Методи і моделі прогнозування мір динамічних фондових ризиків

Скорочена інформація про документ
dc.contributor.authorЗражевська, Наталія Григорівна
dc.date.accessioned2018-10-08T12:53:09Z
dc.date.available2018-10-08T12:53:09Z
dc.date.issued2018
dc.description.abstractenThe thesis is the development of a systematic approach for obtaining the forecast estimates of risk measures VaR and CVaR, the popular measures in assessing of financial risks, primarily stock market risks. In the framework of the proposed approach, a systematic analysis of current methods for VaR and CVaR evaluating is carried out, the results of the analysis are formulated in the form of classification schemes. To take into account the properties of volatility and long range dependence, which are typical for financial series, a new method of smoothing of the autocorrelation function is proposed. For volatility forecasting FIGARCH model is reduced to the AR model of infinite order for the squares of the process. The reduced system of Yule-Walker equations is solved to find the autoregression coefficients. The regression equation for the autocorrelation function based on the definition of the long-range dependence is used to get the autocorrelation estimates. An optimization procedure is proposed to specify the estimates of autocorrelation coefficients. All stages of the system approach are applied to the time series of the indeсes of the various stock exchanges.en
dc.description.abstractruДиссертационная работа заключается в разработке системного подхода к моделированию и прогнозированию мер динамических и статических рисков VaR и CVaR, которые являются самыми распространенными мерами, используемые при оценке финансовых рисков, прежде всего рисков фондовых бирж. В рамках предложенного подхода проведен системный анализ современных существующих методов оценки мер VaR и CVaR для статических и динамических рисков, предложены процедуры принятия решения по выбору метода их оценивания. Результаты анализа сформулированы в виде классификационных схем, облегчающих специалисту выбор метода оценивания, который наиболее соответствует целям исследования и входным данным. Поскольку финансовые временные ряды, как правило, волатильны и имеют свойство сильной зависимости, для моделирования и прогнозирования мер риска в работе предлагается новый метод - Метод Сглаживания Автокореляционной Функции. Для оценивания мер динамических рисков используется модель: ( ) t t VaR VaR Z     , ( ) t t CVaR CVaR Z     , где t  - условная дисперсия ряда, VaR (Z)  , CVaR (Z)  - статические меры рисков. Прогнозные значения мер рисков на Р шагов вперед могут быть найдены по экстраполяции модели: ( ) t P t P VaR VaR Z       , ( ) . t p t P CVaR CVaR Z       Для моделирования и прогнозирования дисперсии в работе предложен новый метод на основе модели FIGARCH, которая сводится к модели AR(∞) для квадратов процесса. Для нахождения коэффициентов авторегрессии бесконечная система уравнений Юла-Уокера редуцируется. Особенность нового метода заключается в том, что в системе нормальных уравнений Юла-Уокера вместо коэффициентов корреляции, построенных по выборке, используются значения автокорреляционной функции (АКФ), найденные по предложенному в работе новому методу сглаживания АКФ на основе оптимизационной процедуры. Предложенный метод сглаживания АКФ основывается на регрессионном уравнении для АКФ, которое следует из определения сильной зависимости. Для уточнения коэффициентов уравнения и значения параметра сильной зависимости (параметра Херста) предложена оптимизационная процедура. Построенная по предложенному методу модель АКФ позволяет наиболее точно описать поведение АКФ для больших значений аргумента и, таким образом, получить оптимальную модель для прогнозирования. Найденные оценки дисперсии используются для нахождения мер статических рисков для остатков модели VaR (Z) , CVaR (Z) . Построенная по МЗАКФ модель для мер динамических рисков используется для получения их прогнозных оценок. Для построения прогноза используется многошаговый (на Р шагов вперед) метод прогнозирования, окно с накоплением. На окне прогнозирования используются прогнозные оценки дисперсии и найденные на области прогнозирования значения мер статических