📄Работа №137078
Тема: Разработка статистической модели для прогнозирования волатильности цен финансовых активов для оценки рыночных рисков
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Информационные системы
Объем:
44 листов
Год:
2019
Просмотров:
80
4365
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 2
1. ОСНОВНЫЕ ПОНЯТИЯ 4
1.1 ФИНАНСОВЫЕ ВРЕМЕННЫЕ РЯДЫ 4
1.2 ВОЛАТИЛЬНОСТЬ И ЕЕ ХАРАКТЕРИСТИКИ 5
1.3 VALUE AT RISK 6
2 ПОСТАНОВКА ЗАДАЧИ 8
2.1 ПРОГНОЗИРОВАНИЕ ВОЛАТИЛЬНОСТИ 9
2.2 ПОСТРОЕНИЕ И ПРИМЕНЕНИЕ VALUE AT RISK 9
3. РЕАЛИЗАЦИЯ ОПТИМАЛЬНОЙ МОДЕЛИ GARCH ДЛЯ ФИНАНСОВЫХ РЫНКОВ 10
3.1 ИССЛЕДОВАНИЕ НАУЧНЫХ РАБОТ 10
3.2 ВЫБОР ОПТИМАЛЬНОЙ МОДЕЛИ НА ОСНОВЕ СУЩЕСТВУЮЩИХ ИССЛЕДОВАНИЙ 13
3.3 ПРИМЕНЕНИЕ МОДЕЛИ ТИПА GARCH К ИНДЕКСУ МОСБИРЖИ 14
4. МЕТОД ПРОГНОЗИРОВАНИЯ VALUE AT RISK 19
4.1 ИЗУЧЕНИЕ НАУЧНЫХ РАБОТ 19
4.2 СИСТЕМА АВТОМАТИЗИРОВАННОГО ВЫЧИСЛЕНИЯ VALUE AT RISK 20
5. ОЦЕНКА РЕЗУЛЬТАТОВ 30
6. ЗАКЛЮЧЕНИЕ 35
7. РЕКОМЕНДАЦИИ К ДАЛЬНЕЙШЕМУ ИССЛЕДОВАНИЮ 36
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 37
ПРИЛОЖЕНИЕ 1 39
1. ОСНОВНЫЕ ПОНЯТИЯ 4
1.1 ФИНАНСОВЫЕ ВРЕМЕННЫЕ РЯДЫ 4
1.2 ВОЛАТИЛЬНОСТЬ И ЕЕ ХАРАКТЕРИСТИКИ 5
1.3 VALUE AT RISK 6
2 ПОСТАНОВКА ЗАДАЧИ 8
2.1 ПРОГНОЗИРОВАНИЕ ВОЛАТИЛЬНОСТИ 9
2.2 ПОСТРОЕНИЕ И ПРИМЕНЕНИЕ VALUE AT RISK 9
3. РЕАЛИЗАЦИЯ ОПТИМАЛЬНОЙ МОДЕЛИ GARCH ДЛЯ ФИНАНСОВЫХ РЫНКОВ 10
3.1 ИССЛЕДОВАНИЕ НАУЧНЫХ РАБОТ 10
3.2 ВЫБОР ОПТИМАЛЬНОЙ МОДЕЛИ НА ОСНОВЕ СУЩЕСТВУЮЩИХ ИССЛЕДОВАНИЙ 13
3.3 ПРИМЕНЕНИЕ МОДЕЛИ ТИПА GARCH К ИНДЕКСУ МОСБИРЖИ 14
4. МЕТОД ПРОГНОЗИРОВАНИЯ VALUE AT RISK 19
4.1 ИЗУЧЕНИЕ НАУЧНЫХ РАБОТ 19
4.2 СИСТЕМА АВТОМАТИЗИРОВАННОГО ВЫЧИСЛЕНИЯ VALUE AT RISK 20
5. ОЦЕНКА РЕЗУЛЬТАТОВ 30
6. ЗАКЛЮЧЕНИЕ 35
7. РЕКОМЕНДАЦИИ К ДАЛЬНЕЙШЕМУ ИССЛЕДОВАНИЮ 36
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 37
ПРИЛОЖЕНИЕ 1 39
📖 Аннотация
Работа посвящена разработке и сравнительному анализу статистических моделей для прогнозирования волатильности и оценки рыночных рисков через показатель Value at Risk (VaR). Актуальность исследования обусловлена ростом интереса инвесторов к развивающимся рынкам, таким как российский, которые характеризуются повышенной нестабильностью и недостатком стандартизированных инструментов для точной оценки рисков, что усложняет принятие инвестиционных решений. В качестве методологической основы были реализованы и сопоставлены шесть моделей VaR, включая модели, основанные на семействе GARCH, в частности EGARCH, ориентированные на данные с высокой волатильностью, а также модели, использующие различные статистические распределения. Ключевым результатом является создание практического алгоритма, который автоматически выбирает наиболее эффективную модель VaR для конкретного набора исторических данных о ценах финансовых активов, в частности для индексов Московской биржи и стран БРИКС. Практическая значимость работы заключается в том, что разработанный алгоритм может быть непосредственно использован финансовыми аналитиками и риск-менеджерами для повышения точности прогнозов рыночных рисков на развивающихся рынках капитала. Обзор литературы показал существование широкого спектра подходов к моделированию волатильности и расчету VaR. Разработанный алгоритм служит шаблоном для дальнейших исследований и может быть адаптирован для анализа данных с иными свойствами, что способствует развитию инструментария финансового риск-менеджмента.
