| Studiju veids |
maģistra akadēmiskās studijas |
| Studiju programmas nosaukums |
Finanšu inženiermatemātika |
| Nosaukums |
Latvijas IKP prognozēšana, izmantojot statistikas un mašīnmācīšanās pieejas |
| Nosaukums angļu valodā |
Forecasting Latvia's GDP Using Statistical and Machine Learning Approaches |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Boriss Siliverstovs |
| Recenzents |
Jeļena Pečerska |
| Anotācija |
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. |
| Atslēgas vārdi |
IKP PROGNOZĒSANA, EKONOMETRISKIE MODEĻI, MAŠĪNMĀCĪŠANĀS |
| Atslēgas vārdi angļu valodā |
GDP NOWCASTING, ECONOMETRIC MODELS, MACHINE LEARNING |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
30.05.2025 08:24:27 |
