Detail předmětu

Pokročilé metody analýz a modelování

FP-RpmamKAk. rok: 2011/2012

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.

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

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

K udělení zápočtu bude požadována aktivní účast na cvičeních, odevzdání závěrečné písemné práce, popř. písemný test. Rozsah seminární práce 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.

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

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.

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

Účast na soustředěních, konzultace. Kontrola výsledků samostatných písemných projektů.

Základní literatura

DOSTÁL, P.: Advanced Decision Making in Business and Public Services, Akademické nakladatelství CERM, 2011 Brno,ISBN 978-80-7204-747-5. (EN)
DOSTÁL, P. Pokročilé metody analýz a modelování v podnikatelství a veřejné správě. Brno: CERM Akademické nakladatelství, 2008. 340 p. ISBN: 978-80-7204-605-8. (CS)
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

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

    obor MGR-ŘEP-KS , 1 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

10 hod., nepovinná

Vyučující / Lektor