РУсскоязычный Архив Электронных СТатей периодических изданий
Найти!
Инженерный журнал: наука и инновации/2013/№ 12/
В наличии за
50 руб.
Купить
Облако ключевых слов*
* - вычисляется автоматически
Недавно смотрели:

Прогнозирование условной волатильности фондовых индексов с помощью нейронных сетей

Волатильность финансовых временных рядов играет ключевую роль при построении моделей для оценки стоимости производных финансовых инструментов, управления рисками, а также оптимизации инвестиционных портфелей. В ряде случаев динамика волатильности характеризуется значительной нелинейностью, что подразумевает, помимо кластеризации во времени и высоких значений коэффициента эксцесса, асимметрию отклика волатильности на шоки разных знаков. В работе рассмотрены три широко применяемые модели из GARCH-семейства, нейросетевая GARCH-модель, предложенная Р. Дональдсоном и М. Камстрой, а также построенная авторами настоящей статьи «чистая» двухслойная нейросетевая модель в целях предсказания условной волатильности основных фондовых индексов (SP 500, FTSE 100, NIKKEI 225 и Hang Seng). Модели сравниваются в терминах предсказательной силы вне обучающей выборки с использованием популярных статистических критериев. В качестве аппроксимации истинной условной волатильности применяется реализовавшаяся волатильность, вычисленная по внутридневным данным. Полученные результаты свидетельствуют о том, что с помощью построенной авторами настоящей работы «чистой» нейросетевой модели можно прогнозировать условную волатильность не хуже, а в ряде случаев и лучше, чем с использованием популярных моделей из GARCH-семейства.

Авторы
Тэги
Тематические рубрики
Предметные рубрики
В этом же номере:
Резюме по документу**
УДК 51-77 Прогнозирование условной волатильности фондовых индексов с помощью нейронных сетей А.М. Цалкович, П.В. Храпов МГТУ им. <...> Н.Э. Баумана, Москва, 105005, Россия Волатильность финансовых временных рядов играет ключевую роль при построении моделей для оценки стоимости производных финансовых инструментов, управления рисками, а также оптимизации инвестиционных портфелей. <...> В ряде случаев динамика волатильности характеризуется значительной нелинейностью, что подразумевает, помимо кластеризации во времени и высоких значений коэффициента эксцесса, асимметрию отклика волатильности на шоки разных знаков. <...> В работе рассмотрены три широко применяемые модели из GARCH-семейства, нейросетевая GARCH-модель, предложенная Р. <...> Камстрой, а также построенная авторами настоящей статьи «чистая» двухслойная нейросетевая модель в целях предсказания условной волатильности основных фондовых индексов (SP 500, FTSE 100, NIKKEI 225 и Hang Seng). <...> Модели сравниваются в терминах предсказательной силы вне обучающей выборки с использованием популярных статистических критериев. <...> В качестве аппроксимации истинной условной волатильности применяется реализовавшаяся волатильность, вычисленная по внутридневным данным. <...> Полученные результаты свидетельствуют о том, что с помощью построенной авторами настоящей работы «чистой» нейросетевой модели можно прогнозировать условную волатильность не хуже, а в ряде случаев и лучше, чем с использованием популярных моделей из GARCH-семейства. <...> На протяжении последних трех десятилетий моделированию и предсказанию волатильности уделяли внимание и исследователи, и практики. <...> Условная волатильность финансовых временных рядов является важным понятием для таких областей, как оценка стоимости деривативов, риск-менеджмент и оптимизация портфеля ценных бумаг. <...> Обычно временные финансовые ряды демонстрируют кластеризацию: это означает, что периоды высокой и низкой волатильности обладают инертностью во времени <...>
** - вычисляется автоматически, возможны погрешности

Похожие документы:

  • Похожие документы из РУАЭСТ
  • |
  • Похожие документы из Руконт

Помощь:

Участники:

© НЦР Руконт 2014