рисков, которые считаются неизменными на всем окне. Затем значение индекса временного ряда увеличивается на Р и процедура повторяется необходимое количество раз. Таким образом, на каждом цикле применения алгоритма происходит учет новых данных и уточнение модели. Для анализа найденных прогнозных оценок полученные Р-шаговые прогнозы объединяются в один. Все этапы системного подхода апробированы на реальных финансовых временных рядах. В качестве данных рассматривались ряды логарифмической доходности на дневной основе фондовых индексов за период с 2005 по 2015 годы: Токийской фондовой биржи- Nikkey 225 Stock Index, Шанхайской фондовой биржи- CSI 300 Index ETF (CNY), американской биржи NASDAQ - индекс Nasdaq-100, и фондовой биржи «Российская Торговая Система». Для полученных прогнозных значений на основе процедуры бэктестинга проведен количественный анализ (вычислялись ошибки ME, MAE, MSE) и качественный анализ с использованием статистических тестов. Для анализа прогнозных оценок дисперсии использовался тест Диболда-Мариано, для VaR - оценок - тесты Купеца и Кристофферсена, для CVaR - оценок - V - тест. Дополнительно для анализа прогнозных VaR - оценок анализировалась статистика PoE. Результаты анализа подтвердили эффективность разработанного подхода. Предложенный системный подход был протестирован на реальных временных рядах, имеющих разную волатильность. Проведенные количественный и качественный анализы результатов показали, что несмотря на разную волатильность входных данных, качество прогнозов практически одинаково. Таким образом, подтверждена эффективность разработанного подхода для построения прогнозов мер динамических рисков для временных рядов в широком диапазоне волатильности.ru
dc.description.abstractukДисертаційна робота полягає в розробці системного підходу до моделювання і прогнозування мір ризиків VaR і CVaR, які є найпоширенішими мірами, що використовуються при оцінюванні ризиків фондових бірж. В рамках запропонованого підходу проведено системний аналіз сучасних методів оцінювання мір VaR і CVaR для статичних і динамічних ризиків, результати аналізу сформульовано у вигляді класифікаційних схем. Для врахування властивостей волатильності та сильної залежності, що є характерними для фінансових рядів, для прогнозування VaR і CVaR запропоновано новий Метод Згладжування Автокореляційної Функції. Для прогнозування дисперсії часового ряду модель FIGARCH зводиться до моделі AR(∞) для квадратів процесу. Для знаходження коефіцієнтів авторегресії розв'язується редукована система Юла- Уокера. Регресійне рівняння для автокореляційної функції, що ґрунтується на означенні сильної залежності, використовується для знаходження оцінок автокореляції. Для уточнення оцінок автокореляційних коефіцієнтів запропоновано оптимізаційну процедуру. Всі етапи системного підходу апробовано на часових рядах, що описують логарифмічну дохідність акцій фондових бірж.uk
dc.format.page23 с.uk
dc.identifier.citationЗражевська, Н. Г. Методи і моделі прогнозування мір динамічних фондових ризиків : автореф. дис. … канд. техн. наук : 01.05.04 – системний аналіз і теорія оптимальних рішень / Зражевська Наталія Григорівна. – Київ, 2018. – 23 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/24700
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectміри ризиків VaR і CVaRuk
dc.subjectсильна залежністьuk
dc.subjectпрогнозування дисперсіїuk
dc.subjectмоделювання автокореляційної функціїїuk
dc.subjectметод згладжування автокореляційної функціїuk
dc.subjectrisk measures VaR and CVaRen
dc.subjectlong range dependenceen
dc.subjectvolatility forecastingen
dc.subjectautocorrelation function modelingen
dc.subjectmethod of the autocorrelation function smoothingen
dc.subjectмеры рисков VaR и CVaRen
dc.subjectсильная зависимостьru
dc.subjectпрогнозирование дисперсииru
dc.subjectмоделирование автокорреляционной функцииru
dc.subjectметод сглаживания автокорреляционной функцииru
dc.subject.udc336.76:[303.732.4:519.6](043.3)uk
dc.titleМетоди і моделі прогнозування мір динамічних фондових ризиківuk
dc.typeThesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zrazhevska_aref.pdf
Розмір:
1.27 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Автореферати (ММСА)
Автореферати (вільний доступ)