Információ és tudás: A Big Data szerepe a közgazdaságtanban Vincze János BCE és MTA KRTK KTI 2015. 02.0 2 MAFIHE Téli Iskola.

Slides:



Advertisements
Hasonló előadás
Társadalmi haszon az adatok mélyén Surján László, gazdasági igazgató, IQSYS Sipos Ferenc, BI ágazatvezető, IQSYS.
Advertisements

A statisztika alkalmazása különféle tudományterületeken I. Közgazdaságtan és gazdálkodástudomány Kovács Péter.
Megnyitó Új közgazdasági perspektívák szakpolitikai relevanciái Fazekas Károly főigazgató MTA KRTK AZ MTA KRTK Közgazdaságtudományi Intézet és az MTA Emberi.
2005. Operációkutatás Ferenczi Zoltán. Széchenyi István Egyetem Operációkutatás eredete •második világháború alatt alakult ki •különböző szakmájú emberekből.
Digitális technika, digitális áramkörök
4 K 1 ÜZLETI INFORMATIKA SZAKIRÁNY SZÁMÍTÁSTUDOMÁNYI ÉS INFORMÁCIÓELMÉLETI TANSZÉK PÉNZÜGY ÉS SZÁMVITEL TANSZÉK IPARI MENEDZSMENT ÉS VÁLLALKOZÁSGAZDASÁGTAN.
Hogyan gondolkodjunk az árakról Állnak a falak… BUDAPEST május 22.
Privatizáció, foglalkoztatás és bérek Hozzászólás John Earle és Telegdy Álmos tanulmányához Antal Gábor MTA KRTK Közgazdaságtudományi Intézet Szirák 2012.
10 állítás a gyerekek internethasználatáról
Készítette: Tóth Enikő 11.A
Energiatervezési módszerek
MEMM (Maximum Entrópia Markov Modell). A label-bias probléma Tanító adatbázis gold standard címkéin tanulunk, kiértékelni a generálton. Túl tökéletes,
Új klasszikus makroökonómia
Formalizálás, matematizálás és ökonometria
Magyar Pénzügyi Közvetítő Zártkörű Részvénytársaság
DÖNTÉSELMÉLET A DÖNTÉS = VÁLASZTÁS A döntéshozatal feltételei:
Nemzetközi politikai gazdaságtan I.
Pordány Sarolta: Ph.D. kutatásindító
A társadalomtudományi kutatás módszerei
Üzleti intelligencia Kecskemét 2007 ősz. BI Business Intelligence Üzleti Intelligencia Bevételnövelő és költségcsökkentő lehetőségek feltárása, döntéstámogatás.
A marketing új dimenziója: a geomarketing Kovács András főiskolai tanársegéd Modern Üzleti Tudományok Főiskolája, Tatabánya
SZENT ISTVÁN EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR TUDOMÁNYOS DIÁKKÖRI KONFERENCIA NOVEMBER 24. Készítette: Batár Ádám.
A munkanélküliség és az infláció kapcsolata
A szervezeti problémák kezelése
Operációkutatás eredete
Bérváltozások 2008 május május Köllő János MTA KTI.
Verseny és Szabályozás konferencia
Ki is az elemző közgazdász?
Statisztika a szociológiában
Adatbázisrendszerek jövője
Játékelmélet Kovács Dániel László Intelligens Rendszerek kutatócsoport
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Bin-summarise-smooth: ‚bigvis’ „Big Data” elemzési módszerek.
Szemantikus keresők.
Kvantitatív Módszerek
1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Célkitűzés: Információk téma-specifikus, különböző típusú forrásokból (internet, intranet.
Körmendi György SPSS Hungary 2007 november 6. Magyar nyelvű szöveganalitika.
2. Döntéselméleti irányzatok
New View Beszámoló a tanulókkal történt interjúról.
Korreferátum Herczeg Bálint: Az iskolák közötti különbségek mértékének mélyebb vizsgálata Horn Dániel Tudományos munkatárs Hétfa műhely, Budapest, 2014.
Energiatervezési módszerek
Iskola-egészségügyi Konferencia augusztus Informatikai lehetőségek az iskola/ifjúság-egészségügyi munkában Wenhard Andrea egészségügyi szakközgaszdász.
Adatbányászat Excel 2007-tel
Tutoriál videó alkalmazása Moodle kurzusban
Logika szeminárium Előadó: Máté András docens Demonstrátorok:
Információ és tudás: a Big Data szerepe a közgazdaságtanban Vincze János
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Marketing információs
Bevezetés a méréskiértékelésbe (BMETE80ME19)
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék R „Big Data” elemzési módszerek Kocsis Imre
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Mindannyian Ságvári Bence adatok -- Big Data Day 2013 leszünk… Társadalomtudomány a Nagy Adat korában.
Informatikus - fizika 1 ÚJ SZAK AZ ELTE TTK-N az oktatás modernizálása keretében 2000-ben lett kidolgozva, 2002 júniusában engedélyezve, 2003 szeptemberében.
Üzleti igények avagy Mit kellene megbeszélnem az informatikai vezetőmmel? Bőgel György CEU Business School.
Cégnév Üzleti terv. Célkitűzések A cég hosszú távú céljainak egyértelmű bemutatása –Használjon a cég növekedését alátámasztó kifejezéseket, de legyen.
Adamecz Anna: Iskolalátogatási korhatár és az érettségi elérésének valószínűsége Hozzászóló: Varga Júlia MTA KRTK KTI.
Budapesti Corvinus Egyetem A évi mesterszakos felvételi eljárás Budapest, február 4.
Az iskolázottságra ható tényezők: egy nemzetközi panelvizsgálat eredményei Bakó Tamás MTA KRTK Közgazdaság-tudományi Intézet Szirák, november
Operációkutatás I. 1. előadás
Startup felvásárlások multikulturális hátterének elemzése, avagy mesterséges intelligencia alapú ellenőrzőszámítás diszkriminancia-elemzéshez Barta Gergő,
Simon Péter főtitkár Bolyai János Matematikai Társulat
Értékteremtő üzleti megoldások a BI segítségével
A könyvtári integrált rendszerek statisztikai moduljának használata
“Tudásmegosztás és szervezeti problémamegoldás a mesterséges intelligencia korában” Levente Szabados Technológiai Igazgató.
Eredetileg a statisztika matematikai eszközöket igénybe vevő államháztartástant jelentett, vagyis azon módszerek gyűjteményét és elméletét, amelyek segítségével.
Logika szeminárium Barwise-Etchemendy: Language, Proof and Logic
Üzleti terv bemutatása
„Big Data” elemzési módszerek
A szakiskolai oktatás kiterjesztésének hatása
egyetemi docens, tanszékvezető, KJE
A világ sarkából is elérhető könyvtár, a könyvtár sarkából is elérhető világ Winkler Bea.
Előadás másolata:

