|
|
Rozdělení s tjažki chvosty a finanční aplikace
Korbel, Michal ; Klebanov, Lev (vedoucí práce) ; Janák, Josef (oponent)
V této práci popíšeme rozdělení s těžkými chvosty a ukážeme nutné a postačující podmínky pro jejich existenci. Zabýváme se náhodným součinem náhodných veličin a jejich konvergencí k Paretovu rozdělení a uvádíme grafy podporující toto tvrzení. Dále definujeme stabilní rozdělení a ukážeme jejich užití pro aproximaci náhodného součtu náhodných proměnných. Také zavedeme Gaussovké a nekonečně dělitelné náhodné veličiny a ukážeme podmínky pro jejich existenci. Ukážeme, že jediná geometricky stabilní rozdělení musí být striktně geometricky stabilní nebo nepravá. Nakonec se věnujeme aplikacím stabilních rozdělení ve finančních výpočtech a ukážeme použití pro výpočet Value at Risk. Powered by TCPDF (www.tcpdf.org)
|
|
|
Rozhodovací úlohy a empirická data; aplikace na nové typy úloh
Odintsov, Kirill ; Kaňková, Vlasta (vedoucí práce) ; Lachout, Petr (oponent)
Práce pojednává o řešení různých typů rozhodovacích úloh, které v sobě obsahují náhodné prvky. Jsou zde popsány základní metody převodu stochastických optimalizačních úloh na deterministické optimalizační úlohy. Práce se zabývá blízkostí řešení obecné úlohy a úlohy s empirickou distribuční funkcí, na kterou převádíme naši úlohu ve chvíli, kdy neznáme rozdělení náhodných prvků zadané úlohy. Práce také pojednává o distribucích s těžkými chvosty, o stabilních distribucích a o jejich vzájemném vztahu. Dále se zde zavádí pojem stochastické dominance a popisuje se možnost využití tohoto pojmu při kontrukci úloh. Dokazuje se zde blízkost řešení úlohy se stochastickou dominancí druhého řádu s řešením jí odpovídající úlohy s empirickou distribuční funkcí. Na závěr se řeší příklad řízení akciového portfolia se stochastickou dominancí druhého řádu pomocí přechodu k odpovídající úloze s empirickou distribuční funkcí. Powered by TCPDF (www.tcpdf.org)
|
|
|
Úlohy stochastického programování a ekonomické aplikace
Kučera, Tomáš ; Kaňková, Vlasta (vedoucí práce) ; Dupačová, Jitka (oponent)
Tato práce se zabývá problémem stochastického programování, a to zejména v souvislosti s rozděleními s těžkými chvosty a optimalizací portfolia. V první části je nejprve zpracována tématika stochastického programování a typy úloh, které se v rámci této problematiky vyskytují. Ve druhé části je zpracováno řešení úloh stochastického programování metodou SAA, a to zejména v případě náhodných veličin s rozděleními s těžkými chvosty. V závěru je teorie aplikována na problém optimalizace portfolia a v programu R je provedena numerická studie na základě reálných dat, získaných z webové stránky Google Finance.
|
|
|
Heavy Tails and Market Risk Measures: the Case of the Czech Stock Market
Bulva, Radek ; Zápal, Jan (vedoucí práce) ; Bubák, Vít (oponent)
Těžké chvosty jsou jedním z mnoha dobře zdokumentovaných stylizovaných faktů o chování výnosů finančních aktiv. V první části této práce se zabýváme metodami odhadu parametru chvostu rozdělení výnosů hlavního českého akciového indexu PX a za tímto účelem zkoumáme řadu parametrických a semi-parametrických postupů. Výsledky naznačují, že chování chvostů výnosů indexu PX je v souladu s empirickými výsledky dostupnými v literatuře. Ve druhé části práce se zaměřujeme na dvě měřítka tržního rizika, Value at Risk a Expected Shortfall. Spolu s tradičními metodami odhadu založenými na normálním rozdělení diskutujeme i metody založené na výsledcích první části práce, které berou v potaz odlišné chování chvostů. Porovnání výsledků jednotlivých metod nás vede k závěru, že modelování finančních výnosů pomocí normálního rozdělení může vést k závažnému podcenění rizik. JEL klasifikace: C13, C14, C16, G15; Klíčová slova: těžké chvosty, parametrické a semi-parametrické metody odhadu, teorie extrémních hodnot, tržní riziko, Value at Risk, Expected Shortfall.
|
|
|
Modelování portfolií s risk faktory s těžkými chvosty
Kyselá, Eva ; Málek, Jiří (vedoucí práce) ; Fičura, Milan (oponent)
Tato práce si klade za cíl prozkoumat některé přístupy k modelování výnosů portfolií, jejichž rizikové faktory mají těžké chvosty. Nejdříve se věnuje modelům jednorozměrných časových řad a srovnává predikční schopnosti zvoleného benchmark modelu (GARCH s náhodnou složkou se Studentovým t-rozdělením či jeho rozšíření ve formě GJR) s jeho dvěma konkurenty, EVT-GARCH a Markov-Switching Multifractal (MSM) modelem. Motivace k rozšíření GARCH specifikace o EVT je využít vhodnější pravděpodobnostní rozdělení pro náhodnou složku, založené na empirické distribuční funkci. MSM je jedním z nejlepších modelů (co do výsledků) v rámci multifraktálové literatury, jedná se o markov-switching model, který je jedinečný svou úsporností a variabilitou. Modely jsou zhodnoceny jak pomocí regresí Mincer-Zarnowitze, tak pomocí srovnání kvality předpovědí VaRu a expected shortfallu, a empirická analýza ukázala, že pro účely risk managemetu EVT-GARCH dominuje nad benchmark modelem stejně jako nad MSM. Druhá část se zabývá modelováním závislostní struktury, využívá Gaussovu a t-copulu k modelování výnosů portfolia a srovnává výsledky s klasickým variance-covariance přístupem, přičemž shledáváme, že copula funkce poskytují realističtější odhady budoucích extrémních kvantilů.
|
host ::
RSS.