Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/13633
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Екимов Александр Валерьевич | ru_RU |
dc.contributor.author | Каплун Игорь Борисович | ru_RU |
dc.contributor.author | Kaplun Igor | en_GB |
dc.contributor.editor | Балыкина Юлия Ефимовна | ru_RU |
dc.contributor.editor | Balykina Iuliia Efimovnа | en_GB |
dc.date.accessioned | 2018-07-26T15:26:29Z | - |
dc.date.available | 2018-07-26T15:26:29Z | - |
dc.date.issued | 2018 | |
dc.identifier.other | 040247 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/13633 | - |
dc.description.abstract | В настоящей работе была рассмотрена задача портфельной оптимизации, описаны и реализованы методы, позволяющие улучшить классические подходы к ее решению: авторегрессионные модели, скрытые марковские модели и нейронные сети. Были использованы несколько типов каждого из указанных методов, выбраны лучшие из них, и произведена оценка качества их работы согласно введенным метрикам. Результаты работы методов были использованы в реализации торговой стратегии, и произведено сравнение с ее реализацией без применения перечисленных методов. Таким образом, в данной работе продемонстрирована возможность увеличения точности работы классической модели портфельной оптимизации при помощи современных методов анализа данных. | ru_RU |
dc.description.abstract | In this paper the problem of portfolio optimization was studied. Methods which aim to improve classical approaches of its solution are described and realized: autoregression models, hidden Markov models and neural networks. Several types of each of the specified methods were used and the best of them were selected; quality of their operations according to the introduced metrics was assessed. Results of work of the aforementioned methods were used in implementation of a trade strategy, and comparison with its implementation without application of the listed methods was held. Thus, in this paper the ability to increase the accuracy of operation of classical portfolio allocation model by the means of modern data scientific methods is shown. | en_GB |
dc.language.iso | ru | |
dc.subject | Риск менеджмент | ru_RU |
dc.subject | портфельная оптимизация | ru_RU |
dc.subject | временные ряды | ru_RU |
dc.subject | авторегрессионные модели | ru_RU |
dc.subject | скрытые марковские модели | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | Risk management | en_GB |
dc.subject | portfolio optimization | en_GB |
dc.subject | time series | en_GB |
dc.subject | autoregressive models | en_GB |
dc.subject | hidden markov models | en_GB |
dc.subject | neural networks | en_GB |
dc.title | Modern methods of data analysis in investment risk management | en_GB |
dc.title.alternative | Современные методы анализа данных в инвестиционном риск менеджменте | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Diploma.pdf | Article | 1,7 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Kaplun.pdf | ReviewRev | 180,16 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st007788_Balykina_YUliya_Efimovna_(supervisor)(Ru).txt | ReviewSV | 3,89 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.