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!

    Алёна В. ВГПУ 2013, исторический, преподаватель
    4.2 (5 отзывов)
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическо... Читать все
    Пишу дипломы, курсовые, диссертации по праву, а также истории и педагогике. Закончила исторический факультет ВГПУ. Имею высшее историческое и дополнительное юридическое образование. В данный момент работаю преподавателем.
    #Кандидатские #Магистерские
    25 Выполненных работ
    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Екатерина Б. кандидат наук, доцент
    5 (174 отзыва)
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподав... Читать все
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподавала учебные дисциплины: Бюджетная система Украины, Статистика.
    #Кандидатские #Магистерские
    300 Выполненных работ
    Сергей Е. МГУ 2012, физический, выпускник, кандидат наук
    4.9 (5 отзывов)
    Имеется большой опыт написания творческих работ на различных порталах от эссе до кандидатских диссертаций, решения задач и выполнения лабораторных работ по любым напра... Читать все
    Имеется большой опыт написания творческих работ на различных порталах от эссе до кандидатских диссертаций, решения задач и выполнения лабораторных работ по любым направлениям физики, математики, химии и других естественных наук.
    #Кандидатские #Магистерские
    5 Выполненных работ
    Шиленок В. КГМУ 2017, Лечебный , выпускник
    5 (20 отзывов)
    Здравствуйте) Имею сертификат специалиста (врач-лечебник). На данный момент являюсь ординатором(терапия, кардио), одновременно работаю диагностом. Занимаюсь диссертац... Читать все
    Здравствуйте) Имею сертификат специалиста (врач-лечебник). На данный момент являюсь ординатором(терапия, кардио), одновременно работаю диагностом. Занимаюсь диссертационной работ. Помогу в медицинских науках и прикладных (хим,био,эколог)
    #Кандидатские #Магистерские
    13 Выполненных работ
    Шагали Е. УрГЭУ 2007, Экономика, преподаватель
    4.4 (59 отзывов)
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и... Читать все
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и диссертаций, Есть любимые темы - они дешевле обойдутся, ибо в радость)
    #Кандидатские #Магистерские
    76 Выполненных работ
    Мария Б. преподаватель, кандидат наук
    5 (22 отзыва)
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальнос... Читать все
    Окончила специалитет по направлению "Прикладная информатика в экономике", магистратуру по направлению "Торговое дело". Защитила кандидатскую диссертацию по специальности "Экономика и управление народным хозяйством". Автор научных статей.
    #Кандидатские #Магистерские
    37 Выполненных работ
    Дарья С. Томский государственный университет 2010, Юридический, в...
    4.8 (13 отзывов)
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссерт... Читать все
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссертационное исследование, которое сейчас находится на рассмотрении в совете.
    #Кандидатские #Магистерские
    18 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ

    Другие учебные работы по предмету

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