Автор24

Информация о работе

Подробнее о работе

Страница работы

ВКР Управление рыночным риском портфеля ценных бумаг при помощи машинного обучения

  • 57 страниц
  • 2021 год
  • 3 просмотра
  • 0 покупок
Автор работы

user5741222

2000 ₽

Работа будет доступна в твоём личном кабинете после покупки

Гарантия сервиса Автор24

Уникальность не ниже 50%

Фрагменты работ

В настоящее время на мировом финансовом рынке представлено большое
количество инструментов, доступных для широкого ряда инвесторов, из которых
участники рынка составляют инвестиционные портфели.
В последние несколько лет наблюдаются значительные колебания цен
разнообразных активов. Падение и рост стоимости акций компаний, изменения
основных биржевых индексов, процентных ставок и курсов валют.
Рост волатильности оказывает существенное влияние на работу финансовых
институтов. В этих условиях их требования к управлению финансовым риском
постоянно возрастает. В связи с этим растет и актуальность методов и моделей
управления риском.
Модели с использованием машинного обучения становятся наиболее
популярными в связи с развитием вычислительных технологий. Искусственные
нейронные сети позволяют производить эффективные вычисления на больших
объемах данных. Нейронные сети позволяют кардинально уменьшить время
вычислений в сравнении с консервативными финансовыми методам, поэтому
разработка нейросетевых моделей в финансах является крайне актуальной задачей.
Цель данной работы заключается в исследовании возможности применения
нейронных сетей для решения задачи управления риском портфеля ценных бумаг с
помощью дельта хеджирования опционами.
Задачи:
• Теоретический обзор определения цены опционов и коэффициента
хеджирования.
• Создание нейронной сети определенной архитектуры, метода ее
обучения и тестирования.
• Реализация модели машинного обучения для определения
коэффициента хеджирования с использованием языка
программирования Python 3.


• Проведение вычислительного эксперимента для базового портфеля
ценных бумаг, визуализация результатов и оценка проведенных
исследований.
Введение предоставляет информацию о целях и задачах работы, а также
сообщает о ее актуальности.
Два первых раздела содержат теоретическую информацию о выполнении
работы. Первый раздел сообщает теоретические основы опционов, их
ценообразования и определения дельта коэффициента.
Третий раздел включает в себя описание инструментальной части,
используемой при проведении исследования.
Четвертый раздел является описанием практической части работы. В нем
описана разрабатываемая модель, показана ее реализация. Также в этом разделе
представлены полученные оценки работы модели и собраны их визуализации.
В заключении описаны результаты данной работы.

ВВЕДЕНИЕ ....................................................................................................................... 4
1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ ..................................................................................... 6
1.1. Опционы ............................................................................................................. 6
1.2. Модель Блэка-Шоулза ....................................................................................... 7
1.3. Греческие символы опционов и дельта хеджирование .................................. 9
2. МАШИННОЕ ОБУЧЕНИЕ В ФИНАНСАХ ........................................................ 11
2.1. Нейронные сети ................................................................................................ 11
2.2. Инструментальные средства ........................................................................... 25
3. ПРАКТИЧЕСКАЯ ЧАСТЬ ..................................................................................... 32
3.1. Подготовка данных .......................................................................................... 32
3.2. Разработка и обучение модели ....................................................................... 34
3.3. Результаты работы модели.............................................................................. 36
ЗАКЛЮЧЕНИЕ ............................................................................................................... 44
СПИСОК ИСТОЧНИКОВ ............................................................................................. 45
ПРИЛОЖЕНИЯ .............................................................................................................. 47

Оригинальность по АП.Вуз на 26 февраля 2023 года более 70%.
В данной работе рассмотрен вопрос управления рыночным риском портфеля
ценных бумаг при помощи машинного обучения. В работе исследуется задача
ценообразования и определения дельта коэффициента опционов. Для решения этой
задачи разработана модель с использованием нейронной сети.
Для реализации нейросетевой модели была написана программа на языке
программирования Python с использованием фреймворка TensorFlow. В работе
представлен вычислительный эксперимент для портфеля ценных бумаг состоящий
из одного базового актива и дается оценка качества построенной модели

