Näytä suppeat kuvailutiedot

dc.contributor.advisorHalttunen, Veikko
dc.contributor.authorOrola, Jaakko
dc.date.accessioned2020-12-28T07:31:14Z
dc.date.available2020-12-28T07:31:14Z
dc.date.issued2020
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/73428
dc.description.abstractInformaatioyhteiskunta tuottaa itsestään jatkuvasti kasvavalla nopeudella tietoa, jota on mahdollista hyödyntää uusien menetelmien, kuten koneoppimisen avulla. Taloustieteilijät ovat viimeisten vuosikymmenten aikana kehittäneet tapoja tehdä talouden ennusteita käyttäen useita erilaisia tiedonlähteitä samanaikaisesti. Tämä kirjallisuuskatsauksena toteutettu tutkielma vastaa kysymykseen, kuinka suuria datamassoja voidaan hyödyntää makrotaloustieteessä, ja kuinka koneoppimisen menetelmät soveltuvat korvaamaan ja täydentämään makrotaloustieteen perinteisesti käyttämiä ekonometrian menetelmiä ennustamisessa. Tutkimuksessa havaittiin, että prosessi hyödyntää koneoppimisen menetelmiä täysin on makrotaloustieteessä edelleen vaiheessa. Tutkimustulokset osoittavat, että esimerkiksi verkkoharavoinnilla hankittu data ja hakukonedata sisältävät informaatiota, jota perinteisistä tietolähteistä ei löydy. Hadoop ja NoSQL-tietokannat osoittautuvat tärkeiksi datanhallinnan työkaluiksi. Monet uudet tiedonlähteet sopivat reaaliaikaiseen ennustamiseen, sillä dataa on julkisesti tarjolla päivittäistasolla.fi
dc.description.abstractThe modern information society creates data about itself at an ever-increasing pace. With emerging technologies like machine learning, it is possible to make use of this data. For the last three decades, economists have developed models that predict using a multiple data source approach. This literature review answers the question how Big Data can be utilized in macroeconomics and how machine learning technologies can complement or replace econometrical methods in prediction. The process of utilizing machine learning in macroeconomics was found to be incomplete at the time of this review. The results show that data gathered with web scraping and search engine statistics contain information that is not present in contemporary datasets. Apache Hadoop and NoSQL databases prove to be important tools in managing Big Data. Many new data sources that can be collected at a high frequency are useful in macroeconomic nowcasting.en
dc.format.extent27
dc.language.isofi
dc.rightsIn Copyrighten
dc.subject.othernowcasting
dc.titleMassadata ja koneoppiminen makrotaloustieteessä
dc.typebachelor thesis
dc.identifier.urnURN:NBN:fi:jyu-202012287360
dc.type.ontasotBachelor's thesisen
dc.type.ontasotKandidaatintyöfi
dc.contributor.tiedekuntaInformaatioteknologian tiedekuntafi
dc.contributor.tiedekuntaFaculty of Information Technologyen
dc.contributor.laitosInformaatioteknologiafi
dc.contributor.laitosInformation Technologyen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.oppiaineTietojärjestelmätiedefi
dc.contributor.oppiaineInformation Systems Scienceen
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.publicationbachelorThesis
dc.contributor.oppiainekoodi601
dc.subject.ysokoneoppiminen
dc.subject.ysobig data
dc.subject.ysomakrotaloustiede
dc.subject.ysoennusteet
dc.subject.ysodata
dc.rights.urlhttps://rightsstatements.org/page/InC/1.0/


Aineistoon kuuluvat tiedostot

Thumbnail

Aineisto kuuluu seuraaviin kokoelmiin

Näytä suppeat kuvailutiedot

In Copyright
Ellei muuten mainita, aineiston lisenssi on In Copyright