|
|
Maximum Return Portfolio
Palko, Maximilián ; Večeř, Jan (vedoucí práce) ; Šmíd, Martin (oponent)
Klasická tvorba portfólia pozostáva v minimalizovaní rozptylu daného port- fólia. Podľa Zákona o veľkých číslach by v prípade dlhodobého investičného horizontu malo stačiť investovať do aktíva s najvyšším očakávaným výnosom, ktoré nakoniec prebije všetky ostatné portfóliá. V našej práci preto navrhneme postupy hľadania portfólia s maximálnym výnosom založené na hľadaní aktíva s maximálnym očakávaným výnosom. Vyhneme sa tak problému nepresnosti odhadov očakávaných výnosov. Podľa simulačných analýz v tejto práci sme vy- brali dva takéto postupy tvorby portfólia. Tie sme následne otestovali na reál- nych dátach a porovnali sme ich s akciovým indexom S&P 500. Výsledky tohto testovania naznačili, že naše portfóliá by mohli mať využitie aj v reálnom svete. Najme keď sa naše portfólia s 10-ročným investičným horizontom ukázali byť signifikatne lepšie než S&P 500 index. 1
|
|
|
Přesné obálkové testy
Maděřičová, Soňa ; Dvořák, Jiří (vedoucí práce) ; Beneš, Viktor (oponent)
V této práci se věnujeme simulačním testům typu Monte Carlo, konkrétně se zabýváme obálkovými a odchylkovými testy. Popisujeme vývoj obálkových testů od standardních obálkových testů, u kterých nelze kontrolovat hladinu testu, přes vylepšené obálkové testy, u nichž hladinu kontrolujeme nepřímo, až k přesným obálkovým testům, u kterých hladinu testu volíme předem. Ukážeme, jak přesné obálkové testy souvisejí s odchylkovými testy. Dále v práci porovnáváme jednotlivé typy testů pomocí příkladů a popisujeme jejich výhody a nevýhody.
|
|
|
Matematické modelování kurzu koruny
UHLÍŘOVÁ, Žaneta
Tato diplomová práce je zaměřena na matematické modelování kurzu koruny vůči americkému dolaru v letech 1991 až 2014. Časová řada byla rozdělena do pěti částí. Nejprve byly zkoumány modely Boxovy-Jenkinsovy metodologie, především model ARIMA. Bohužel daný model nemohl být použit, protože žádná z časových řad nevykazovala korelaci. Časová řada je považována za bílý šum. Data se zdají být naprosto nepredikovatelná. Dané časové řady nemají konstantní rozptyl, mnohdy ani normální rozdělení, a proto byl jako druhý model uvažován model volatility GARCH. Pro použití modelu volatility je lepší danou časovou řadu nerozdělovat. Model volatility napomáhá k přesnější predikci než směrodatná odchylka. Práce byla zpracována v programu RStudio a MS Excel.
|
host ::
RSS.