Analysis of financial literacy in the European Union
| Thesis title: | Analýza finanční gramotnosti v EU |
|---|---|
| Author: | Liner, Jiří |
| Thesis type: | Bakalářská práce |
| Supervisor: | Vyletelka, Michal |
| Opponents: | Pecina, Petr |
| Thesis language: | Česky |
| Abstract: | Tato práce se zaměřuje na využití machine learningových modelů pro analýzu finanční gramotnosti v Evropské unii s důrazem na predikční význam socioekonomických faktorů, které jsou široce zastoupeny v současné literatuře. Využitím dat z dotazníkového šetření Evropské komise z roku 2023 byla sestrojena sada regresních modelů, kterými byla analyzována významnost vybraných proměnných napříč specifikovanými regiony EU. Kvůli zešikmení rozdělení původní skóringové proměnné byla syntetizována alternativní proměnná, lépe vystihující úroveň finanční gramotnosti v populaci. Přínosem této práce je zejména rozsáhlá komparace významu exogenních proměnných pro jejich predikční schopnost v mnoha regionech, segmentovaných jak podle ekonomických, tak kulturních metrik. |
| Keywords: | Evropská unie; Finanční gramotnost; Machine learning |
| Thesis title: | Analysis of financial literacy in the European Union |
|---|---|
| Author: | Liner, Jiří |
| Thesis type: | Bachelor thesis |
| Supervisor: | Vyletelka, Michal |
| Opponents: | Pecina, Petr |
| Thesis language: | Česky |
| Abstract: | This thesis focuses on the application of machine learning models to analyze financial literacy across the European Union, with an emphasis on the predictive importance of socio-economic factors widely discussed in current literature. Using data from the 2023 survey conducted by the European Commission, a set of regression models was constructed to assess the significance of selected variables across defined EU regions. Due to the skewed distribution of the original scoring variable, an alternative synthetic variable was developed to better capture the true level of financial literacy in the population. The main contribution of this thesis lies in a comprehensive comparison of the predictive relevance of exogenous variables across various regions segmented by both economic and cultural metrics. |
| Keywords: | Financial literacy; Machine learning; European Union |
Information about study
| Study programme: | Bankovnictví a pojišťovnictví |
|---|---|
| Type of study programme: | Bakalářský studijní program |
| Assigned degree: | Bc. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Finance and Accounting |
| Department: | Department of Banking and Insurance |
Information on submission and defense
| Date of assignment: | 10. 3. 2025 |
|---|---|
| Date of submission: | 29. 5. 2025 |
| Date of defense: | 13. 6. 2025 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/91873/podrobnosti |