Információ és tudás: A Big Data szerepe a közgazdaságtanban Vincze János BCE és MTA KRTK KTI MAFIHE Téli Iskola

We are drowning in information but starved for knowledge. John Naisbitt (Megatrends, 1982)

Vázlat 1. Közgazdaságtan és adatok 2. Arbitrázs lehetőségek és Big Data 3. Big Data és oksági összefüggések 4. Közgazdaságtan és ökonofizika 5. Összefoglalás

1.1 Közgazdaságtan és adatok Hol van sok adat és hogyan keletkeznek? Statisztikai hivatalok Privát, elektronikus adatok Adminisztratív Strukturálatlanság fontos probléma

1.2 Közgazdászok és adatok Mottó egy ökonometria kézikönyvből a 80-as években: Nagyapám soha nem evett fasírtot; az étteremben azért nem, mert nem tudta mi van benne, otthon azért nem, mert tudta. Elméletek és adatok a közgazdaságtanban Big Data: a fasírtkészítés felelőssége (többnyire) adott hozzávalókból

1.3 Potenciálistól az aktuálisan használt adatokig Potenciális (big) Keresők, statisztikai hivatalok, vállalati tranzakciók, adminisztratív adatbázisok, népszámlálások. Aktuálisan használt (általában nem big) már strukturált adatok, n>>p

1. 4 Közgazdaságtan és Big Data Hal Varian: Big Data - New Tricks for Econometrics (2014) There have been very fruitful collaborations between computer scientists and statisticians in the last decade or so, and I expect collaborations between computer scientists and econometricians will also be productive in the future.

