Diplomová práce

Modelování tržního rizika pomocí metod strojového učení a umělé inteligence

Modelling market risk using machine learning and artificial intelligence methods

Mgr. Ondřej Lasák
Anotace

Práce se zabývá možnostmi, nástroji a technikami strojového učení (machine learning, ML), které lze využít pro modelování a predikci tržního rizika. Práce zprvu pojednává o koncepci tržního rizika a jeho způsobech vyjádření. Tržní riziko je vnímáno jako variabilita časové řady a lze jej tedy v této práci považovat za synonymum pro volatilitu. Práce následně poskytne obecný úvod do problematiky a vytyčí …více

Abstract

The thesis concerns with the possibilities, tools and techniques of ma-chine learning (ML), which can be used for modelling and prediction of market risk. The thesis first discusses the concept of market risk and its ways of expression. Market risk is viewed as time-series variability and can be considered synonymous with volatility in this paper. The thesis then provides a general introduction to …více

Klíčová slova
strojové učení predikce regrese modelování volatilita machine learning prediction regression modelling volatility
Zadání práce

Cílem práce je empiricky vyhodnotit možnosti a meze nástrojů a technik strojového učení (machine learning, ML) a metod umělé inteligence (artificial inteligence, AI) pro modelování a predikci tržního rizika. Vyhodnocení proběhne z pohledu modelování a predikci tržního rizika pro vybrané finanční trhy (akciové trhy, FOREX, apod.). Výkonnost zvolených metod ML a AI bude z hlediska možností a mezi srovnávána i s „konvenčními“ ekonometrickými technikami a postupy. Struktura práce bude rámcově následující:

1. Definice tržního rizika pro potřeby naplnění cíle práce.

2. Rešerše literatury věnované ML metodám a metodám AI aplikovaným na problematiku modelování a predikce tržního rizika, případně obecněji z oblasti řízení rizika jako takového.

3. Představení v práci používaných metod a modelů.

4. Popis dat (a modelovaného trhu) a vysvětlení metodiky vyhodnocování kvality v práci zvolených přístupů a metod.

5. Aplikace ML a AI metod pro zvolená data a pojetí tržního rizika, diagnostika modelů a ověřování robustnosti získaných výsledků a jejich věcné shrnutí a interpretace.

Administrativní informace
Práce zkontrolována:
13. 5. 2023 16:50, doc. Ing. Daniel Němec, Ph.D., učo 22939
Plný text práce
2,4 MB / soubor PDF
Přílohy (9)
Jazyk práce
čeština čeština
Termín obhajoby
20. 6. 2023
Práce byla úspěšně obhájena

Vedoucí

doc. Ing. Daniel Němec, Ph.D., učo 22939
KE ESF MU

Oponent

Oleg Deev, Ph.D., učo 387462
KF ESF MU

Literatura

  • ROGERS, Simon a Mark GIROLAMI. A first course in machine learning. Boca Raton: CRC Press/Taylor & Francis Group, 2012, xx, 285. ISBN 9781439824146.
  • LANTZ, Brett. Machine learning with R : discover how to build machine learning algorithms, prepare data, and dig deep into data prediction techniques with R. Second edition. Birmingham: Packt Publishing, 2015, xiii, 426. ISBN 9781784393908.
  • WILEY, Matt a Joshua F. WILEY. Advanced R statistical programming and data models : analysis, machine learning and visualisation. California: Apress, 2019, xx, 638. ISBN 9781484228715.
  • LÓPEZ DE PRADO, Marcos Mailoc. Advances in financial machine learning. Hoboken, N.J.: Wiley, 2018, xxi, 366. ISBN 9781119482086.
  • CHANDRINOS, Spyros K.; Georgios SAKKAS a Nikos D. LAGAROS. AIRMS: A risk management tool using machine learning. Expert Systems with Applications Volume. 2018, roč. 105, č. 1, s. 34-48. Dostupné z: https://doi.org/10.1016/j.eswa.2018.03.044.
  • AZIZ, M. a M. DOWLING. Machine Learning and AI for Risk Management. In Lynn T., Mooney J., Rosati P., Cummins M. Disrupting Finance. Palgrave Pivot, Cham, 2019, s. 33-50. ISBN 978-3-030-02330-0. Dostupné z: https://doi.org/10.1007/978-3-030-02330-0_3.
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce
 
Název
Vložil
Vloženo
Práva
Archiv závěrečné práce Ondřej Lasák ESF N-FIN NFIN05 kombin. to176/16
Havlíčková, I.
20. 4. 2023
Složky
Soubory
Anotace anglicky annotation_english.txt
Lasák, O.
11. 5. 2023
Anotace česky annotation.txt
Lasák, O.
11. 5. 2023
Klíčová slova keywords.txt
Lasák, O.
11. 5. 2023
Plný text práce Modelovani_trzniho_rizika_pomoci_metod_strojoveho_uceni_a_umele_inteligence.docx
Lasák, O.
11. 5. 2023
Posudek oponenta - Ondřej Lasák - Modelování tržního rizika pomocí metod strojového učení a umělé inteligence posudek_oponenta_Deev.pdf
Deev, O.
12. 6. 2023
Posudek vedoucího - Ondřej Lasák - Modelování tržního rizika pomocí metod strojového učení a umělé inteligence posudek_vedouciho_Nemec.pdf
Němec, D.
11. 6. 2023
Příloha data.xlsx
Lasák, O.
11. 5. 2023
Příloha GARCH.py
Lasák, O.
11. 5. 2023
Příloha Popisne_statistiky_a_PACF.xlsx
Lasák, O.
11. 5. 2023
Příloha RF___promenne___x-krokova_predikce.py
Lasák, O.
12. 5. 2023
Příloha RF_..._rolling_window.py
Lasák, O.
12. 5. 2023
Příloha Short-D2_standardized.xlsx
Lasák, O.
11. 5. 2023
Příloha ShortOF-D3_standardized.xlsx
Lasák, O.
11. 5. 2023
Příloha SVR.py
Lasák, O.
11. 5. 2023
Příloha Vysledky_nejlepsich_EGARCH__GJR-GARCH_modelu.txt
Lasák, O.
12. 5. 2023

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.