СПИСОК ИСТОЧНИКОВ
[1] Hull John . Options futures and other derivatives. Pearson Education India, 2003.
[2] Black, Fischer; Myron Scholes. The Pricing of Options and Corporate Liabilities
// Journal of Political Economy: журнал. – 1973. – Вып. 81, № 3. – С. 637– 654. –
doi:10.1086/260062.
[3] Haug Espen Gaarder. The complete guide to option pricing formulas. McGraw-
Hill Companies – 2007.
[4] С. Шорохов, Управление портфелями финансовых активов. – М.: РУДН,
2013.
[5] McCulloch Warren, Pitts Walter. A logical calculus of the ideas immanent in
nervous activity // The bulletin of mathematical biophysics: журнал. – 1973. Вып. 5, №
3. – С. 115–133.
[6] Hebb Donald. The organization of behavior: a neuropsychological theory. J.
Wiley; Chapman & Hall, 1949.
[7] Rosenblatt Frank. The perceptron: a probabilistic model for information storage
and organization in the brain // Psychological review: журнал. – 1958. – Вып. 65, № 6. –
С. 386.
[8] Ivakhnenko. Heuristic self-organization in problems of engineering cybernetics
// Automatica: журнал. – 1970. – Вып. 6, №2. – С. 207–219.
[9] Hahnloser Richard. Digital selection and analogue amplification coexist in a
cortex-inspired silicon circuit // Nature: журнал. – 2000. – Вып. 405, №6789. – С. 947–
951.
[10] Rumelhart David, Hinton Geoffrey, Williams Ronald. Learning repre-
sentations by back-propagating errors // Nature: – журнал. – 1986. – Вып. 323, №6088. –
С. 533–536.
[11] Kingma Diederick. Adam: A Method for Stochastic Optimization.
arXiv:1412.6980, 2014.
[12] “Python3 Documentation” [Электронный ресурс]: Режим доступа
https://docs.python.org/3/ (Дата обращения 10.05.2022).
[13] “NumPy Documentation” [Электронный ресурс]: Режим доступа
https://numpy.org/doc/stable/ (Дата обращения 11.05.2022).
[14] “Pandas documentation” [Электронный ресурс]: Режим доступа
https://pandas.pydata.org/docs/ (Дата обращения 11.05.2022)
[15] Cade Metz. “Google Just Open Sourced TensorFlow, Its Artificial Intelligence
Engine” [Электронный ресурс]: Режим доступа https://www.wired.com/2015/11/
google-open-sources-its-artificial-intelligence-engine/ (Дата обращения 12.05.2022)

Форма заказа новой работы

Не подошла эта работа?

Закажи новую работу, сделанную по твоим требованиям

Оставляя свои контактные данные и нажимая «Заказать Выпускную квалификационную работу», я соглашаюсь пройти процедуру регистрации на Платформе, принимаю условия Пользовательского соглашения и Политики конфиденциальности в целях заключения соглашения.

Фрагменты работ

В настоящее время на мировом финансовом рынке представлено большое
количество инструментов, доступных для широкого ряда инвесторов, из которых
участники рынка составляют инвестиционные портфели.
В последние несколько лет наблюдаются значительные колебания цен
разнообразных активов. Падение и рост стоимости акций компаний, изменения
основных биржевых индексов, процентных ставок и курсов валют.
Рост волатильности оказывает существенное влияние на работу финансовых
институтов. В этих условиях их требования к управлению финансовым риском
постоянно возрастает. В связи с этим растет и актуальность методов и моделей
управления риском.
Модели с использованием машинного обучения становятся наиболее
популярными в связи с развитием вычислительных технологий. Искусственные
нейронные сети позволяют производить эффективные вычисления на больших
объемах данных. Нейронные сети позволяют кардинально уменьшить время
вычислений в сравнении с консервативными финансовыми методам, поэтому
разработка нейросетевых моделей в финансах является крайне актуальной задачей.
Цель данной работы заключается в исследовании возможности применения
нейронных сетей для решения задачи управления риском портфеля ценных бумаг с
помощью дельта хеджирования опционами.
Задачи:
• Теоретический обзор определения цены опционов и коэффициента
хеджирования.
• Создание нейронной сети определенной архитектуры, метода ее
обучения и тестирования.
• Реализация модели машинного обучения для определения
коэффициента хеджирования с использованием языка
программирования Python 3.


