Národní úložiště šedé literatury Nalezeno 3 záznamů.  Hledání trvalo 0.01 vteřin. 
Problems of Stochastic Optimisation under Uncertainty, Quantitative Methods, Simulations, Applications in Gas Storage Valuation
Omelčenko, Vadim ; Kaňková, Vlasta (vedoucí práce) ; Ortobelli, Sergio (oponent) ; Popela, Pavel (oponent)
Tato dizertační práce se zabývá problematikou pravděpodobnostních rozdělení s těžkými chvosty a problematikou stochastické dominance v případě stabilních rozdělení. Pro stochastickou dominanci v případě stabilních rozdělení jsou dokázány nové výsledky, většinou založené na doméně atrakce tvořené stabilními rozděleními. Dále je v práci zkonstruována podrodina dvourozměrných stabilních rozdělení, které se snadno nasimulují a mohou být použity pro modelování závislých složek dvourozměrných dat (např. forwardových a spotových cen); příslušná marginální rozdělení jsou též stabilní a to obecně s rozdílnou hodnotou parametru alpha (který vyjadřuje tíži chvostu). Konečné v práci je prezentována metoda odhadu parametrů stabilních rozdělení. Dosažené teoretické výsledky jsou aplikovány pro hodnocení plynových zásobníků. V této části jsou využity metody stochastického dynamického programování pro ohodnocení plynových zásobníků a sestrojeno je několik algoritmů řešení.
Multivariate stochastic dominance and its application in portfolio optimization problems
Petrová, Barbora ; Kopa, Miloš (vedoucí práce) ; Ortobelli, Sergio (oponent) ; Branda, Martin (oponent)
Název: Mnohorozměrná stochastická dominance a její aplikace v úlohách hledání optimálního portfolia Autor: Barbora Petrová Department: Katedra pravděpodobnosti a matematické statistiky Školitel: doc. RNDr. Ing. Miloš Kopa, Ph.D., Katedra pravděpodobnosti a matematické statistiky Abstrakt: Předložená práce se věnuje problematice mnohorozměrné stochastické dominance, která je jedním z nástrojů umožňujících uspořádání mezi náhodnými vektory. Hlavní důraz je kladen na její využití ve formulacích dynamických úloh hledání optimálního portfolia. Práce se zaměřuje na různé typy mnohorozměrné stochastické dominance, výhradně však dominance prvního řádu, a formuluje jejich generátory ve smyslu tříd von Neumann-Morgensternových užitkových funkcí. Prvním typem je tzv. silná mnohorozměrná stochastická dominance, která je generovaná všemi neklesajícími mnohorozměrnými užitkovými funkcemi. Druhý typ dominance, slabou mnohorozměrnou stochastickou dominance, lze definovat pomocí vztahů mezi funkcemi přežití zkoumaných náhodných vektorů. Třetí typ dominance, lineární mnohorozměrná stochastická dominance prvního řádu, využívá poznatků jednorozměrné stochastické dominance prvního řádu, pomocí nichž porovnává lineární kombinace složek zkoumaných náhodných vektorů. V práci jsou popsány základní charakteristiky těchto typů...
Problems of Stochastic Optimisation under Uncertainty, Quantitative Methods, Simulations, Applications in Gas Storage Valuation
Omelčenko, Vadim ; Kaňková, Vlasta (vedoucí práce) ; Ortobelli, Sergio (oponent) ; Popela, Pavel (oponent)
Tato dizertační práce se zabývá problematikou pravděpodobnostních rozdělení s těžkými chvosty a problematikou stochastické dominance v případě stabilních rozdělení. Pro stochastickou dominanci v případě stabilních rozdělení jsou dokázány nové výsledky, většinou založené na doméně atrakce tvořené stabilními rozděleními. Dále je v práci zkonstruována podrodina dvourozměrných stabilních rozdělení, které se snadno nasimulují a mohou být použity pro modelování závislých složek dvourozměrných dat (např. forwardových a spotových cen); příslušná marginální rozdělení jsou též stabilní a to obecně s rozdílnou hodnotou parametru alpha (který vyjadřuje tíži chvostu). Konečné v práci je prezentována metoda odhadu parametrů stabilních rozdělení. Dosažené teoretické výsledky jsou aplikovány pro hodnocení plynových zásobníků. V této části jsou využity metody stochastického dynamického programování pro ohodnocení plynových zásobníků a sestrojeno je několik algoritmů řešení.

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