|
|
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...
|
|
|
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...
|
host ::
RSS.