|
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.
|
|
Analýza finančních časových řad na základě hlaviček ekonomických zpráv
Kalibán, František ; Petrásek, Jakub (vedoucí práce) ; Zichová, Jitka (oponent)
Tato práce se zabývá možnostmi zlepšení odhadu volatility dané finanční časové řady na základě informací získaných z hlaviček ekonomických zpráv. Při analýze hlaviček zpráv je z důvodu velkého objemu dat a korelací mezi výskyty jednotlivých slov v hlavičkách zpráv použita metoda hlavních komponent pro snížení dimenze. Pro eliminaci značné šikmosti rozdělení závisle proměnné a zajištění její normality je použito Box-Coxovy transformace. Nakonec je v práci uveden lineární model popisující sílu regresní závislosti a k ověření jeho robustnosti je použita metoda cross-validace. Výpočty byly prováděny pomocí sotftware R.
|
|
Vícerozměrné finanční časové řady
Veselý, Daniel ; Cipra, Tomáš (vedoucí práce) ; Kopa, Miloš (oponent)
V této práci popíšeme metody pro modelování vícerozměrných finančních časových řad. Zaměříme se, jak na modelování střední hodnoty pomocí vícerozměrných Boxových-Jenkinsových procesů, tak především na mode- lování podmíněných korelací a volatility. Hlavní pozornost budeme věnovat DCC (Dynamic Conditional Correlation) modelu, odhadu jeho parametrů a některým jeho dalším zobecněním. DCC model poté naprogramujeme ve statistickém softwaru R a aplikujeme na reálná data. V aplikacích se budeme zabývat problémy vysoké dimenze finančních časových řad a modelováním podmíněných korelací dat, která obsahují odlehlá pozorování.
|
|
Technická analýza finančních časových řad
Faltýnková, Anežka ; Petrásek, Jakub (vedoucí práce) ; Hurt, Jan (oponent)
Předložená práce studuje neefektivity na finančních trzích. V první části jsou popsány stěžejní pojmy, jakými jsou hypotéza efektiv- ního trhu a futures kontrakty. Nezbytný matematický aparát je shrnut v druhé části, která se zabývá vazbou mezi cenou futures a martinga- lem, představena je nelineární regrese a největší důraz je kladen na popis funkcionálního lineárního modelu se skalární vysvětlovanou proměnnou. Hlavní částí práce je aplikace uvedené teorie. Jsou navrženy dva mo- dely pro predikci ceny na základě jejích historických změn. První model je nelineární a předpokládá, že vliv změny na predikci se stářím změny exponenciálně klesá. Druhý je lineární a vliv jednotlivých změn přímo odhaduje. Oba modely jsou srovnány z hlediska schopnosti predikovat neefektivity, výpočetní náročnosti a stability. 1
|
|
Robustní testy normality a jejich využití při ověřování slabé formy efektivnosti akciového trhu
Střelec, Luboš
Předložená disertační práce se zabývá problematikou robustního testování normality a využitím robustních testů při ověřování hypotézy o slabé formě efektivnosti akciového trhu. V práci je diskutována problematika teorie efektivního trhu, problematika přístupů k ověřování slabé formy efektivnosti trhu a předpokladu normality rozdělení. Součástí práce je rovněž návrh nových robustních testovacích postupů při testování normality za účelem odstranění nevýhod klasického testování normality v oblasti financí vyznačující se výskytem odlehlých pozorování a dalšími odchylkami od normality. V práci jsou prezentovány výsledky simulační studie síly klasických a robustních testů normality proti široké škále alternativ rozdělení pravděpodobnosti - alternativ symetrických těžkochvostých rozdělení, symetrických lehkochvostých rozdělení, asymetrických těžkochvostých rozdělení, asymetrických lehkochvostých rozdělení, vybraných směsí normálních rozdělení a v neposlední řadě vybraných modelů odlehlých pozorování. Na základě analýzy výsledků simulační studie síly sledovaných testů normality jsou následně vybrané testy normality využity při ověřování slabé formy efektivnosti akciových trhů České republiky, Maďarska, Rakouska, Německa, Slovenska, Spojených států amerických a Japonska během období let 2000-2009. Mimo vybraných klasických a robustních testů normality je využito rovněž Ljungova-Boxova portmanteau testu. V závěru jsou následně diskutovány výsledky práce a předpokládaný budoucí vývoj sledovaných trhů se zaměřením na efektivnost trhu.