• Проведение вычислительного эксперимента для базового портфеля
ценных бумаг, визуализация результатов и оценка проведенных
исследований.
Введение предоставляет информацию о целях и задачах работы, а также
сообщает о ее актуальности.
Два первых раздела содержат теоретическую информацию о выполнении
работы. Первый раздел сообщает теоретические основы опционов, их
ценообразования и определения дельта коэффициента.
Третий раздел включает в себя описание инструментальной части,
используемой при проведении исследования.
Четвертый раздел является описанием практической части работы. В нем
описана разрабатываемая модель, показана ее реализация. Также в этом разделе
представлены полученные оценки работы модели и собраны их визуализации.
В заключении описаны результаты данной работы.

ВВЕДЕНИЕ ....................................................................................................................... 4
1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ ..................................................................................... 6
1.1. Опционы ............................................................................................................. 6
1.2. Модель Блэка-Шоулза ....................................................................................... 7
1.3. Греческие символы опционов и дельта хеджирование .................................. 9
2. МАШИННОЕ ОБУЧЕНИЕ В ФИНАНСАХ ........................................................ 11
2.1. Нейронные сети ................................................................................................ 11
2.2. Инструментальные средства ........................................................................... 25
3. ПРАКТИЧЕСКАЯ ЧАСТЬ ..................................................................................... 32
3.1. Подготовка данных .......................................................................................... 32
3.2. Разработка и обучение модели ....................................................................... 34
3.3. Результаты работы модели.............................................................................. 36
ЗАКЛЮЧЕНИЕ ............................................................................................................... 44
СПИСОК ИСТОЧНИКОВ ............................................................................................. 45
ПРИЛОЖЕНИЯ .............................................................................................................. 47

Оригинальность по АП.Вуз на 26 февраля 2023 года более 70%.
В данной работе рассмотрен вопрос управления рыночным риском портфеля
ценных бумаг при помощи машинного обучения. В работе исследуется задача
ценообразования и определения дельта коэффициента опционов. Для решения этой
задачи разработана модель с использованием нейронной сети.
Для реализации нейросетевой модели была написана программа на языке
программирования Python с использованием фреймворка TensorFlow. В работе
представлен вычислительный эксперимент для портфеля ценных бумаг состоящий
из одного базового актива и дается оценка качества построенной модели

СПИСОК ИСТОЧНИКОВ
[1] Hull John . Options futures and other derivatives. Pearson Education India, 2003.
[2] Black, Fischer; Myron Scholes. The Pricing of Options and Corporate Liabilities
// Journal of Political Economy: журнал. – 1973. – Вып. 81, № 3. – С. 637– 654. –
doi:10.1086/260062.
[3] Haug Espen Gaarder. The complete guide to option pricing formulas. McGraw-
Hill Companies – 2007.
[4] С. Шорохов, Управление портфелями финансовых активов. – М.: РУДН,
2013.
[5] McCulloch Warren, Pitts Walter. A logical calculus of the ideas immanent in
nervous activity // The bulletin of mathematical biophysics: журнал. – 1973. Вып. 5, №
3. – С. 115–133.
[6] Hebb Donald. The organization of behavior: a neuropsychological theory. J.
Wiley; Chapman & Hall, 1949.
[7] Rosenblatt Frank. The perceptron: a probabilistic model for information storage
and organization in the brain // Psychological review: журнал. – 1958. – Вып. 65, № 6. –
С. 386.
[8] Ivakhnenko. Heuristic self-organization in problems of engineering cybernetics
// Automatica: журнал. – 1970. – Вып. 6, №2. – С. 207–219.
[9] Hahnloser Richard. Digital selection and analogue amplification coexist in a
cortex-inspired silicon circuit // Nature: журнал. – 2000. – Вып. 405, №6789. – С. 947–
951.
[10] Rumelhart David, Hinton Geoffrey, Williams Ronald. Learning repre-
sentations by back-propagating errors // Nature: – журнал. – 1986. – Вып. 323, №6088. –
С. 533–536.
[11] Kingma Diederick. Adam: A Method for Stochastic Optimization.
arXiv:1412.6980, 2014.
[12] “Python3 Documentation” [Электронный ресурс]: Режим доступа
https://docs.python.org/3/ (Дата обращения 10.05.2022).
[13] “NumPy Documentation” [Электронный ресурс]: Режим доступа
https://numpy.org/doc/stable/ (Дата обращения 11.05.2022).
[14] “Pandas documentation” [Электронный ресурс]: Режим доступа
https://pandas.pydata.org/docs/ (Дата обращения 11.05.2022)
[15] Cade Metz. “Google Just Open Sourced TensorFlow, Its Artificial Intelligence
Engine” [Электронный ресурс]: Режим доступа https://www.wired.com/2015/11/
google-open-sources-its-artificial-intelligence-engine/ (Дата обращения 12.05.2022)

