|
Dynamické rozhodování s použitím strategie založené na rozložení iterací v čase
Šindelář, Jan ; Křivánek, O.
Tato práce se zabývá využitím přibližných metod dynamického rozhodování na problém obchodování s futures kontrakty. Cílem byl navrhnout optimální rozhodovací strategii, tj. soubor rozhodovacích pravidel generující optimální rozhodnutí v každém čase t.Teoreticky odvozený algoritmus je pak následně experimentálně vyzkoušen, vyhodnocen a srovnáván s jinými návrženými algoritmy na reálných ekonomických datech. Na testovaných datech vykazoval nově navržený algoritmus lepší výsledky, než na který bylo navazováno.
|
|
Transformace finančních dat určených pro dynamické rozhodování
Chudoba, M. ; Jirsa, Ladislav
V přredložené práci je přiblížen problém optimálního rozhodování při burzovním obchodování s tzv. "financial futures", tj. s termínovanými finančními obchody. Tato úloha je převedena do zjednodušeného matematického modelu, který je řešitelný za pomoci metod Bayesovského odhadování. Finanční data jsou modelována autoregresním modelem s normálním šumem, jelikož je již vyvinuta řada nástrojů předpokládajících právě normální šum, které slouží k predikci vývoje ceny na trhu. Hlavním cílem této práce je porovnávání výhodnosti různých transformací vstupních dat tak, aby jejich šum měl normální rozdělení a tudíž aby predikce ceny byla co nejpřesnější. Příslušný algoritmus je naprogramován v jazyce Matlab; prezentace dosažených výsledků tvoří závěrečnou část této práce.
|
|
Řízení výzkumné skupiny pomocí odměn
Kárný, Miroslav
Tento text byl stimulován potřebou distribuce motivujících osobních peněz mezi skupinou vědců. Tyto peníze by měly především stimulovat růst produktivity skupiny. Pokus rozdělit peníze spravedlivě vedl k závěru, že je potřeba řešit složitou rozhodovací úlohu za neurčitosti. Řešení je přímočaré. Významné výstupy byly převedeny na společnou finanční základnu a odměny byly rozděleny úměrně finančnímu přínosu jednotlivců.
|
| |
| |
|
Adaptivní řízení aplikované na data z finančních trhů
Šindelář, Jan ; Kárný, Miroslav
Článek popisuje formální přístup k optimalizaci rozhodování na komoditních trzích. Cílem je nalézt optimální pravidlo pro nákup/prodej při znalosti minulých cen. Rozhodování se provádí za pomoci dynamického programování, kde ztrátová funkce je zisk v trhu se záporným znaménkem. Pro modelování používáme modely s hustotou pravděpodobnosti z exponenciální rodiny, hustoty pravděpodobnosti parametrů získáváme metodou bayesovského učení. Započteny jsou transakční náklady(slippage a commission). Teoretický úvod je doplněn sérií pokusů.
|
|
Spojování znalostí jako problém odhadování
Kárný, Miroslav ; Bodini, A. ; Ruggeri, F.
Bayesovké kooperativní rozhodování vyžaduje kombinování modelů spolupracujících sousedů. Konkrétní účastník se pokouší využít nepřesnou pravděpodobnostní znalost poskytnutou jeho sousedy ve formě nízkorozměrných marginálních a podmíněných distribucí. Přes mnoho pokusů v tomto směru tento problém nebyl ještě vyřešen. Tato zpráva řeší problém jako bayesovskou odhadovací úlohu.
|
|
Příklady odhadu stavu a parametrů pro lineární model s rovnoměrně rozloženými inovacemi
Pavelková, Lenka
V tomto příspěvku je zaveden lineární stavový model s rovnoměrně rozloženými inovacemi. Výpočet maximálně věrohodného odhadu redukuje na problém lineárního programování. Výsledkem je buď odhad parametrů a mezí šumu nebo odhad stavu a mezí šumu. Společný odhad stavu a parametrů je dosažen (i) přepínáním mezi odhadem parametrů a odhadem stavu, (ii) použitím Taylorova rozvoje pro aproximaci nelineárního výrazu. V příspěvku je popsán simulovaný příklad společný odhad stavu a parametrů.
|
| |