|
|
PREDIKCE CEN ROPY PRO POTREBY FIREM ANGAŽOVANÝCH V ENERGETICKY NÁROCNÝCH VÝROBÁCH
Vícha, Tomáš ; Dohnal, Mirko (vedoucí práce)
Práce se zabývá predikcí vývoje ceny ropy a je koncipovaná pro potřeby podniků, které jsou na ropě silně závislé a potřebují se na výkyv cen připravit, příp. zabezpečit. Cena ropy ovlivňuje cenu ropných produktů (benzínu, nafty, atd.), proto znalost vývoje se jeví prospěšná pro většinu subjektů působících v ekonomice. Predikce na kvantitativní úrovni jsou problematické. Trendové predikce vyžadují méně přesných informací o zkoumaném modelu. Použité metody pro tvorbu predikčního modelu spadají do oblasti umělé inteligence, přesněji kvalitativního modelování a teorie chaosu. Kvalitativní algebra rozeznává jen tři možné hodnoty (kladnou, nulovou a zápornou). Investiční časové řady mají chaotický ráz a kvalitativní modelování nám umožňuje zjistit charakter reálných časových řad a přiřadit je k chování známých chaotických modelů. Postup tvorby predikčního modelu je detailně popsán a rozpracován do následných fází. Text obsahuje statistiky predikcí získaných na základě reálných historických dat a interpretaci dosažených výsledků.
|
|
Modelování a predikce volatility finančních časových řad směnných kurzů
Žižka, David ; Arltová, Markéta (vedoucí práce) ; Malá, Ivana (oponent) ; Vošvrda, Miloslav (oponent)
Disertační práce se zaměřuje na modelování a prognózování podmíněného rozptylu časových řad směnných kurzů. Základním využitým přístupem pro modelování podmíněného rozptylu jsou modely třídy (G)ARCH a jejich variace. Modelování podmíněné střední hodnoty je založeno na využití autoregresních modelů AR. Z důvodu nesplnění jednoho ze základních předpokladů těchto modelů (předpoklad normality) je důležitou součástí práce i podrobná analýza nepodmíněných rozdělení logaritmů výnosů, která dále umožňuje zvolit vhodný předpoklad o rozdělení nesystematické složky modelů podmíněného rozptylu založených na (G)ARCH modelech. Využitím předpokladu leptokurtických rozdělení vede k významnému zlepšení předpovědí volatility ve srovnání s normálním rozdělením. V této souvislosti jsou často využívána GED a Studentovo t rozdělení, která jsou i základními stavebními kameny této práce. Navíc jsou v práci aplikována i méně známá rozdělení; Johnsonovo SU a normální inverzní Gaussovo rozdělení. Pro modelování podmíněného rozptylu je testováno velké množství lineárních i nelineárních modelů. Lineární modely zastupují modely ARCH, GARCH, GARCH in mean, integrovaný GARCH, frakcionálně integrovaný GARCH a HYGARCH. V případě přítomnosti asymetrického vlivu kladných a záporných výnosů na podmíněný rozptyl jsou aplikovány nelineární modely EGARCH, GJR-GARCH, APARCH a FIEGARCH. S využitím vhodných modelů, podle zvolených kritérií, jsou provedeny bodové předpovědi podmíněného rozptylu s různými dlouhodobými a krátkodobými předpovědními horizonty. Výstupy tradičních parametrických modelů volatility (G)ARCH jsou porovnány se semi-parametrickými přístupy založenými na neuronových sítích, které našly široké uplatnění nejen v klasifikačních úlohách, ale i v úlohách predikce časových řad. Závěr práce tvoří popis shodných a rozdílných vlastností zkoumaných časových řad směnných kurzů. Dále shrnutí modelů, které dokáží nejlépe popsat a předpovědět chování podmíněného rozptylu vybraných časových řad směnných kurzů. Tyto modely lze dále využít k měření míry tržního rizika investic metodou Value at Risk nebo najdou široké uplatnění při odhadech budoucích cen, kde je při konstrukcích předpovědních intervalů nezbytná znalost budoucího podmíněného rozptylu.