📖 Введение
Финансовые рынки становятся все более сложными и глобальными, из-за подверженности различным видам рисков. Из всех финансовых рисков наиболее всеобъемлющими являются рыночные риски, а наиболее сложными для анализа являются рынки развивающихся стран. На рынках экономически развитых стран у инвесторов в наличии большое количество финансовых инструментов, а степень рисков меньше из-за лучшей юридической защищенности. Помимо того, что рынки развивающихся стран не обладают вышеперечисленными достоинствами, они к тому же до сих пор не очень хорошо изучены, поэтому у инвесторов нет достаточной информации, чтобы решить - стоит ли рисковать. Но все же в последние годы интерес инвесторов к развивающимся странам возрос. Все чаще в развивающихся странах ужесточается политика в денежно-кредитной сфере, проводятся меры по борьбе с инфляцией. Рейтинги многих развивающихся стран растут, и это повышает всеобщий интерес к ним. Однако неразвитая нормативно-правовая сторона и политическая нестабильность все еще являются поводом для опаски инвесторов, чтобы вкладывать в экономики таких стран собственные средства. Тем не менее, процесс массового вложения капитала уже начался [1].
Россия - пример страны с развивающейся экономикой. В настоящий момент правительством РФ предпринимаются усиленные меры по укреплению экономической стабильности в стране, и интерес инвесторов к рынку России начинает повышаться. Принимая во внимание приведенные выше факты, выбор пал на рассмотрение Московской биржи, как основного источника данных для анализа моделей. Помимо индекса Московской биржи, были также рассмотрены различные индексы стран БРИКС, чтобы оценить применимость предлагаемой модели для развивающихся рынков в целом.
Качественное прогнозирование рисков имеет первостепенное значение. Одним из самых востребованных инструментов прогнозирования рисков в современном риск-менеджменте является Value at Risk [2]. Однако модели VaR могут показывать разные результаты, и это делает для финансовых аналитиков задачу по выбору подходящей реализации VaR нетривиальной. Стандартных методов по определению лучшей модели не существует. Именно поэтому так важна задача оценки различных моделей VaR и выбор наиболее подходящих методов ее применения.
В связи с частыми финансовыми кризисами вопрос исследования VaR в условиях экстремальных рыночных рисков стоит очень остро. Наиболее известный метод, исследующий волатильность - показатель, на который имеет смысл обратить особое внимание при угрозе кризиса - является GARCH [2]. Именно на этот метод было решено обратить особое внимание при выборе исследуемой реализации VaR.
Россия - пример страны с развивающейся экономикой. В настоящий момент правительством РФ предпринимаются усиленные меры по укреплению экономической стабильности в стране, и интерес инвесторов к рынку России начинает повышаться. Принимая во внимание приведенные выше факты, выбор пал на рассмотрение Московской биржи, как основного источника данных для анализа моделей. Помимо индекса Московской биржи, были также рассмотрены различные индексы стран БРИКС, чтобы оценить применимость предлагаемой модели для развивающихся рынков в целом.
Качественное прогнозирование рисков имеет первостепенное значение. Одним из самых востребованных инструментов прогнозирования рисков в современном риск-менеджменте является Value at Risk [2]. Однако модели VaR могут показывать разные результаты, и это делает для финансовых аналитиков задачу по выбору подходящей реализации VaR нетривиальной. Стандартных методов по определению лучшей модели не существует. Именно поэтому так важна задача оценки различных моделей VaR и выбор наиболее подходящих методов ее применения.
В связи с частыми финансовыми кризисами вопрос исследования VaR в условиях экстремальных рыночных рисков стоит очень остро. Наиболее известный метод, исследующий волатильность - показатель, на который имеет смысл обратить особое внимание при угрозе кризиса - является GARCH [2]. Именно на этот метод было решено обратить особое внимание при выборе исследуемой реализации VaR.
✅ Заключение
В данной работе были рассмотрены методы построения моделей Value at Risk, а так же применен алгоритм, который позволяет определить наиболее эффективную модель из числа реализованных для выбранного набора данных, применить ее и проанализировать точность прогноза. Для исследования были выбраны исторические ценовые данные индексов с высоким уровнем волатильности. По этой причине было решено использовать в построении моделей VaR в том числе и модели типа GARCH, ориентированные на данные с высоким уровнем волатильности.
Было построено шесть моделей Value at Risk, две из которых использовали модель EGARCH для прогнозирования риска, а остальные 4 были построены с помощью различных распределений. Итогом данной работы стал практический алгоритм, обобщивший работу всех шести моделей, и самостоятельно принимающий решение, какую из них наиболее оптимально применить для конкретных входных данных. Полученный алгоритм может стать шаблоном для дальнейших исследований, в том числе для исследования данных с другими свойствами, нежели те, что были рассмотрены в данной работе. Рекомендации по возможным путям улучшения работы данного алгоритма, а так же вариантам дальнейших исследований приведены в главе 7.
Было построено шесть моделей Value at Risk, две из которых использовали модель EGARCH для прогнозирования риска, а остальные 4 были построены с помощью различных распределений. Итогом данной работы стал практический алгоритм, обобщивший работу всех шести моделей, и самостоятельно принимающий решение, какую из них наиболее оптимально применить для конкретных входных данных. Полученный алгоритм может стать шаблоном для дальнейших исследований, в том числе для исследования данных с другими свойствами, нежели те, что были рассмотрены в данной работе. Рекомендации по возможным путям улучшения работы данного алгоритма, а так же вариантам дальнейших исследований приведены в главе 7.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.