|
|
Sample approximation technique in stochastic programming
Vörös, Eszter ; Branda, Martin (vedoucí práce) ; Kozmík, Václav (oponent)
Název práce: Simulační techniky ve stochastickém programování Autor: Eszter Vörös Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: RNDr. Martin Branda, Ph.D., Katedra pravděpo- dobnosti a matematické statistiky Abstrakt: Tato práce se zabývá úlohami stochastického programování. Sto- chastické programováni řeší optimalizační úlohy, ve kterých se vyskytují náhodné parametry. Úloha je aproximována pomocí metody výběrových průměrů. Výběr, který používáme k vytvoření aproximované úlohy vygenerujeme metodou Monte Carlo. Tato technika umožňuje získat úlohu, která je řešitelná pomocí stan- dardních algoritmů. V práci zkoumáme konvergenci optimální hodnoty a množiny optimálních řešení aproximovaného problému k optimální hodnotě a k množině optimálních řešení skutečného problému. Teoretické výsledky práce aplikujeme v úloze hledání optimálního portfolia. Klíčová slova: stochastické programování, metoda výběrového průměru, me- toda Monte Carlo, optimalizace portfolia 1
|
|
|
Optimization and stress tests
Fašungová, Diana ; Dupačová, Jitka (vedoucí práce) ; Kozmík, Václav (oponent)
Název práce: Optimalizace a zátěžové testy Autor: Diana Fašungová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: Prof. RNDr. Jitka Dupačová, DrSc., Katedra pravděpo- dobnosti a matematické statistiky Abstrakt: V práci aplikujeme techniku kontaminačních mezí na úlohu optimali- zace portfolia akcií při rizikové míře CVaR. Úlohu uvažujeme z pohledu riziko- vého manažera. Používáme vhodně zvolená data a dva typy zátěžových scénářů generovaných za účelem stresování korelační struktury dat a výnosu jednotlivých akcií. Z numerické aplikace vyvozujeme na základě chování rizikové míry CVaR vzhledem ke kontaminačním mezím doporučení pro řízení rizik pro úlohu optima- lizace portfolia. Tato doporučení interpretujeme pro oba typy scénářů. Na závěr diskutujeme omezení zvoleného modelu a možnosti dalšího vylepšení. Klíčová slova: kontaminační meze, zátěžové testy, optimalizace portfolia, řízení rizik
|
|
|
Eficience portfolií při spojitém rozdělení výnosů
Kozmík, Václav ; Kopa, Miloš (vedoucí práce) ; Dupačová, Jitka (oponent)
Předložená práce se zabývá výběrem optimálního portfolia pomocí "mean-risk" modelů. Hlavním cílem práce je zkoumat konvergenci aproximativních řešení pomocí generovaných scénářů k analytickému řešení a její citlivost na zvolené míře rizika a předpokladu spojitého rozdělení. Zkoumané míry rizika zahrnují rozptyl, VaR, cVaR, absolutní odchylku a semivarianci. Pro normální a Studentovo rozdělení prezentujeme analytická řešení pro všechny míry rizika, pro logaritmicko-normální rozdělení použijeme aproximativní předpoklad, že součet logaritmicko-normálních náhodných veličin má přibližně logaritmicko-normální rozdělení. Pro všechny míry rizika také odvodíme optimalizační úlohu pro případ diskrétních scénářů a získaná řešení porovnáme s analytickým řešením. V rámci generování scénářů je výpočet několikrát opakován a prezentujeme vlastní metodu, která umožňuje pomocí shlukové analýzy najít optimální řešení. Všechny optimalizační úlohy jsou přepsány do jazyka GAMS a samotné testování a odhady jsou realizovány vlastním programem v jazyce C++.
|
|
|
Metody Importance Sampling při řešení optimalizačních úloh
Zavřel, Lukáš ; Kozmík, Václav (vedoucí práce) ; Kopa, Miloš (oponent)
Předložená práce se zabývá výběrem optimálního portfolia pomocí mean-risk modelů, kde zkoumané míry rizika zahrnují rozptyl, VaR a CVaR Hlavním cílem je aproximace řešení optimalizačních úloh pomocí simulačních technik, jakými jsou Monte Carlo a Importance Sampling. Pro obě simulační techniky je zhotovena numerická studie jejich rozptylu a výkonnosti ve smyslu porovnání s optimálním řešením. Pro normální rozdělení s konkrétní střední hodnotou a rozptylem jsou empiricky odvozeny hodnoty parametrů pro generování pomocí metody Importance Sampling a následně jsou využity při řešení praktického problému volby optimálního portfolia z deseti akcií, kde jsou k dispozici jejich historické ceny po týdnech. Všechny optimalizační úlohy jsou řešeny v programu Wolfram Mathematica. Powered by TCPDF (www.tcpdf.org)
|
|
|
Eficience portfolií při spojitém rozdělení výnosů
Kozmík, Václav
Předložená práce se zabývá výběrem optimálního portfolia pomocí "mean-risk" modelů. Hlavním cílem práce je zkoumat konvergenci aproximativních řešení pomocí generovaných scénářů k analytickému řešení a její citlivost na zvolené míře rizika a předpokladu spojitého rozdělení. Zkoumané míry rizika zahrnují rozptyl, VaR, cVaR, absolutní odchylku a semivarianci. Pro normální a Studentovo rozdělení prezentujeme analytická řešení pro všechny míry rizika, pro logaritmicko-normální rozdělení použijeme aproximativní předpoklad, že součet logaritmicko-normálních náhodných veličin má přibližně logaritmicko- normální rozdělení. Pro všechny míry rizika také odvodíme optimalizační úlohu pro případ diskrétních scénářů a získaná řešení porovnáme s analytickým řešením. V rámci generování scénářů je výpočet několikrát opakován a prezentujeme vlastní metodu, která umožňuje pomocí shlukové analýzy najít optimální řešení. Všechny optimalizační úlohy jsou přepsány do jazyka GAMS a samotné testování a odhady jsou realizovány vlastním programem v jazyce C++.
