Národní úložiště šedé literatury Nalezeno 6 záznamů.  Hledání trvalo 0.00 vteřin. 
Statistická analýza vysokofrekvenčních časových řad finančních trhů
Langer, Roman ; Bartík, Vladimír (oponent) ; Kreslíková, Jitka (vedoucí práce)
Cílem této diplomové práce je analýza finančních dat při zaměření se především na vyhledávaní neefektivit na trhu, které mohou vést ke kapitalizaci nalezených anomálií. Data pochází z různých zdrojů a je potřebné je předzpracovat. Analýza spočívá ve statistických metodách vysokofrekvenčních časových řad. Výsledné charakteristiky jsou následně vizualizovány.
Pairs Trading in Cryptocurrency Markets
Fil, Miroslav ; Krištoufek, Ladislav (vedoucí práce) ; Hronec, Martin (oponent)
Párové obchodování je investiční strategie využívající dlouhodobého ekvilibria v hodnotách cenných papírů. Navíc je tržně neutrální s nulovou čistou investicí, a zároveň historicky vykazuje velké zisky. S pomocí kointegrační a vzdálenostní metody analyzujeme data z burzy jménem Binance za rok 2018. Ukazuje se, že strategie je díky transakčním poplatkům převážně neprofitabilní, ale jisté kombinace parametrů dosahují dobrých výsledků. Vzdálenostní metoda je obecně ziskovější a dosahuje až 3% měsíčního zisku i v naší základní simulaci reálných podmínek, zatímco kointegrační metoda je vždy mírně ztrátová. Navíc se ukazuje, že obchodování s hodinovými místo denními daty má smíšený efekt. Naše výsledky mají do jisté míry omezenou výpovědní hodnotu, jelikož jsme spoustu fenoménů odhadovali podle ekvivalentních konceptů z amerických ak- ciových trhů. Přitom jsme ukázali, že úspěch strategie je velice citlivý vůči transakčním poplatkům a potížím při exekuci obchodů, což znamená, že jejich přesné určení je kritické. Pokud bychom tyto faktory zanedbali, dosáhnout ziskovosti i nad 5% měsíčně by bylo lehké. Nelze však říci, že by naše výsledky byly robustní vůči podmínkám v reálném obchodování. Klíčová slova párové obchodování, kointegrace, statistická arbitráž, vnitrodenní obchodování, kryptoměny, vzdálenostní...
Statistická arbitráž při algoritmickém obchodování amerických dluhopisů
Juhászová, Jana ; Stádník, Bohumil (vedoucí práce) ; Janda, Karel (oponent)
Tato práce se zabývá specifickou strategií statistické arbitráže při algoritmickém obchodování amerických státních dluhopisů ve zvoleném období mezi roky 1980 až 2017. Cílem této práce je dokázat, že při události, která je výjimečná pro americké dluhopisy, přesněji znovu otevření emise dochází ke vzniku arbitrážní příležitosti, která umožňuje investorovi systematicky realizovat zisk na trhu se státními dluhopisy. Tato závěrečná práce obsahuje teoretický úvod do problematiky algoritmického obchodování a statistické arbitráže. Na základě těchto poznatků formulujeme hypotézy, které testujeme v aplikační části prostřednictvím simulace algoritmu obchodujícího na historických datech. Srovnáním těchto strategií konstatujeme, že tato strategie je smysluplná, je výnosnější nežli náhodné obchodování a umožňuje investorovi realizovat dodatečný zisk.
Pairs Trading at the Prague Stock Exchange
Nušlová, Alice ; Krištoufek, Ladislav (vedoucí práce) ; Křehlík, Tomáš (oponent)
Název práce: Pairs Trading at the Prague Stock Exchange Autor: Alice Nušlová Institut: Institut ekonomických studií Vedoucí bakalářské práce: PhDr. Ladislav Krištoufek Ph.D. E-mail vedoucího: kristoufek@ies-prague.org Abstrakt: Od svého zrodu v 80. letech 20. století se párové obchodování stalo široce použí- vanou investiční strategií mezi hedgovými fondy a institucionálními investory. Tato technika určí akcie, jejichž historické ceny mezi sebou vykazují dlouhodobý vztah, a následně využívá jejich krátkodobého relativního cenového vychýlení. Zisk je generován díky opravnému chování cen akcií, které konvergují k ekvilibriu tohoto vztahu. Cílem této bakalářské práce je porovnat dvě tradiční metody výběru a obchodování párů: kointegraci a součet čtverců odchylek mezi normalizovanými historickými výnosy, známý jako metoda vzdáleností, v kontextu Burzy cen- ných papírů Praha. Testujeme dále, zda tyto metody, zcela běžně používané na americkém akciovém trhu, mohou být podobně úspěšně aplikovány na pražské burze. Výsledky odhalují, že strategie využívající metodu vzdáleností překonává kointegrační přístup téměř ve všech srovná- vacích statistikách. Přesto však její výnosy nejsou statisticky odlišné od nuly, a distribuce těchto výnosů se nevyrovná výsledkům na burze v USA zveřejněným v dřívějších analýzách....
Statistická analýza vysokofrekvenčních časových řad finančních trhů
Langer, Roman ; Bartík, Vladimír (oponent) ; Kreslíková, Jitka (vedoucí práce)
Cílem této diplomové práce je analýza finančních dat při zaměření se především na vyhledávaní neefektivit na trhu, které mohou vést ke kapitalizaci nalezených anomálií. Data pochází z různých zdrojů a je potřebné je předzpracovat. Analýza spočívá ve statistických metodách vysokofrekvenčních časových řad. Výsledné charakteristiky jsou následně vizualizovány.
Construction of a Market-Neutral ETF Portfolio: A Relative-Value Based Approach
Hlinšťák, David ; Málek, Jiří (vedoucí práce) ; Fičura, Milan (oponent)
Diplomová práce popisuje, jakým způsobem lze využít kointegrční analýzu k stavbě ziskových investičních strategií, které využívají chybného ocenění obdobných aktiv. Práce zkoumá kointegrační vztahy na 200 nejlikvidnějších akciích burzovně obchodovaných fondů (ETF) obchodovaných na burzách NYSE a NASDAQ pomocí Johansenova testu kointegrace a Kalmanova filtru. Výsledky ukazují vysokou citlivost strategií na transakční náklady, ale většina strategií zůstává zisková i po započtení konzervativní výše transakčních nákladů. Na denních datech dosahuje lepších výsledků strategie založená na Kalmanově filtru, ale na 15-minutových datech dominují portfolia zkonstruována na základě Johansenova testu. Oba přístupy dosahují významně vyšší rizikově očištěné výnosy na intradenních datech ve srovnání s denními daty. Práce také poukazuje na úpadek výkonnosti obou strategií v období 2013-2015 a nastiňuje možnou interpretaci tohoto jevu.

Chcete být upozorněni, pokud se objeví nové záznamy odpovídající tomuto dotazu?
Přihlásit se k odběru RSS.