Detail práce

"Předvídatelnost středoevropských akciových výnosů: Překonají Neuronové sítě moderní ekonometrické metody?"

Autor: PhDr. Jozef Baruník
Rok: 2006 - letní
Vedoucí: PhDr. Filip Žikeš MSc.
Konzultant: prof. Ing. Miloslav Vošvrda CSc.
Typ práce: Rigorózní
Jazyk: Anglicky
Stránky: 95
Ocenění:
Odkaz:
Abstrakt: V této práci jsou aplikovány neuronové sítě jako neparametrická, nelineární
metoda modelování na středoevropské trhy (Český, Polský, Maďarský a
Německý). V prvních dvou kapitolách je definováno prognózování v kontextu
klasické ekonometrické analýzy ve spojení s neuronovými sítěmi. Dále jsou
prezentovány optimalizační metody použité při testování – konjugovaný gradient,
Levenberg-Marquardt a genetické algoritmy, a nakonec statistické metody pro
srovnání přesnosti předpovědí různých modelů a jejich ekonomickou signifikaci.
V empirickém modelování je nejdřív ukázána výkonnost neuronové sítě na
chaotické časové řadě Mackey-Glass. Dále následuje analýza reálných denních a
týdenních časových řad středoevropských indexů pro období let 2000 až 2006,
kde je ukázáno, že Neuronové sítě predikují denní výnosy DAX a týdenní výnosy
PX50, BUX se signifikantně nižší chybou pomocí časových řad historických výnosů
než ostatní ekonometrické metody. Podobných výsledků bylo dosaženo při
predikci národního výnosu pomocí zpožděných výnosů alespoň jednoho
z ostatních indexů. Dále je taky ukázáno, že s Neuronovou sítí byla dosažena
ekonomická signifikace predikce denních i týdenních výnosů
PX-50, BUX i DAX.
Přesnost předpovědí testovaných řad se pohybuje kolem 60%, co považujeme za
dobrý výsledek. V poslední kapitole je použita neuronová síť pro ocenění
Evropského nákupního warrantu na ČEZ za pomoci časové řady historických cen.
Je ukázáno, že síť je možné použít i jako alternativu pro oceňování, jelikož dokáže
aproximovat tržní cenu lépe než Black-Scholesův model. Poslední testy ukázaly,
že Levenberg-Marquardtova optimalizační metoda použita s genetickým
algoritmem vykazuje signifikantně nižší chyby odhadů než ostatní metody.
Klíčová slova: výnosy akcií a jejich predikce pomocí neuronové sítě, optimalizační
algoritmy, oceňování derivátů pomocí neuronové sítě
JEL klasifikace: C22, C32, C45, C53, E44, G14, G15
Ke stažení: Rigorózní práce

Partneři

ČSOB
Deloitte
McKinsey & Company

Sponzoři

CRIF