Detail práce

Role pokročilých oceňovacích metod opcí empirické testy na neuronových sítích

Autor: Mgr. Jiří Brejcha
Rok: 2011 - zimní
Vedoucí: doc. PhDr. Jozef Baruník Ph.D.
Konzultant:
Typ práce: Diplomová
Finance, finanční trhy a bankovnictví
Jazyk: Anglicky
Stránky: 100
Ocenění:
Odkaz:
Abstrakt: Tato práce se zabývá porovnáním dvou pokročilých metod oceňování opcí aplikovaných na opce evropského stylu vypsané na index DAX. Práce zkoumá výkonnost především dvou modelů: modelu se stochastickou volatilitou založeného na asymetrickém nelineárním procesu GARCH, který navrhli Heston a Nandi (2000), dále pak přístupu využívajícím umělé neuronové sítě, přičemž jako referenční je zde použit klasický Black-Scholes-Mertonův model. Modely pro oceňování opcí jsou testovány nejen na datech pro období mezi 3. 7. 2006 – 30. 10. 2009, ale i na jednotlivých podsouborech dat nazvaných jako „data před krizí“ a „data v krizi“, kde je přelomovým dnem 17. 4. 2008. Hlavním cílem práce je nalezení nejvhodnějšího oceňovacího nástroje opcí a to jak pro „data před krizí“, tak i pro „data v krizi“. První dvě kapitoly uvádějí do problematiky opčního oceňování, přičemž následující třetí kapitola poskytuje teoretické zázemí vztahující se k výše uvedeným metodám. V práci je též shrnut teoretický rámec různých nelineárních optimalizačních algoritmů, jako je metoda klesajícího gradientu, metoda zpětného šíření, kvasi-Newtonova metoda a Levenberg-Marquardtův algoritmus. Empirická část pak ukazuje, že žádný z uvedených modelů nepřevyšuje ve všech kategoriích svým výkonem ty ostatní. Nicméně přesto můžeme vyslovit závěr, že neuronové sítě dávají relativně nejlepší výsledek, a to jak v porovnání s Black-Scholes-Mertonovým model, tak s modelem navrženým Hestonem a Nandim (2000).
Srpen 2020
poútstčtsone
     12
3456789
10111213141516
17181920212223
24252627282930
31      

Partneři

Deloitte

Sponzoři

CRIF
McKinsey
Patria Finance