Show simple item record

Rekurentní odhady finančních časových řad
dc.contributor.advisorCipra, Tomáš
dc.creatorVejmělka, Petr
dc.date.accessioned2021-05-20T11:42:06Z
dc.date.available2021-05-20T11:42:06Z
dc.date.issued2020
dc.identifier.urihttp://hdl.handle.net/20.500.11956/116955
dc.description.abstractCílem práce je popsat metodu rekurentního odhadu časových řad s podmíně- nou volatilitou, užívaných zejména ve financích. Nejprve jsou popsány základní typy modelů s podmíněnou heteroskedasticitou (GARCH) a principy stavového modelování demonstrované pomocí lineárních modelů AR a ARMA. Následně jsou odvozeny algoritmy pro rekurentní odhad parametrů GARCH modelu a včetně jeho modifikací, pro které rekurentní odhadové vzorce nebyly v literatuře dosud odvozeny. Tyto algoritmy jsou otestovány v rámci simulační studie, kde je zkoumána jejich použitelnost v praxi. Na závěr tyto algoritmy aplikujeme na reálná vysokofrekvenční data z burzy. Praktická část je provedena pomocí soft- waru Mathematica 11.3. Práce zároveň slouží jako přehled o současném stavu on-line modelování finančních časových řad. 1cs_CZ
dc.description.abstractThis work aims to describe the method of recursive estimation of time series with conditional volatility, used mainly in finance. First, there are described the basic types of models with conditional heteroskedasticity (GARCH) and princi- ples of state-space modeling demonstrated by means of linear models AR and ARMA. Subsequently, there are derived algorithms for recursive estimation of parameters of the GARCH model and its possible modifications including the ones for which recursive estimation formulas have not been yet derived in lit- erature. These algorithms are tested in a simulation study, where their appli- cability in practice is investigated. Finally, we apply these algorithms to real high-frequency data from the stock exchange. The practical part is done us- ing the software Mathematica 11.3. The work also serves as an overview of the current state of online modeling of financial time series. 1en_US
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectfinancial time seriesen_US
dc.subjectGARCHen_US
dc.subjectrecursive estimateen_US
dc.subjectfinanční časová řadacs_CZ
dc.subjectGARCHcs_CZ
dc.subjectrekurentní odhadcs_CZ
dc.titleRecursive estimates of financial time seriesen_US
dc.typerigorózní prácecs_CZ
dcterms.created2020
dcterms.dateAccepted2020-02-17
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId219579
dc.title.translatedRekurentní odhady finančních časových řadcs_CZ
dc.identifier.aleph002313704
thesis.degree.nameRNDr.
thesis.degree.levelrigorózní řízenícs_CZ
thesis.degree.disciplineFinancial and insurance mathematicsen_US
thesis.degree.disciplineFinanční a pojistná matematikacs_CZ
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.thesis.typerigorózní prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csFinanční a pojistná matematikacs_CZ
uk.degree-discipline.enFinancial and insurance mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csUznánocs_CZ
thesis.grade.enRecognizeden_US
uk.abstract.csCílem práce je popsat metodu rekurentního odhadu časových řad s podmíně- nou volatilitou, užívaných zejména ve financích. Nejprve jsou popsány základní typy modelů s podmíněnou heteroskedasticitou (GARCH) a principy stavového modelování demonstrované pomocí lineárních modelů AR a ARMA. Následně jsou odvozeny algoritmy pro rekurentní odhad parametrů GARCH modelu a včetně jeho modifikací, pro které rekurentní odhadové vzorce nebyly v literatuře dosud odvozeny. Tyto algoritmy jsou otestovány v rámci simulační studie, kde je zkoumána jejich použitelnost v praxi. Na závěr tyto algoritmy aplikujeme na reálná vysokofrekvenční data z burzy. Praktická část je provedena pomocí soft- waru Mathematica 11.3. Práce zároveň slouží jako přehled o současném stavu on-line modelování finančních časových řad. 1cs_CZ
uk.abstract.enThis work aims to describe the method of recursive estimation of time series with conditional volatility, used mainly in finance. First, there are described the basic types of models with conditional heteroskedasticity (GARCH) and princi- ples of state-space modeling demonstrated by means of linear models AR and ARMA. Subsequently, there are derived algorithms for recursive estimation of parameters of the GARCH model and its possible modifications including the ones for which recursive estimation formulas have not been yet derived in lit- erature. These algorithms are tested in a simulation study, where their appli- cability in practice is investigated. Finally, we apply these algorithms to real high-frequency data from the stock exchange. The practical part is done us- ing the software Mathematica 11.3. The work also serves as an overview of the current state of online modeling of financial time series. 1en_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ
thesis.grade.codeU
uk.publication-placePrahacs_CZ
uk.thesis.defenceStatusU


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV