|
|
Frequency Connectedness of Financial, Commodity, and Forex Markets
Šoleová, Juliána ; Baruník, Jozef (vedoucí práce) ; Vácha, Lukáš (oponent)
Tato diplomová práce je věnována přenosu volatility pomocí dekompozice od- chylek z VAR modelu metodou Diebold, Yilmaz (2012) v kombinaci s metodou Baruník, Křehlík (2017) v různých frekvencích v období od 1. 6. 1999 do 29. 6. 2018. Index S&P 500 reprezentuje finanční trhy, EUR/USD a YEN/USD trhy s měnovými kurzy. Ropa, zemní plyn, benzín a propan představovují energet- ické komodity. Kukuřice, káva, pšenici a sójové boby zastupují potravinářské komodity. Tato empirická studie přispívá k pochopení dynamické spojitosti rozdílných frekvencí v případě diferencovaného systému trhů. Hlavním zjištěním je skutečnost nejsilnější krátkodobé reakce na šoky, která byla pozorována v případě všech proměnných. To je v příkrém rozporu s výsledky klasických analýz frekvenční dynamiky v bankovním sektoru, které byly doposud pozorovány. Klasifikace: F12, F21, F23, H25, H71, H87 Klíčová slova: finanční trhy, komoditní trhy, provázanost, nejistota, freKVenční analýza E-mail autora: 93414233@fsv.cuni.cz E-mail vedoucího práce: barunik@fsv.cuni.cz
|
|
|
Modeling financial markets using heterogenous agent models
Benčík, Daniel ; Vácha, Lukáš (vedoucí práce) ; Baruník, Jozef (oponent)
Tato práce se zabývá aplikacemi heteroagentních modelů (HAM) v oblasti finančních trhů. V první části práce je obecně vyložena metodologie HAM spolu s prezentací několika dřívějších modelů tak, aby získal čtenář obecnou představu o aplikacích HAM v oblasti finančních trhů. Dále podáváme popis původního modelu vyvinutého v Brock, Hommes (1998), dále navazujeme popisem jeho rozšíření představeného v Baruník, Vácha, Vošvrda(2009). V analytické části se věnujeme analýze chování rozšířeného modelu včetně jeho schopnosti simulovat stylizovaná fakta typická pro reálné finanční trhy. Práci zakončujeme shrnutím výsledků provedených experimentů a navržením případných témat pro budoucí vývoj modelu.
|
|
|
Financial markets modeling - experimental and agent based approach
Štefanová, Hana ; Vácha, Lukáš (vedoucí práce) ; Korbel, Václav (oponent)
Tato práce se zabývá problémem modelování finančních trhů. K modelování používáme dva přístupy: simultánní a experimentální. Nejprve představíme agentní modelování a experimentální ekonomii. Poté vysvětlíme silné a slabé stránky těchto přístupů a ukážeme jejich společný přínos v oblasti modelování finančních trhů. Aby čtenář získal komplexnější představu o celé problematice, uvedeme několik modelů používajících kombinovanou metodologii. Následně představíme model dvojité aukce, jehož autory jsou Gode a Sunder (1993). Naši práci zakončíme výsledky experimentu, který jsme sami provedli, a jehož základní myšlenkou je právě práce od Goda a Sundera.
|
|
|
European Real Estate Investment Trusts: Analyzing Correlation with a DCC-GARCH Model
Jílek, Jiří ; Jandík, Tomáš (vedoucí práce) ; Vácha, Lukáš (oponent)
Bibliografický záznam JÍLEK, Jiří. European Real Estate Investment Trusts: Analyzing Correlation with a DCC- GARCH Model. Praha, 2012. 50 s. Diplomová práce (Mgr.) Univerzita Karlova, Fakulta sociálních věd, Institut ekonomických studií. Vedoucí diplomové práce: Tomáš Jandík MA MSc MRICS. Abstrakt Hlavním cílem této práce je korelační analýza výnosů mezi evropskými realitními investičními trusty (REITs) a dalšími investičními aktivy jakými jsou evropské akcie, státní dluhopisy a komodity. Tato práce je rozdělena na dvě části: v té první popisujeme kontext, v jakém byl umožněn vznik prvních trustů, a zároveň se věnujeme současné podobě těchto struktur v Evropě. Ve druhé části aplikujeme Dynamic Conditional Correlation GARCH (DCC-GARCH) model, který nám umožní zkoumat vývoj korelace v čase u výše uvedených aktiv. Obecně se má za to, že realitní aktiva vylepšují výkonost akciových portfolií díky svým diverzifikačním vlastnostem. Nicméně naše výsledky poukazují na to, že korelace mezi REITs a akciemi je relativně vysoká a navíc roste v čase. Tato zjištění můžou mít poměrně zajímavé důsledky pro investory a portfolio manažery, kteří chtějí ochránit svá portfolia před značnými poklesy, zejména v období propadů na finančních trzích. Naše výsledky dále indikují relativně nízkou a v čase klesající korelaci mezí...
|
|
|
Co-jumping of yield curve
Fišer, Pavel ; Baruník, Jozef (vedoucí práce) ; Vácha, Lukáš (oponent)
Hlavní náplní práce je studium vlivu skoků a simultánních skoků na výnosovou křivku futuritních kontraktů amerických dluhopisů. Díky použití vysokofrek- venčních dat jsem schopen kvantifikovat efekt simultánních skoků na korelaci mezi páry futuritních dluhopisů s různou splatností, což v odborné literatuře není běžné. K analýze používám nový estimátor založený na waveletové transformaci, pomocí kterého jsem schopný rozlišit mezi kontinuální a skoky způsobenou diskontinuální částí cenového vývoje dluhopisů a přesně lokalizo- vat signifikantní simultánní skoky. Dále se zabývám chováním simultánních skoků v reakci na zprávy o makroekonomickém vývoji ekonomiky. Empiricky získané výsledky dokazují silný vliv simultánních skoků na korelační struk- turu všech studovaných párů futuritních dluhopisů s rozdílnou splatností a signifikantní dopad zpráv Federální komise pro otevřený trh (Federal Open Market Committee) na pravděpodobnost výskytu simultánního skoku.
|
|
|
Investment horizon in the CAPM: A comparison of a wavelet-based decomposition and the fractal regression
Spousta, Radek ; Krištoufek, Ladislav (vedoucí práce) ; Vácha, Lukáš (oponent)
Tato práce se zabývá dvěma nadějnými metodami pro definování víceškálového CAPM - vlkovou dekompozicí a fraktálovou regresí. Jejich odhady, získané na základě měsíčních nadměrných výnosů deseti portfolií vytvořenými podle bety na americkém trhu, jsou porovnány v období od listopadu 2000 do října 2020, a následně i v období od listopadu 1965 do října 2020. V prvním období není víceškálová beta pro většinu portfolií významně odlišná od původní jednoškálové bety. Naopak ve druhém období odhalí obě metody významné odlišnosti v chování bety na různých škálách. Konkrétně portfolia s vysokou betou mají ještě vyšší víceškálovou betu na delších investičních horizontech, především na vlkové škále 3 a škálách 12-24 fraktálové regrese. Celkově obě metody poskytují konzistentní výsledky a jeví se jako vhodné pro rozšíření CAPM o investiční horizont. Klasifikace JEL Klíčová slova G12, C20 CAPM, oceňování aktiv, víceškálová analýza, vlnky, fraktálová regrese Název práce Investiční horizont v CAPM: Porovnání vlnkové dekompozice a fraktálové regrese
|
|
|
On multifractality and predictability of financial time series
Heller, Michael ; Krištoufek, Ladislav (vedoucí práce) ; Vácha, Lukáš (oponent)
Cílem této práce je ověřit empirický vztah mezi multifraktalitou finančních časových řad a jejich výnosy. K multifraktalitě přistupujeme jako k míře kom- plexity dané finanční časové řady. Multifraktální časové řady vykazují sebe- opakující se vzorce. Multifraktalita by mohla být dobrým prediktorem ak- ciových výnosů nebo faktorem, který by mohl být využit k oceňování aktiv. V naší práci popisujeme komplexitu dané finanční časové řady pomocí modelů a poté zkoumáme, zda najdeme kladnou nebo zápornou rizikovou prémii za in- vestování do "více multifraktálních aktiv". Získali jsme denní ceny 31 akciových indexů a denní výnosy 10-letých amerických státních dluhopisů. Všechna data pochází z období let 2012 až 2021. Pomocí metody MF-DFA jsme odhadli multifraktální spektra na všech 31 akciových indexech. Všechny akciové in- dexy jsme seřadili od nejméně po nejvíce multifraktální. Zkonstruovali jsme "multifraktální portfolio" držením dlouhé pozice v 7 nejvíce multifraktálních akciových indexech a držením krátké pozice v 7 nejméně multifraktálních in- dexech. Poté jsme použili regresi Fama-MacBeth s nezávislými proměnnými, očekávaným tržním výnosem a rizikovou prémií. Ve všech zkoumaných fi- nančních časových řadách jsme našli multifraktalitu. Rovněž jsme nalezli velmi nízkou zápornou rizikovou prémii za...
