| Form of studies |
Master |
| Title of the study programm |
Financial Engineering Mathematics |
| Title in original language |
Latvijas IKP prognozēšana, izmantojot statistikas un mašīnmācīšanās pieejas |
| Title in English |
Forecasting Latvia's GDP Using Statistical and Machine Learning Approaches |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Boriss Siliverstovs |
| Reviewer |
Jeļena Pečerska |
| Abstract |
Maģistra darbā tiek aplūkota Latvijas IKP pieauguma tempu prognozēšanas problēma. Pētījuma mērķis ir izpētīt un pielietot ekonometriskās metodes un mašīnmācīšanās algoritmus, kā arī salīdzināt iegūtos rezultātus. Īpaša uzmanība pētījuma ietvaros pievērsta datu vākšanas procesam un apstrādei, jo tika izveidotas pseidoreālu apstākļu simulācijas datu versijas ar mērķi nodrošināt objektīvākas prognozes. Pētījuma rezultāti rāda, ka mašīnmācīšanās algoritmi kopumā nodrošina statistiskajiem modeļiem līdzvērtīgu prognozēšanas precizitāti. Aplūkotajā periodā līdz 2020. gadam precīzākas prognozes sniedza mašīnmācīšanās algoritmi, savukārt pēdējos gados, mainoties ekonomiskajiem apstākļiem, labākus rezultātus uzrādīja statistiskie modeļi. Darbs var būt noderīgs makroekonomiskās modelēšanas speciālistiem un pētniekiem, kurus interesē mūsdienīgu analītisko rīku pielietojums ekonomikā.
Maģistra darbā ir 96 lappuses, 26 attēli, 2 tabulas, 3 pielikumi un 43 informācijas avoti. |
| Keywords |
IKP PROGNOZĒSANA, EKONOMETRISKIE MODEĻI, MAŠĪNMĀCĪŠANĀS |
| Keywords in English |
GDP NOWCASTING, ECONOMETRIC MODELS, MACHINE LEARNING |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
30.05.2025 08:24:27 |
