 10 bodů, přičemž tento test je klasifikován podle ECTS. Jeho provedení je písemnou formou uzavřených otázek s bodovým hodnocením v rozsahu 0-20 bodů. A:20-19; B:18-17; C:16-15; D:14-13; E:12-10; F:9-0.

Osnovy výuky

1.Fuzzy logika (FL): Seznámení se s základními pojmy a pravidly fuzzy logiky, tvorbou modelů. Uvedení příkladů aplikací fuzzy logiky v rozhodování, jako je např. manažerské a investiční rozhodování, predikce atd.
2.Umělé neuronové sítě (UNS): Seznámení se s základními pojmy v oblasti umělých neuronových sítí, uvedení pojmu perceptron, vícevrstvá neuronová síť a jejich parametrů. Aplikace zahrnuje investiční rozhodování, odhady cen výrobků a množstevní odhady, odhad cen nemovitostí, oceňování bonity klienta atd.
3.Genetické algoritmy (GA): Seznámení se základy genetiky, analogií mezi přírodou a matematickým popisem, umožňující řešení problémů rozhodování. Je uvedeno použití v oblasti optimalizace široké palety problémů – optimalizace investiční strategie, řízení výroby, řezných plánů, aproximace křivek, řešení problému obchodního cestujícího, využití shlukové analýzy apod.
4.Teorie chaosu: Teorie pojednává o možnosti lepšího popisu ekonomických jevů než je tomu u klasických metod. Je objasněn pojem chaos a řád, fraktál, uvedeno využití této teorie při určení míry chaosu u měřeného sledovaného systému.
5.Datamining: Uvedení pojmu co znamená datamining, definování cílů, výběr techniky modelování, zdroje a příprava dat, tvorba modelů, jejich ověření, vyhodnocení, implementace a údržba. Uvedení příkladů použití pro volbu strategie spolupráce se zákazníkem, direkt mailing apod.
6.Modelování: Uvedení pojmu systém a jeho identifikaci a simulaci. Popis využití FL, UNS a GA při simulaci rozhodovacích procesů v podnikatelství.

Učební cíle

Cílem výše uvedeného předmětu je seznámení se s některými nestandardními pokročilými metodami analýz a technikami modelování za účelem podpory rozhodování v podnikatelství formou vysvětlení si principu těchto teorií, naučit se pracovat s těmito teoriemi a jejich aplikací.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách není kontrolována. Účast na cvičeních je povinná a je systematicky kontrolována. Student je povinen neúčast omluvit. Nahrazení neúčasti na cvičení spočívá v samostatném zpracování zameškaného úkolu a jeho prezentaci cvičícímu v následující hodině. Za celý semestr musí student zpracovat minimálně 4 z 5 úkolů, ať již prezenčně na cvičeních, nebo samostatně s následnou osobní prezentací cvičícímu.

Základní literatura

DOSTÁL, P. Pokročilé metody analýz a modelování v podnikatelství a veřejné správě. CERM. CERM. Brno: CERM Akademické nakladatelství, 2008. 340 p. ISBN: 978-80-7204-605-8. (CS)
DOSTÁL, P.: Advanced Decision making in Business and Public Services, Akademické nakladatelství CERM, 2011 Brno,ISBN 978-80-7204-747-5. (EN)
DOSTÁL, P, RAIS, K., SOJKA, Z.: Pokročilé metody manažerského rozhodování, Praha Grada, 2005., ISBN 80-247-1338-1. (CS)
THE MATHWORKS. MATLAB – User’s Guide, The MathWorks, Inc., 2011. (EN)

Doporučená literatura

FANTA, J.: Technologie umělé inteligence na kapitálových trzích, UK Praha, 1999, 92 s., ISBN 80-7184-8661. (CS)
RAIS, K., SMEJKAL,V.: Řízení rizik, Grada, 2004, 274 s., ISBN 80-247-0198-7. (CS)
HERBST,F.: Analyzing and Forecasting Futures Prices, John Wiley & Sons Inc., 1992, 238 s., ISBN 0-471-53312-2. (EN)
ALTROCK,C.: Fuzzy Logic &Neurofuzzy – Applications in Business & Finance, Book & Cd Edition, 1996, 375 s., ISBN 0-13-591512-0. (EN)
GATELY, E.: Neural Network for Financial Forecasting, John Wiley & Sons Inc., 1996, 169 s., ISBN 0-471-11212-7. (EN)
DAVIS,L.: Handbook of Genetic Algorithms, Int. Thomson Com. Press, 1991, 385 s., ISBN 1-850-32825-0. (EN)
PETERS, E.: Fractal Market Analysis – Applying Chaos Theory, John Wiley & Sons Inc., 1994, 315 s., ISBN 0-471-58524-6. (EN)
REBEIRO,R.R., ZIMMERMANN,H.J.: Soft Computing in Financial Engineering, Spring Verlag Company, 1999, 509 s., ISBN 3-7908-1173-4. (EN)

Zařazení předmětu ve studijních plánech

  • Program MGR magisterský navazující

    obor MGR-PFO , 1. ročník, letní semestr, volitelný
    obor MGR-ŘEP , 1. ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Úvod
2. Fuzzy logika - teorie
3. Fuzzy logika + aplikace – Excel
4. Fuzzy logika – aplikace Matlab
5. Umělé neuronové site - teorie
6. Umělé neuronové sítě + aplikace Matlab
7. Genetické algoritmy - teorie
8. Genetické algoritmy + aplikace Matlab
9. Teorie chaosu
10. Datamining
11. Časové řady, predikce, kapitálový trh
12. Řízení výroby a řízení rizik
13. Rozhodování

Cvičení s počítačovou podporou

13 hod., povinná

Vyučující / Lektor

Osnova

1. Fuzzy logika - Excel
2. Fuzzy logika – seminární práce I.
3. Fuzzy logika - seminární práce II.
4. Fuzzy logika - MATLAB
5. Neuronové site, genetické algoritmy
6. Zápočet