Информация о работе
Подробнее о работе
ВКР Управление рыночным риском портфеля ценных бумаг при помощи машинного обучения
- 57 страниц
- 2021 год
- 3 просмотра
- 0 покупок
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
