Оценка финансовых рисков VaR и CVaR для акций индекса Dow Jones с помощью нейронных сетей

Грязнов, Алексей Дмитриевич Отделение экспериментальной физики (ОЭФ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Объект исследования – оценка рисков инвестиций на финансовых рынках с помощью показателей VaR и CVaR. Данные меры риска будут смоделированы с помощью нейронных сетей на языке программирования Python 3.7. Модель нейронных сетей будет обучаться и строить прогнозные данные на исторических данных о котировках акций, входящих в состав индекса Dow Jones.

Введение …………………………………………………………………………………………………………… 10
Основные термины: …………………………………………………………………………………………… 11
1. Теоретическая часть……………………………………………………………………………………….. 12
1.1. Обзор существующих методов и алгоритмов решения задачи. ………………… 12
1.2. Оценка рисков. ……………………………………………………………………………………. 16
1.2.1. Value-at-Risk (VaR) ……………………………………………………………………….. 16
1.2.2. Conditional Value-at-Risk (CVaR) ……………………………………………………. 20
1.3. Модель нейронной сети ……………………………………………………………………….. 21
1.3.1. Нейронные сети. Основные понятия ………………………………………………. 21
1.3.2. Многослойный перцептрон. Виды и ключевые понятия …………………… 26
1.3.3. Ошибки сети и методы минимизации их…………………………………………. 27
1.3.4. Мониторинг состояния нейронной сети. …………………………………………. 31
2. Практическая часть ………………………………………………………………………………………… 33
2.1. Выбор среды моделирования ……………………………………………………………….. 33
2.2. Метод исторического моделирования VaR дельта-нормальным способом на
примере акций индекса Dow Jones ………………………………………………………………………. 33
2.3. Моделирование нейронной сети …………………………………………………………… 38
3. Социальная ответственность …………………………………………………………………………… 47
3.1. Правовые и организационные вопросы обеспечения безопасности ………….. 48
3.1.1. Специальные (характерные для проектируемой рабочей зоны) правовые
нормы трудового законодательства …………………………………………………………………….. 48
3.1.2. Организационные мероприятия при компоновке рабочей зоны ………… 49
3.2. Производственная безопасность …………………………………………………………… 50
3.2.1. Анализ вредных и опасных факторов, которые могут возникнуть на
рабочем месте исследователя ……………………………………………………………………………… 50
3.2.2. Обоснование мероприятий по защите персонала предприятия от
действия опасных и вредных факторов ……………………………………………………………….. 59
3.3. Экологическая безопасность ………………………………………………………………… 60
3.3.1. Анализ влияния объекта исследования на окружающую среду …………. 60
3.3.2. Обоснование мероприятий по защите окружающей среды ……………….. 60
3.4. Безопасность в чрезвычайных ситуациях ………………………………………………. 61
3.4.1. Анализ вероятных ЧС, которые может инициировать объект
исследований…………………………………………………………………………………………………….. 61
3.4.2. Обоснование мероприятий по предотвращению ЧС и разработка
порядка действия в случае возникновения ЧС ……………………………………………………… 62
3.5. Выводы и рекомендации………………………………………………………………………. 64
4. Оценка коммерческого потенциала и перспективности проведения научных
исследований с позиции ресурсоэффективности и ресурсосбережения ………………….. 65
4.1. Потенциальные потребители результатов исследования …………………………. 65
4.2. Анализ конкурентных технических решений …………………………………………. 65
4.3. SWOT-анализ ……………………………………………………………………………………… 68
4.4. Инициация проекта ……………………………………………………………………………… 70
4.5. Определение трудоемкости работ …………………………………………………………. 71
4.6. Бюджет научно-технического исследования ………………………………………….. 74
4.6.1. Расчёт материальных затрат НТИ …………………………………………………… 75
4.6.2. Основная заработная плата ……………………………………………………………. 76
4.6.3. Дополнительная заработная плата ………………………………………………….. 77
4.6.4. Отчисления во внебюджетные фонды …………………………………………….. 78
4.6.5. Накладные расходы ………………………………………………………………………. 78
4.6.6. Формирование бюджета затрат НТИ ………………………………………………. 79
4.7. Реестр рисков проекта …………………………………………………………………………. 79
4.8. Оценка сравнительной эффективности исследования …………………………….. 80
4.9 Оценка абсолютной эффективности исследования ………………………………….. 83
4.10. Выводы …………………………………………………………………………………………….. 89
Заключение ………………………………………………………………………………………………………. 90
Список использованных источников …………………………………………………………………… 91
Приложение 1……………………………………………………………………………………………………. 94
Приложение 2………………………………………………………………………………………………….. 112
Приложение 3………………………………………………………………………………………………….. 114
Приложение 4………………………………………………………………………………………………….. 121

