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!

    Катерина М. кандидат наук, доцент
    4.9 (522 отзыва)
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    #Кандидатские #Магистерские
    836 Выполненных работ
    Анна С. СФ ПГУ им. М.В. Ломоносова 2004, филологический, преподав...
    4.8 (9 отзывов)
    Преподаю англ язык более 10 лет, есть опыт работы в университете, школе и студии англ языка. Защитила кандидатскую диссертацию в 2009 году. Имею большой опыт написания... Читать все
    Преподаю англ язык более 10 лет, есть опыт работы в университете, школе и студии англ языка. Защитила кандидатскую диссертацию в 2009 году. Имею большой опыт написания и проверки (в качестве преподавателя) контрольных и курсовых работ.
    #Кандидатские #Магистерские
    16 Выполненных работ
    Татьяна С. кандидат наук
    4.9 (298 отзывов)
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (пос... Читать все
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (поставки напрямую с издательств), доступ к библиотеке диссертаций РГБ
    #Кандидатские #Магистерские
    551 Выполненная работа
    Катерина В. преподаватель, кандидат наук
    4.6 (30 отзывов)
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации... Читать все
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации. Опыт работы 7 лет. Всегда на связи и готова прийти на помощь. Вместе удовлетворим самого требовательного научного руководителя. Возможно полное сопровождение: от статуса студента до получения научной степени.
    #Кандидатские #Магистерские
    47 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
    Кирилл Ч. ИНЖЭКОН 2010, экономика и управление на предприятии транс...
    4.9 (343 отзыва)
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). С... Читать все
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). Сейчас пишу диссертацию на соискание степени кандидата экономических наук.
    #Кандидатские #Магистерские
    692 Выполненных работы
    Татьяна П. МГУ им. Ломоносова 1930, выпускник
    5 (9 отзывов)
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по и... Читать все
    Журналист. Младший научный сотрудник в институте РАН. Репетитор по английскому языку (стаж 6 лет). Также знаю французский. Сейчас занимаюсь написанием диссертации по истории. Увлекаюсь литературой и темой космоса.
    #Кандидатские #Магистерские
    11 Выполненных работ
    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
    Рима С.
    5 (18 отзывов)
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный универси... Читать все
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный университет, являюсь бакалавром, магистром юриспруденции (с отличием)
    #Кандидатские #Магистерские
    38 Выполненных работ

    Другие учебные работы по предмету

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