Performance of Ensemble Methods for Economic Forecasting: Evaluating Bagging in Predicting House Price Index
Author:
Pilipas, Oleksandr
Thesis type:
Bachelor thesis
Supervisor:
Frýd, Lukáš
Opponents:
Kavřík, Dominik
Thesis language:
English
Abstract:
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.
Keywords:
House Price Index; Ensemble learning; Time series forecasting; Bagging
Thesis title:
Výkonnost ansámblových metod pro ekonomické predikce: Hodnocení baggingu při predikci indexu cen nemovitostí
Author:
Pilipas, Oleksandr
Thesis type:
Bakalářská práce
Supervisor:
Frýd, Lukáš
Opponents:
Kavřík, Dominik
Thesis language:
English
Abstract:
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.
Keywords:
Ansámblové učení; Časové řady; Bagging; Index cen bydlení,
Information about study
Study programme:
Data Analytics
Type of study programme:
Bakalářský studijní program
Assigned degree:
Bc.
Institutions assigning academic degree:
Vysoká škola ekonomická v Praze
Faculty:
Faculty of Informatics and Statistics
Department:
Department of Econometrics
Information on submission and defense
Date of assignment:
30. 1. 2024
Date of submission:
8. 12. 2025
Date of defense:
2026
Files for download
The files will be available after the defense of the thesis.