|
|
Vliv počasí na spekulativní pohyby burzy
Horáček, Jan ; Pánková, Václava (vedoucí práce) ; Křepelová, Marika (oponent)
Tato práce si klade za cíl posoudit vliv změn nálady v důsledku změn počasí na spekulativní pohyby burzovních indexů. Zahrnuty jsou indexy PX, SAX, ATX a DAX. Za tímto účelem analyzuje vazbu mezi denní mírou oblačností a vývojem cen akcií od roku 1995Tato práce si klade za cíl posoudit vliv změn nálady v důsledku změn počasí na spekulativní pohyby burzovních indexů. Zahrnuty jsou indexy PX, SAX, ATX a DAX. Za tímto účelem analyzuje vazbu mezi denní mírou oblačností a vývojem cen akcií od roku 1995 po rok 2012. Práce také porovnává různé typy modelů, se zaměřením na systémy zdánlivě nesouvisejících rovnic. Prokázán je mírný negativní vliv oblačnosti pro indexy PX a ATX. Systémové modely vykazují v některých případech lepší výsledky. Vazba mezi oblačností a akciovým trhem není shledána dostatečně silnou pro obchodní využití. po rok 2012. Práce také porovnává různé typy modelů, se zaměřením na systémy zdánlivě nesouvisejících rovnic. Prokázán je mírný negativní vliv oblačnosti pro indexy PX a ATX. Systémové modely vykazují v některých případech lepší výsledky. Vazba mezi oblačností a akciovým trhem není shledána dostatečně silnou pro obchodní využití.
|
|
Aplikace R/S analýzy na finančních trzích
Vilhanová, Vanda ; Trešl, Jiří (vedoucí práce) ; Kodera, Jan (oponent)
Cílem této práce je popis R/S analýzy a její aplikace na vybrané časové řady akciových výnosů a směnných kurzů. Nejprve bude věnována pozornost modelování finančních časových řad obe- cně. Budou zde stručně popsány lineární modely stacionárních a nestacionár- ních časových řad a modely volatility. Další dvě kapitoly se budou věnovat hlavnímu tématu této práce, kterým je R/S analýza. Ve čtvrté kapitole bude popsán postup R/S analýzy a vysvětlena interpretace Hurstova exponentu. V páté kapitole bude R/S analýza aplikována již na skutečná data. Bude se jednat o dvě časové řady akciových výnosů společností Telefónica O2 a Philip Morris a o dvě časové řady směnných kurzů CZK/EUR a CZK/USD. Tyto výsledky budou interpretovány a srovnány.
|
|
Struktura a vlastnosti modelu GARCH(1,1)
Maštalíř, Jakub ; Pígl, Jan (vedoucí práce)
Cílem této práce je seznámit čtenáře s ekonometrickým přístupem k modelování volatility finančních časových řad a prozkoumat konstrukci, vlastnosti a omezení populárního modelu GARCH(1,1) při jeho aplikaci na reálná data z trhu a to v širším kontextu než je obvykle prezentován v referenční literatuře. V první části si zopakujeme vybrané důležité statistické pojmy z oblasti ekonometrie časových řad, které v navazujících částech budeme potřebovat a které dále budeme již běžně používat. Pohovoříme rovněž poněkud obecněji o volatilitě, jejím modelování a vůbec měření, neboť její skutečné hodnoty vlastně neznáme a pozorujeme na trzích pouze její projevy. Zmíníme důležité statistické nástroje sloužící ovšem jako nenahraditelný komplement samotného modelu GARCH při jeho používání. Ten si představíme ve druhé části, kde prozkoumáme jeho typické vlastnosti, výhody, omezení a samozřejmě statistickou inferenci. Protože se jedná o velmi flexibilní model s obecnější stavbou, probereme rovněž i komplikace vznikající při aplikacích vůbec a způsoby jejich řešení. Ve třetí části potom provedeme aplikaci na reálná data, názorně ukážeme projevy prostudovaných vlastností a na závěr také ověříme, do jaké míry je tento model skutečně schopen volatilitu odhadovat.
|