Μονάδα:
Κατεύθυνση Χρηματοοικονομική Ανάλυση και ΠολιτικήΒιβλιοθήκη Τμήματος Οικονομικών Επιστημών και Τμήματος Διοίκησης Επιχειρήσεων και Οργανισμών
Ημερομηνία κατάθεσης:
2022-02-28
Συγγραφέας:
ΦΑΡΙΝΗΣ ΓΕΩΡΓΙΟΣ
Στοιχεία επιβλεπόντων καθηγητών:
Georgios Dotsis, Associate Professor in Finance, Department of Economics, National and Kapodistrian University of Athens
Πρωτότυπος Τίτλος:
Implied Volatility Sign Prediction Using Machine Learning
Γλώσσες εργασίας:
Αγγλικά
Ελληνικά
Μεταφρασμένος τίτλος:
Πρόβλεψη Προσήμου Τεκμαρτής Μεταβλητότητας με τη Χρήση Μηχανικής Μάθησης
Περίληψη:
Αυτή η διατριβή χρησιμοποιεί αλγόριθμους μηχανικής μάθησης προκειμένου να προβλέψει το μελλοντικό πρόσημο της τεκμαρτής μεταβλητότητας της αγοράς. Πιο συγκεκριμένα, χρησιμοποιείται ένα σύνολο δεδομένων 16 μακροοικονομικών και χρηματοοικονομικών δεικτών για την πρόβλεψη του πρόσημου του επόμενου μήνα των VIX, VXO, VXN, VDAX και V2TX. Έτσι για το πρόβλημα αυτό, χρησιμοποιούνται και αξιολογούνται ορισμένα μοντέλα ταξινόμησης, προκειμένου να βρεθεί το μοντέλο με την καλύτερη απόδοση σε κάθε δείκτη. Το συμπέρασμα της μελέτης είναι ότι επιλέγοντας και αναπτύσσοντας έναν αριθμό δεικτών και τροποποιώντας κατάλληλα αυτούς τους δείκτες για να βοηθήσουν την απόδοση των μοντέλων, το πρόσημο της τεκμαρτής μεταβλητότητας μπορεί να προβλεφθεί χρησιμοποιώντας μοντέλα μηχανικής μάθησης.
Κύρια θεματική κατηγορία:
Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες
Λέξεις-κλειδιά:
Τεκμαρτή Μεταβλητότητα, Μηχανική Μάθηση, Πρόβλεψη, Μοντέλα Ταξινόμησης
Αρ. σελίδων ευρετηρίου:
0
Αρ. βιβλιογραφικών αναφορών:
13