|
|
|
Acquisition of Costly Information in Data-Driven Decision Making
Janásek, Lukáš ; Baruník, Jozef (vedoucí práce) ; Vácha, Lukáš (oponent)
Tato práce formuluje a řeší problém ekonomického rozhodování o nákladné akvizici informace při rozhodování na základě dat. Práce předpokládá agenta predikujícího náhodnou proměnnou za použití několika vysvětlujících proměn- ných, jejichž akvizice je nákladná. Před samotným rozhodováním se agent učí vztah mezi proměnnými z minulých realizací proměnných. Během samot- ného rozhodování agent vybírá vysvětlující proměnné a na jejich základě tvoří predikci. Užitek agenta je tvořen přesností predikce a náklady vynaloženými na akvizici vysvětlujících proměnných. Pro účely řešení práce rozděluje rozhodování agenta na akvizici proměnných a predikci na základě nabytých proměnných. Pro predikci práce představuje novou metodu tréninku jednoho prediktivního modelu, který dokáže přijmout libovolnou kombinaci nabytých proměnných. Pro akvizici proměnných práce představuje dvě nové metody stojící na stro- jovém učení s učitelem: trénink modelů strojového učení, které odhadují očeká- vaný užitek z jednotlivých proměnných odzadu, a krátkozrakou akvizici proměnné na základě okamžitého nárůstu očekávaného užitku. Práce dále formuluje prob- lém jak Markovův rozhodovací proces, což umožňuje approximovat optimální akvizici pomocí hlubokého zpětnovazebního učení. Práce navrhuje novou for- mulaci odměn při tréninku jako...
|
|
|
Can Machines Explain Stock Returns?
Chalupová, Karolína ; Baruník, Jozef (vedoucí práce) ; Vácha, Lukáš (oponent)
Mohou stroje vysvětlit akciové výnosy? Abstrakt diplomové práce Karolína Chalupová January 5, 2021 Nedávný výzkum ukazuje, že neuronové sítě dokážou předpovídat akciové výnosy lépe, než kterýkoli jiný model. Metematicky komplikovaná povaha sítí je zároveň jejich výhodou, umožňující odhalovat komplexní vzorce, a jejich prokletím, znesnadňujícím jejich interpretaci, což zamlžuje výhody a nevýhody sítí a komplikuje jejich užití. Tato práce je jedním z prvních pokusů toto prokletí překonat. Za použití nově vyvinutých metod interpretovatelného stro- jového učení objasňuje, jak sítě vytvářejí své vynikající předpovědi výnosů. Poskytuje tak nové odpovědi na starou otázku, které proměnné určují rozdíly v akciových výnosech, a vysvětluje, co stojí za bezkonkurenční schopností neu- ronových sítí identifikovat mezi akciemi na trhu budoucí vítěze a poražené. Tato práce je pravděpodobně první, která zjišťuje, zda neuronové sítě pod- porují ekonomické mechanismy, které během posledních 50 let přinesl výzkum v oblasti oceňování aktiv. Z hlediska aplikace pro finanční praxi práce nabízí transparentnost, kterou přináší dekompozice každé předpovědi na vlivy jed- notlivých vstupních proměnných; zároveň si práce zachovává Sharpe ratio na úrovni současné vědy. Navíc je představena nová metrika, která je zvláště vhodná pro...
|
|
|
Stock Market Prediction: A Multiclass Classification on Emotions and Sentiment Analysis for Tweets and News Headlines
Lazeski, Dejan ; Kočenda, Evžen (vedoucí práce) ; Vácha, Lukáš (oponent)
i Abstrakt Tato práce zkoumá využití sentimentu na základě titulků zpráv a tweetů. Hlavním zdrojem dat jsou tweety a novinové titulky z dobře známých finančních novin, speciálně cílené na top 5 "Big Tech" firem. Abychom prozkoumali užitečnost sentimentu a emocí dle Ekmana v odhadu budoucích cen akcií, vytvořili jsme vícetřídní klasifikátory emocí a sentimentu za použití přístupu strojového učení. Zkoumané zdroje dat byly manuálně ohodnoceny pro poz- itivní, negativní a neutrální sentiment a také k nim byly přiřazeny primární emoce podle Ekmana, jako jsou hněv, radost, překvapení a smutek. Nepotvrdila se nám žádná významná korelace mezi denním pohybem akcií a rozložením sentimentu. Bylo však zjištěno, že tweety jsou méně neutrální než novinové titulky. Nakonec jsme zavedli jednoduchou investiční strategii extrakcí skóre polarity za použití VADER a dalších metrik jako počet sledujících a sdílení. Dva klasifikátory, SVM a ANN, se vyznačovaly silnou predikcí u akcií Googlu a Amazonu, ale slabou predikcí u ostatních firem. Výsledky práce naznačují, že polarita sentimentu může lépe předpovídat budoucí výkyvy cen akcií než vícetřídní klasifikace emocí. Klasifikace JEL C53, G41, G17, C61 Klíčová slova Titulky zpráv, Tweety, Analýza Sentimentu, Emoce Název práce Prognóza Vývoje Akciových Trhů: Vícetřídní Klasifikace...
|
host ::
RSS.