Актуальность. Недавние финансовые кризисы усилили
необходимость статистической меры, которая могла бы позволить
экономистам, практикам и регулирующим органам оценивать финансовые
риски на ежедневной основе. Самая популярная мера для оценки
финансового риска – Value-at-Risk (VaR).
Существует множество различных подходов к попыткам
минимизировать и спрогнозировать риски на финансовых рынках, в том
числе с использованием различных модификаций модели VaR. На
сегодняшний день вопрос об оценки и минимизации рисков остаётся по-
прежнему актуальным, в особенности в связи с дестабилизирующими
факторами текущую рыночную ситуацию, вызывающими повышенную
волатильность показателей финансового рынка.
Целью магистерской диссертации является оценка финансовых
рисков VaR и CVaR для акций индекса Dow Jones с помощью нейронных
сетей.
Для достижения поставленной цели необходимо решить следующие
задачи:
1. В рамках исторического моделирования рассчитать выборочные
оценки уровней VaR, CVaR.
2. Построить и обучить многослойную нейронную сеть с сигмоидной
функцией активации.
3. Провести прогнозирование будущих значений индекса Dow Jones
на основе исторических данных с 2018 года.
Основные термины:
Value-at-Risk (VaR) – это статистическая мера, которая предполагает,
что если рыночные условия будут нормальными в течение определенного
периода времени, максимальные потери портфеля (или финансового
инструмента) не будут превышать оценку VaR, и это статистически
достоверно при определенном уровне доверия (обычно 95% или 99%)
Conditional Value at Risk (CVaR) является мерой оценки риска, которая
количественно определяет величину хвостового риска, который имеет
инвестиционный портфель.
Нейрон – это единица сети, которая на входе получает сигнал (входные
данные) на основании заданных параметров производит с ними
вычислительные действия и передает их либо на следующий слой, либо на
выход.
Сумматорная функция нейрона – представляет собой часть нейрона,
которая представляет собой сумму произведения входных данных на веса и
смещения.
Активационная функция нейрона – представляет собой часть нейрона,
которая отвечает за активацию нейрона и построение прогнозных данных.
Многослойный перцептрон – нейронная сеть, состоящая из слоев,
каждый из которых состоит из элементов – нейронов (точнее их моделей).
Градиент – это вектор, который определяет крутизну склона и
указывает его направление относительно какой либо из точек на поверхности
или графике.
Переобучение – это состояние нейросети, когда она перенасыщена
данными, иначе говоря, сеть не прослеживает закономерности, а просто
запоминает и «зубрит» правильные ответы.
Перекрёстная проверка (кросс-валидация, Cross-validation) – метод
оценки аналитической модели и её поведения на независимых данных.

В результате выполненной работы получены следующие основные
результаты:
1. методом исторического моделирования были рассчитаны
показатели VaR для портфеля акций Dow Jones за период с 2018
года;
2. была построена многослойная нейронная сеть с сигмоидной
активационной функцией, программная реализация написана на
языке Python 3.7;
3. правильность обучения нейронной сети была проверена методом
кросс-валидации. Кроме этого, были рассчитаны средние и
медианные ошибки прогнозов сети. Показано, что по всем акциям
индекса Dow Jones ошибка не превосходит 1,5% в равномерной
норме.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    user1250010 Омский государственный университет, 2010, преподаватель,...
    4 (15 отзывов)
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    Пишу качественные выпускные квалификационные работы и магистерские диссертации. Опыт написания работ - более восьми лет. Всегда на связи.
    #Кандидатские #Магистерские
    21 Выполненная работа
    Анна К. ТГПУ им.ЛН.Толстого 2010, ФИСиГН, выпускник
    4.6 (30 отзывов)
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помог... Читать все
    Я научный сотрудник федерального музея. Подрабатываю написанием студенческих работ уже 7 лет. 3 года назад начала писать диссертации. Работала на фирмы, а так же помогала студентам, вышедшим на меня по рекомендации.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Дмитрий Л. КНЭУ 2015, Экономики и управления, выпускник
    4.8 (2878 отзывов)
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    #Кандидатские #Магистерские
    5125 Выполненных работ
    Елена Л. РЭУ им. Г. В. Плеханова 2009, Управления и коммерции, пре...
    4.8 (211 отзывов)
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.
    #Кандидатские #Магистерские
    362 Выполненных работы
    Мария М. УГНТУ 2017, ТФ, преподаватель
    5 (14 отзывов)
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ... Читать все
    Имею 3 высших образования в сфере Экологии и техносферной безопасности (бакалавриат, магистратура, аспирантура), работаю на кафедре экологии одного из опорных ВУЗов РФ. Большой опыт в написании курсовых, дипломов, диссертаций.
    #Кандидатские #Магистерские
    27 Выполненных работ
    Анна В. Инжэкон, студент, кандидат наук
    5 (21 отзыв)
    Выполняю работы по экономическим дисциплинам. Маркетинг, менеджмент, управление персоналом. управление проектами. Есть опыт написания магистерских и кандидатских диссе... Читать все
    Выполняю работы по экономическим дисциплинам. Маркетинг, менеджмент, управление персоналом. управление проектами. Есть опыт написания магистерских и кандидатских диссертаций. Работала в маркетинге. Практикующий бизнес-консультант.
    #Кандидатские #Магистерские
    31 Выполненная работа
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    Ольга Р. доктор, профессор
    4.2 (13 отзывов)
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласован... Читать все
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласованные сроки и при необходимости дорабатываются по рекомендациям научного руководителя (преподавателя). Буду рада плодотворному и взаимовыгодному сотрудничеству!!! К каждой работе подхожу индивидуально! Всегда готова по любому вопросу договориться с заказчиком! Все работы проверяю на антиплагиат.ру по умолчанию, если в заказе не стоит иное и если это заранее не обговорено!!!
    #Кандидатские #Магистерские
    21 Выполненная работа
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019год
    🏢 Санкт-Петербургский государственный университет