Performance of Ensemble Methods for Economic Forecasting: Evaluating Bagging in Predicting House Price Index
Autor(ka) práce:
Pilipas, Oleksandr
Typ práce:
Bachelor thesis
Vedoucí práce:
Frýd, Lukáš
Oponenti práce:
Kavřík, Dominik
Jazyk práce:
English
Abstrakt:
This thesis examines ensemble learning, particularly bagging, for forecasting the UK Housing Price Index (HPI) using quarterly data from 1968–2024, harmonized and second-order dif- ferenced for stationarity. A rolling expanding-window compares ARIMA, Bagged ARIMA, MLP, Bagged MLP, LSTM, and Random Forest across one- to four-quarter horizons using MAE and RMSE. Results show bagged neural nets markedly reduce variance and enable uncertainty quantification; ARIMA remains most accurate short-term, while deep ensembles improve longer-horizon predictions. The contribution includes a uniform evaluation frame- work and analysis of the accuracy–complexity–cost trade-off.
Klíčová slova:
House Price Index; Ensemble learning; Time series forecasting; Bagging
Název práce:
Výkonnost ansámblových metod pro ekonomické predikce: Hodnocení baggingu při predikci indexu cen nemovitostí
Autor(ka) práce:
Pilipas, Oleksandr
Typ práce:
Bakalářská práce
Vedoucí práce:
Frýd, Lukáš
Oponenti práce:
Kavřík, Dominik
Jazyk práce:
English
Abstrakt:
Práce zkoumá využití ansámblových metod, zejména baggingu, pro predikci indexu cen bydlení ve Spojeném království (HPI). Využívá čtvrtletní data 1968–2024, harmonizovaná do jednotné frekvence a transformovaná druhým řádem rozdílů k dosažení stacionarity. V rozšiřovaném posuvném okně jsou porovnány modely ARIMA, bagged ARIMA, MLP, bagged MLP, LSTM a Random Forest na predikce s horizonty 1–4 čtvrtletí pomocí MAE a RMSE. Výsledky ukazují, že bagging neuronových sítí výrazně snižuje varianci a umožňuje kvan- tifikaci nejistoty, přičemž ARIMA je stále nejpřesnější v krátkém horizontu, zatímco hluboké ansámbly zlepšují dlouhodobé prognózy. Studie přináší jednotný hodnoticí rámec a analýzu kompromisu mezi přesností, složitostí a náročností výpočtu.
Klíčová slova:
Ansámblové učení; Časové řady; Bagging; Index cen bydlení,