Νέες τάσεις στη σύγχρονη χρηματοοικονομική μηχανική: από τη στοχαστική προσέγγιση στις υπολογιστικά νοήμονες μεθοδολογίες

Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Αιγαίου   

Αποθετήριο :
Ιδρυματικό Αποθετήριο Ελλάνικος (Hellanicus)   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Νέες τάσεις στη σύγχρονη χρηματοοικονομική μηχανική: από τη στοχαστική προσέγγιση στις υπολογιστικά νοήμονες μεθοδολογίες

Θωμαϊδης, Νικόλαος

Δούνιας, Γεώργιος

doctoralThesis

2007
2015-11-17T10:43:32Z


Στόχος της διδακτορικής διατριβής είναι η ανάπτυξη μίας πρωτότυπης κλάσης μοντέλων για την επίλυση τυπικών προβλημάτων στη χρηματοοικονομική μηχανική, όπως π.χ. την πρόβλεψη χρημ/κών δεδομένων και την τιμολόγηση χρεογράφων. Η οικογένεια των μοντέλων που προτείνονται στην εργασία αυτή συνδυάζει μία μέθοδο υπολογιστικής νοημοσύνης, τα τεχνητά νευρωνικά δίκτυα (artificial neural networks-NN), με κλασικά οικονομετρικά υποδείγματα μεταβλητότητας τύπου GARCH (Generalised Autoregressive Conditional Heteroskedasticity). Ο συνδυασμός αυτός δημιουργεί ένα ευέλικτο πλαίσιο μοντελοποίησης που δύναται να απεικονίσει πολλές από τις χαρακτηριστικές ιδιότητες των χρημ/κών χρονοσειρών που αναφέρονται στη βιβλιογραφία (μη γραμμικές διορθώσεις τιμών, αλλαγές στα επίπεδα μεταβλητότητας, μη γκαουσιανές κατανομές, κ.α.). Εξετάζουμε μία σειρά στρατηγικών για τον προσδιορισμό και τον έλεγχο επάρκειας της δομής των μοντέλων αυτής της κατηγορίας, που βασίζονται σε στατιστικούς ελέγχους, και προτείνουμε παραλλαγές αυτών των ελέγχων που είναι εύρωστες (robust), δηλ. διατηρούν την εγκυρότητά τους στην περίπτωση που το μοντέλο δεν απεικονίζει πλήρως την πιθανολογική σχέση που συνδέει την μεταβλητή στόχο με τις εξαρτημένες μεταβλητές. Η απόδοση των στατιστικών αυτών διαδικασιών διερευνάται με τη βοήθεια πειραμάτων προσομοίωσης Monte-Carlo. Ως μία επίδειξη των δυνατοτήτων της προτεινόμενης μεθοδολογίας, παραθέτουμε δύο μελέτες σε εμπειρικά δεδομένα. Στην πρώτη από αυτές, εφαρμόζουμε συνδυαστικά μοντέλα NN-GARCH στην πρόβλεψη της κατανομής των αποδόσεων σε διεθνείς χρηματιστηριακούς δείκτες (DAX, FTSE 100, S&P 500). Στόχος της δεύτερης εφαρμογής είναι να συγκρίνει την αποτελεσματικότητα της μεθόδου διαδοχικών στατιστικών ελέγχων, που εφαρμόζεται στη διατριβή αυτή, με άλλες στατιστικές και εμπειρικές τεχνικές προσδιορισμού της αρχιτεκτονικής νευρωνικού δικτύου στην τιμολόγηση παραγώγων συμβολαίων τύπου δικαιώματος προαίρεσης (option).


Τεχνητά νευρωνικά δίκτυα
Πρόβλεψη κατανομής
Μοντέλα μεταβλητότητας garch
GARCH models of volatility
Artificial neural networks
Density forecasting

Πανεπιστήμιο Αιγαίου. Σχολή Επιστημών της Διοίκησης. Τμήμα Μηχανικών Οικονομίας και Διοίκησης.




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.