Národní úložiště šedé literatury Nalezeno 2 záznamů.  Hledání trvalo 0.00 vteřin. 
The Impact of Mergers and Acquisition Activity on the Time Series Variation in the Stock Size Premium
Kaplan, Robert ; Novák, Jiří (vedoucí práce) ; Geršl, Adam (oponent)
Tato práce zkoumá, zda změna budoucí akviziční aktivity v čase vysvětluje změnu velikostní prémie veřejně obchodovaných společností v čase. Bereme-li v úvahu, že akviziční aktivita se každý rok týká 2-9% akciových společností a stavíme-li na stávajících studiích, uvádějících, že malé společnosti mají vyšší šanci stát se akvizičním cílem a získávají o 40% vyšší akviziční prémii než velké společnosti, tvrdíme, že malé společnosti mají z akviziční aktivity větší prospěch než velké společnosti, a tedy velikostní prémie by měla být výraznější v období s vyšší akviziční aktivitou. Zabýváme se akviziční aktivitou a velikostní prémií na agregátní úrovni a testujeme, zda velikostní prémie může být vysvětlena očekávanou akviziční aktivitou, resp. její změnou oproti minulosti. Zjistili jsme, že změna akviziční aktivity v následujících šesti měsících oproti minulým šesti měsícům je pozitivně korelované s velikostní prémií. Nad to jsme sestavili jednoduchý predikční model k odhadování akviziční aktivity. Vztah mezi velikostní prémií a změnou akviziční aktivity zůstává signifikantní, když místo skutečné akviziční aktivity v budoucnosti použijeme odhad z predikčního modelu.
The fractal dimension and forecasting of financial time series
Kaplan, Robert ; Krištoufek, Ladislav (vedoucí práce) ; Džmuráňová, Hana (oponent)
V této práci usilujeme o navázání na fraktální teorii trhů a vytvoření dvou metod, které by měly odhalit, zda fraktální dimenze může být použitelná k předpovídání finančních časových řad. V první z nich použijeme deset světových indexů a opakovaně odhadneme fraktální dimenzi pomocí boxcount, Hall-Wood a Genton odhady na pevném počtu výnosů a uděláme předpovědi na jedno období dopředu pomocí AR(1) a ARMA(1,1) modelů. Potom se podíváme, zda chyby odhadů od skutečných výnosů jsou nižší právě, když je nižší odhadnutá fraktální dimenze. Druhá metoda využívá pouze fraktální dimenzi a zkoumá, jestli znaménko výnosu přetrvá v následujícím období spíše s nižší fraktální dimenzí. Výsledky naznačují, že krátká paměť je na trzích skutečně přítomna a fraktální dimenze může být případně použitelná k predikci a zvýšení zisků investorů. Nicméně významnost našich výsledků není vysoká. Doporučujeme pokročilejší metody a modely k dalšímu výzkumu.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.