2.1 Üzleti alkalmazások Hitel default előrejelzés Vásárlói szokások Ügyfélvesztés előrejelzés Általában célzott marketing Pénzügyi előrejelzések

Epagogix

2.2 Példa: Epagogix Big Data módszerek a filmgyártásban (Ian Ayres: Super crunchers) Forgatókönyv, szereposztás elemzés, és a bevétel előrejelzése Eredmény: a filmkészítés profitabilitása nőhet Kinek kell és kinek nem kell?

2.3 Előrejelzés és arbitrázs Klasszikus arbitrázs: határidős devizapiac Kockázatos arbitrázs: előrejelzésen alapuló devizaspekuláció Arbitrázs általánosabban: mint a piaci tökéletlenség kihasználásának lehetősége

2.4 Tanulságok az Epagogix példából A tudás jellege: átmeneti (arbitrázs) hiányos: mit tudunk a visszacsatolásról? gyakran nincs lehetőség ellenőrzésre

3.1 Közgazdászok és adatelemzés Az ökonometria a Neyman-Pearson matematikai statisztika leszármazottja Becslés és hipotézis vizsgálat, oksági összefüggések – hatások keresése Data mining: illetlenség, de olyan, amit senki sem tud mellőzni

3.2 Big Data és okság/ hatás vizsgálat Mi van, ha nem lehet kísérletezni ? Természetes kísérletek: minimálbér Big Data és természetes kísérletek: hólapátok ára Instrumentális becslés: tanulási idő és bérek Big Data és instrumentumok: Google Correlate Igazán jó előrejelzésből is lehet hatásvizsgálat.

3.3 Hol kellene szemléletet változtatni? Adatstrukturálás adatbányászattal és p>>n Időleges előrejelzések nagyobb megbecsülése. Mit lehet előrejelezni? Mikor értelmes az „okságot” kutatni? Identifikáció vagy overfitting a probléma

3.4 De … Penicillin és arbitrázs 1. vizsgálat: A penicillin kimutathatóan hatásos 2. vizsgálat: a pneumococcus visszavág A statisztikai hatásvizsgálat kevés, mélyebb tudás kell! Az állapottér mélysége is fontos!

4.1 Lélekvándorlás: fizika, közgazdaságtan és szociológia Egy indiai közgazdász magyarázata Hálózatok: Miért fontosabb a szociológusoknak? Miért szeretik a fizikusok? Miért óvatosak a közgazdászok?

4.2 Közgazdasági modellek és a valóság Hagyományos szemlélet: mintamomentumokat akarunk magyarázni Érvelés: Nem-ergodikus esetben nincs haszna egyetlen minta momentumainak. Mivel csak egy mintánk van, ezért ergodikus modelleket kell csinálnunk.

4.3 Ágens-alapú modellek Heterogenitás: a szimulációk nagy adathalmazt generálnak Hasonlóan az evolúciós modellekhez a szimulált idősorok nem feltétlenül ergodikusak Hogyan lehet validálni egy ilyen modellt egy minta alapján?

4.4 Felfedezés és analógiák keresése Az ABM-ekből származó adathalmazok összevetése egymással és más nagy (valós) folyamatokból származó Nézzük meg, hogy vannak-e közös jellemzők!

5. Összefoglaló Big Data: új szemléletre ösztönöz a közgazdaságtanban A haszna „arbitrázs” problémáknál nyilvánvaló, hatásvizsgálatoknál is alkalmazható, de sok kihasználatlan lehetőség is van A tudást biztosan nem tudja tökéletesen helyettesíteni, de segíthet felhalmozni