Купить эту работу

ВКР Управление рыночным риском портфеля ценных бумаг при помощи машинного обучения

2000 ₽

или заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 3000 ₽

Гарантии Автор24

Изображения работ

Страница работы
Страница работы
Страница работы

Понравилась эта работа?

или

27 февраля 2023 заказчик разместил работу

Выбранный эксперт:

Автор работы
user5741222
4
Купить эту работу vs Заказать новую
0 раз Куплено Выполняется индивидуально
Не менее 40%
Исполнитель, загружая работу в «Банк готовых работ» подтверждает, что уровень оригинальности работы составляет не менее 40%
Уникальность Выполняется индивидуально
Сразу в личном кабинете Доступность Срок 1—6 дней
2000 ₽ Цена от 3000 ₽

5 Похожих работ

Выпускная квалификационная работа

Операционные системы и платформы

Уникальность: от 40%
Доступность: сразу
3000 ₽
Выпускная квалификационная работа

Автоматизированная система для заказа медицинского оборудования

Уникальность: от 40%
Доступность: сразу
6000 ₽
Выпускная квалификационная работа

Автоматизация документооборота организации ООО ЧОП "Сайга"

Уникальность: от 40%
Доступность: сразу
990 ₽
Выпускная квалификационная работа

Пименение электронных образовательных ресурсов в обучении ВКР

Уникальность: от 40%
Доступность: сразу
2000 ₽
Выпускная квалификационная работа

АВТОМАТИЗИРОВАННОЕ РАБОЧЕЕ МЕСТО МЕНЕДЖЕРА

Уникальность: от 40%
Доступность: сразу
5000 ₽

другие учебные работы по предмету

Готовая работа

Веб-сервис для компании по производству и продаже фотополимерных 3D принтеров

Уникальность: от 40%
Доступность: сразу
1400 ₽
Готовая работа

вкр Модели блокировки прямой видимости в миллиметровом и терагерцовом диапазонах частот между самолетами и наземной базовой станцией

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

ВКР Применение технологий машинного обучения для решения обратной задачи финансов

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

ВКР Генерация музыки по заданному контексту

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

ВКР Реализация основных функций высокоуровневого языка программирования с дальнейшим преобразованием их в язык Lua

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

Возможности дистанционного обучения на уроках информатики в общеобразовательной школе

Уникальность: от 40%
Доступность: сразу
1000 ₽
Готовая работа

«Оптимизация планирования доставки грузов на основе алгоритма k-means»

Уникальность: от 40%
Доступность: сразу
800 ₽
Готовая работа

Технологии защиты информационных систем в организации

Уникальность: от 40%
Доступность: сразу
650 ₽
Готовая работа

Разработка автоматизированной информационной системы

Уникальность: от 40%
Доступность: сразу
650 ₽
Готовая работа

Технологии защиты информационных систем в организации

Уникальность: от 40%
Доступность: сразу
500 ₽
Готовая работа

Выпцскная квалификационная работа Анализ данных

Уникальность: от 40%
Доступность: сразу
2000 ₽
Готовая работа

ВКР Разработка системы по управлению рисками информационной безопасности банка

Уникальность: от 40%
Доступность: сразу
2000 ₽