RTU Research Information System
Latviešu English

Publikācija: Risk Forecast with Continuous Models for Evaluating Technology and Markets

Publication Type Doctoral Thesis
Funding for basic activity State funding for education
Defending: 03.06.2019 14:30, Rīgā, Sētas ielā 1, 202. auditorijā
Publication language Latvian (lv)
Title in original language Riska prognozēšana nepārtraukto laika modeļu ietvaros tehnoloģiju un tirgus novērtēšanai
Title in English Risk Forecast with Continuous Models for Evaluating Technology and Markets
Field of research 2. Engineering and technology
Sub-field of research 2.2 Electrical engineering, Electronic engineering, Information and communication engineering
Research platforms Information and Communication
Authors Jegors Fjodorovs
Keywords Markova procesi, Kopulas, Neparametriskās regresijas, Opciju cenošana, GARCH(p,q) ar autokorelētajiem atlikumiem
Abstract Šobrīd dažādās pasaules valstīs publiskie (valsts) un privātie uzņēmumi izmanto stohastisko modelēšanu prognozēšanas jomā, ar mērķi noteikt sagaidāmo (prognozēto) procentu likmju termiņstruktūru, valūtu kursus, inflācijas līmeni, elektrības pieprasījumu dažādos laika posmos, atvasināto finanšu instrumentu cenas u.c., lai izzinātu optimālo valdības parāda vadības politiku, veiktu finanšu risku ierobežošanu, krājumu modelēšanu un dažādu finanšu aktīvu cenu noteikšanu. Līdz ar to ir svarīgi prognozēt nākotnes vērtības finanšu aktīviem un makroekonomiskajiem datiem. Viens no pazīstamākajiem prognozēšanas instrumentiem ir Boksa-Dženkinsa (Box and Jenkins, 1970) autoregresīvais integrētais slīdošā vidējā (ARIMA) modelis. Taču Boksa-Dženkinsa metodoloģijai ir savi trūkumi (netiek ņemtas vērā aktīvu ienesīgumu sadalījuma ”smagās astes” (fat tails) un “augstās virsotnes” (leptokurtic)). Mūsdienās veicot prognozēšanu, piemēram, finanšu jomā, nākas saskarties ar datiem, kas nav heteroskedastiski (svārstības nav stacionāras – pastāv straujas izmaiņas dažādos laika intervālos). Darba aktualitāti nosaka fakts, ka pasaulē šobrīd ir izstrādātas un prognozēšanā pielietotas daudzas un dažādas programpaketes, kas aprēķina arī prognozes kļūdu, parasti ar maksimālās ticamības metodi, taču neviena no tām nepārbauda, vai šīs kļūdas sadalījumam ir izpildīti stabilitātes nosacījumi. Tādēļ pieprasījums pēc prognozēšanas metodēm, kas būtu piemērotas darbam ar sērijveida korelēto datu dinamiku, liecina par promocijas darba tēmu aktualitāti. Promocijas darba rezultāts ir šāda modeļa koncepcija un pielietojums: - veikta Hestona modeļa reprezentācija diskrētā telpā; - noteikta opciju pārcenošanas formula, pieņemot, ka aktīvu cenu izmaiņas pakļaujas difūzijas procesam, kas ņem vērā ienesīguma autokorelācijas. Balstoties uz šo formulu, iegūti opciju jutīguma mēri (Option Greeks); - atrasti neparametriskās regresijas koeficienti, izmantojot Franka kopulu; - atrasts GARCH(1,1) modeļa konverģences laiks stacionārajam atrisinājumam. Darba praktiskais lietojums saistīts ar precīzāku opcijas cenas noteikšanu jebkurai tirgojamai akcijai. Savukārt kopulveidīgas neparametriskās regresijas izveide ikvienai laikrindai un iegūto rezultātu izmantošana prognozēšanā palīdz pieņemt pareizus fiskālās politikas lēmumus, kas attiecas uz makroekonomiskajiem datiem, vai palīdz pieņemt pareizus lēmumus par finanšu tirgus situāciju, lai veiktu opciju pirkšanas/pārdošanas darījumus. Tādā veidā politikas lēmēji, treideri un citi ar investīciju lēmumu pieņemšanu saistītie speciālisti var iegūt visprecīzāko informāciju. Darba aprobācija veikta, prezentējot izpētes rezultātus 14 starptautiskās zinātniskās konferencēs un semināros, publicējot 10 zinātniskos rakstus starptautiskos zinātniskajos izdevumos. Darbs sastāv no piecām nodaļām un secinājumiem. Darbs satur 134 lappuses, 40 attēlus, 7 tabulas un 94 nosaukumus literatūras sarakstā.
Abstract in English Nowadays, a variety of public and private companies around the world use stochastic modelling as prediction tool, in order to determine the expected interest rate term structure, exchange rate, inflation, demand for electricity in different time (or year) periods, derivative pricing, as well as to carry out the optimal government debt management policy, hedging, inventory modelling and various financial assets and derivatives pricing. Therefore, it is essential to predict the future value of financial assets and the macro data. One of the most well-known forecasting tools is Box-Jenkins (1970) autoregressive integrated moving average (ARIMA) model. But Box-Jenkins methodology has its own flaws (it does not account for fat tails and leptokurtotic distributions of an asset returns). Modern forecasting, for example, in finance, faces problems with data heteroscedastity (volatility is not fixed  there are rapid changes at different time intervals). Promotion work becomes actual due to the fact that in the world currently a lot of different softwares have been developed and are used to forecast, which take into consideration the forecast error that is usually calculated based on the maximum likelihood method, but none of them checks whether or not the stability conditions are met. Therefore demand for forecasting methods that are suitable to work with serial correlation in data dynamics maters the thesis topic actual nowadays. The result of the thesis are the following model representation and applications: - Heston model representation in a discrete space was derived. - Option reprising formula was evaluated, assuming that the asset price changes are subject to the diffusion process, which takes into account autocorrelation in the rate of return. Based on achieved results revalued option sensitivity measures (Option Greeks) were derived. - The coefficients of a semi parametric regression were found by utilising of Frank copula. - A GARCH (1,1) model convergence time to a stationary solution was estimated. Practical value of the promotion work’s results is associated with the better option pricing technique for any tradable stock. On the other hand, development of copula based semiparametric regression of any time series and use of the results in the forecasting helps to make the right fiscal policy decisions when it comes to macroeconomic data, or helps to make the right decisions regarding the financial market situation in order to take an option buy or sale position. This way one can get the best information to policy decision-makers, traders and other investment – related professionals. The approbation of the thesis has been achieved by presenting the results at 14 international scientific conferences and seminars, by publishing 10 articles in international scientific journals or conference proceedings. The thesis consists of inroduction, four chapters, conclusions and appendixes. It contains 134 pages, 40 figures, 7 tables and 94 references.
Reference Fjodorovs, Jegors. Risk Forecast with Continuous Models for Evaluating Technology and Markets. PhD Thesis. Rīga: [RTU], 2019. 134 p.
Full-text Full-text
Summary in English Summary in English
ID 29119