|
|
|
Solution of Emission Management Problem
Šmíd, Martin ; Kozmík, Václav
Optimal covering of emissions stemming from random production is a multistage stochastic programming problem. Solving it in a usual way - by means of deterministic equivalent - is possible only given an unrealistic approximation of random parameters. There exists an efficient way of solving multistage problems - stochastic dual dynamic programming (SDDP), however, it requires the inter-stage independence of random parameters, which is not the case which our problem. In the paper, we discuss a modified version of SDDP, allowing for some form of interstage dependence.
|
|
|
Two Algorithms for Risk-averse Reformulation of Multi-stage Stochastic Programming Problems
Šmíd, Martin ; Kozmík, Václav
Many real-life applications lead to risk-averse multi-stage stochastic problems, therefore effective solution of these problems is of great importance. Many tools can be used to their solution (GAMS, Coin-OR, APML or, for smaller problems, Excel), it is, however, mostly up to researcher to reformulate the problem into its deterministic equivalent. Moreover, such solutions are usually one-time, not easy to modify for different applications. We overcome these problems by providing a front-end software package, written in C++, which enables to enter problem definitions in a way close to their mathematical definition. Creating of a deterministic equivalent (and its solution) is up to the computer. In particular, our code is able to solve linear multi-stage with Multi-period Mean-CVaR or Nested Mean-CVaR criteria. In the present paper, we describe the algorithms, transforming these problems into their deterministic equivalents.
|
|
|
Metody Importance Sampling při řešení optimalizačních úloh
Zavřel, Lukáš ; Kozmík, Václav (vedoucí práce) ; Kopa, Miloš (oponent)
Předložená práce se zabývá výběrem optimálního portfolia pomocí mean-risk modelů, kde zkoumané míry rizika zahrnují rozptyl, VaR a CVaR Hlavním cílem je aproximace řešení optimalizačních úloh pomocí simulačních technik, jakými jsou Monte Carlo a Importance Sampling. Pro obě simulační techniky je zhotovena numerická studie jejich rozptylu a výkonnosti ve smyslu porovnání s optimálním řešením. Pro normální rozdělení s konkrétní střední hodnotou a rozptylem jsou empiricky odvozeny hodnoty parametrů pro generování pomocí metody Importance Sampling a následně jsou využity při řešení praktického problému volby optimálního portfolia z deseti akcií, kde jsou k dispozici jejich historické ceny po týdnech. Všechny optimalizační úlohy jsou řešeny v programu Wolfram Mathematica. Powered by TCPDF (www.tcpdf.org)
|
|
|
Charakterizace konvexních množin
Lžičař, Jiří ; Lachout, Petr (vedoucí práce) ; Kozmík, Václav (oponent)
Pojem konvexní množiny je velmi důležitý zejména pro teorii prav- děpodobnosti, optimalizaci a stochastickou optimalizaci. Konvexita je v mnohém unikátní množinová vlastnost, již se vyplatí zkoumat. Různé vlastnosti konvex- ních množin jsou obecně známé, například ty spojené s oddělitelností. Ukazuje se však, že definice konvexity je velmi zajímavá i v tom smyslu, že je možné ji nahradit různými sadami vlastností, které jsou s touto definicí ekvivalentní. Stejně tak existují množinové operace, které konvexitu zachovávají a další, které ji zachovávají za přidání určitých podmínek. 1
|
|
|
Multi-Stage Stochastic Programming with CVaR: Modeling, Algorithms and Robustness
Kozmík, Václav ; Dupačová, Jitka (vedoucí práce) ; Morton, David (oponent) ; Kaňková, Vlasta (oponent)
Vícestupňové stochastické programování s CVaR: modely, algoritmy a robustnost RNDr. Václav Kozmík Abstrakt: Předložená práce formuluje tři vícestupňové modely stochastického programování, které jsou založené na míře rizika CVaR, a popisuje jejich vlastnosti včetně časové konzistence. Pro řešení těchto modelů se používá algoritmus stocha- stického duálního dynamického programování. Při použití vnořené míry rizika s CVaR chybí v současnosti spolehlivý postup na odhad účelové funkce. Náš nový postup, který je založen na technice simulace podle důležitosti, přináší spolehlivé výsledky a umožňuje kontrolu kvality řešení. Postup simulace podle důležitosti je dále zobecněn a lze jej použít pro redukci rozptylu ve všech modelech, které pracují s mírou rizika CVaR. Ke studiu robustnosti využíváme techniku kontami- nace a rozšíříme ji pro úlohy s velkým počtem scénářů, pro které není možné nalézt přesné optimální řešení. Navržené postupy jsou ověřeny na numerických příkladech velkého rozsahu, které jsou založeny na jednoduchém vícestupňovém investičním modelu. Klíčová slova: Vícestupňové stochastické programování, stochastické duální dynamické progra- mování, simulace podle...
|
host ::
RSS.