ZGŁOŚ PROBLEM
ODSYŁACZE
Link do zasobu (skrót):
http://zasobynauki.pl/zasoby/21565Link do zasobu (repozytorium):
https://id.e-science.pl/records/21565Metadane zasobu
Tytuł |
Predykcja zmienności w modelu Blacka-Scholesa za pomocą modeli rozmytych |
---|---|
Osoby |
Autorzy:
Krzysztof Stefan Targiel
Partner: Instytut Badań Systemowych PAN w Warszawie |
Opis |
Zaproponowano nową metodę prognozowania parametru występującego w modelu Blacka-Scholesa wyceny opcji, parametru zmienność. W metodzie tej wykorzystano zdolności przybliżonego wnioskowania modelu rozmytego. Na podstawie dostępnych w bieżącej chwili przybliżonych wartości parametrów rynku, wnioskowano o przyszłych wartościach zmienności. Zaproponowano metodę utworzenia takiego modelu w oparciu o uczenie maszynowe. Wykorzystano w tym celu metodę górską grupowania danych do utworzenia struktury modelu oraz metodę gradientową do określenia parametrów modelu. Zaproponowany model przetestowano na instrumencie pochodnym notowanym na Warszawskiej Giełdzie Papierów Wartościowych emitowanym przez bank BRE S.A. Wykonane oprogramowanie może być wykorzystane do oceny takich parametrów rynku instrumentów pochodnych jak zmienność, cena teoretyczna, wrażliwość na parametry, przy założeniu zastosowania modelu Blacka-Scholesa wyceny opcji. (Polski) Opis w innym języku: In presented thesis, new method of volatility prediction is proposed. This method is based on fuzzy system abilities to perform uncertain reasoning process. Parameters of model are estimated by machine learning procedures. The method introduced in this work is illustrated on derivative emitted by BRE S.A. Work results could be adopted for prediction uncertain parameters, especially on financial market. Computer programs made during work could be used for estimation Black-Scholes model parameters. Also computer implementation of fuzzy system could be utilised for others aims. (Angielski) |
Słowa kluczowe | "modelowanie rozmyte"@pl, "prognozowanie zmienności"@pl, "zmienność"@pl, "Volatility"@en, "uczenie maszynowe"@pl, "Machine Learning"@en |
Klasyfikacja |
Typ zasobu:
praca dyplomowa Dyscyplina naukowa: dziedzina nauk technicznych / automatyka i robotyka (2011) Grupa docelowa: naukowcy, studenci, przedsiębiorcy Szkodliwe treści: Nie |
Charakterystyka |
Miejsce powstania: Warszawa
Czas powstania: 2001 Liczba stron: 200 Promotor: Tadeusz Jerzy Trzaskalik Język zasobu: Polski Lokalizacja: Warszawa |
Licencja | CC BY-SA 4.0 |
Informacje techniczne |
Deponujący: Anna Wasilewska Data udostępnienia: 15-10-2018 |
Kolekcje | Kolekcja Instytutu Badań Systemowych PAN w Warszawie, Kolekcja e-Biblio IBS PAN |
Podobne zasoby
Splunk - konfiguracja, rozpoznawanie i wizualizacja informacji o incydentach i zagrożeniach
Arkadiusz Kotynia, Julia Jancelewicz, Urszula Warmińska, inny dokument, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (2018)
Metody znakowania morfosyntaktycznego i automatycznej płytkiej analizy składniowej języka polskiego
Adam Radziszewski, praca dyplomowa, Politechnika Wrocławska, dziedzina nauk technicznych / informatyka (2011)
Uczenie maszynowe na podstawie przykładów w przypadku błędów w danych
Grażyna Szkatuła, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / informatyka (2011)
Korpus nagrań próbek mowy do celów budowy modeli akustycznych dla automatycznego rozpoznawania mowy w języku polskim, cz. 8
Teresa Sas, zbiór, baza danych, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)
Korpus nagrań próbek mowy do celów budowy modeli akustycznych dla automatycznego rozpoznawania mowy w języku polskim, cz. 5
Teresa Sas, zbiór, baza danych, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)
Usługa dokonująca analizy sentymentu
Stanisław Markowski, kod źródłowy, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)