Course detail

Analysis of Economic Data

FP-UaedPAcad. year: 2025/2026

Not applicable.

Language of instruction

Czech

Number of ECTS credits

4

Mode of study

Not applicable.

Entry knowledge

Rules for evaluation and completion of the course

Aims

Study aids

Prerequisites and corequisites

Not applicable.

Basic literature

VESELÁ, Jitka; OLIVA, Martin, 2015. Technická analýza na akciových, měnových a komoditních trzích. Praha: Ekopress. ISBN 978-80-8786-522-4 (CS)
ZMEŠKAL Zdeněk; DLUHOŠOVÁ Dana a TICHÝ Tomáš, 2013. Finanční modely. Koncepty, metody, aplikace, 3. vydání. Praha: Ekopress. ISBN 978-80-8692-991-0 (CS)

Recommended reading

ALTMAN, E. I. and G. SABATO. Modelling Credit Risk for SMEs: Evidence from the U.S. Market. Abacus. 2007, vol. 43, no. 3, s. 332-357. ISSN 0001-3072. (EN)
BEAVER, W.H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4, 71-111. (EN)
GRICE, J. S. and M. T. DUGAN. The limitations of bankruptcy prediction models: Some cautions for the researchers. Review of Quantitative Finance and Accounting. 2001, vol. 17, no. 2, s. 151-166. ISSN 1573-7179. (EN)

Classification of course in study plans

  • Programme BAK-EAM Bachelor's

    specialization BAK-EAM-UAD , 3 year of study, winter semester, compulsory

Type of course unit

 

Lecture

13 hod., optionally

Teacher / Lecturer

Syllabus

  1. Úvod do předmětu. Typy podnikových dat, možnosti a úskalí jejich analýzy.
  2. Možnosti dynamického rozkladu ROE
  3. Beaver-Altmanův přístup k hodnocení rizika úpadku
  4. Dluhová kapacita a její analýza
  5. Očekávaný akciový výnos a relevantní technické indikátory
  6. Analýza volatility tržních dat a jejich využití k hodnocení rizika

Exercise

13 hod., compulsory

Teacher / Lecturer

Syllabus

  1. Základy práce s databázi Orbis a s podnikovými daty v excelu.
  2. Možnosti dynamického rozkladu ROE
  3. Beaverova analýza profilu
  4. Testování modelů Altmanova typu
  5. Analýza dluhové kapacity
  6. Očekávaný akciový výnos a relevantní technické indikátory

Znalosti: Cílem předmětu je naučit studenty zpracovávat panelová data pocházející z podnikových databází, a to na příkladech konkrétních aplikaci z oblasti kreditního rizika a hodnocení očekávané výnosnosti.

Dovednosti: Studenti budou schopni pracovat s databázemi podnikových dat a získávat z dat relevantní informace o statistickém rozložení, variabilitě, centrálních tendencích sledovaných faktorů a tyto informace následně využít pro zhodnocení různých aspektů kreditního rizika, očekávaného výnosnosti, případně dluhové kapacity.

Způsobilosti: Studenti získají znalosti v takovém rozsahu, aby dokázali zhodnotit přesnost existujících modelů predikce rizika, odvodit očekávanou výnosnost akciových titulů na základě dat o trhu, případně provést odhad dluhové kapacity na základě analýzy srovnatelných podniků.

Individual preparation for an ending of the course

39 hod., optionally

Teacher / Lecturer

Self-study

39 hod., optionally

Teacher / Lecturer