Моделювання часових рядів фінансових даних: рентабельність активів
DOI:
https://doi.org/10.15587/2312-8372.2019.183868Ключові слова:
фінансові часові ряди, рентабельність активів, математичне моделювання фондових індексівАнотація
Робота присвячена дослідженню окремих аспектів часових рядів фінансових даних, зокрема моделюванню їх рентабельності. Об'єктом дослідження є система показників аналізу рентабельності фінансових часових рядів. Існує ключова особливість, яка відрізняє аналіз фінансових часових рядів від аналізу інших часових рядів, яка полягає в тому, що фінансова теорія та її емпіричні часові ряди містять елемент невизначеності. В результаті наявності цієї додаткової невизначеності статистична теорія та її методи і моделі відіграють важливу роль у аналізі фінансових часових рядів.
Одним з найбільш проблемних місць є використання цін активів та їх волатильності у аналізі та прогнозуванні фінансових часових рядів, що є хибним, оскільки такі ряди містять елемент невизначеності. Тому в задачах такого типу повинна використовуватись так звана рентабельність фінансових активів та інструментів.
В роботі детально розглянуто типи рентабельності фінансових активів, які можуть бути використанні у математичному моделюванні та прогнозуванні фондових індексів. В ході дослідження використовувалися статистичні методи, що дозволили усунути недоліки використання цін фінансових активів в аналізі та прогнозуванні фінансових часових рядів. Розглянуто емпіричні властивості фінансових часових рядів на прикладі індексів ПФТС (Першої фондової торгової системи) та S&P 500.
Отримано комплексну систему показників аналізу часових рядів фінансових активів. Запропонована система передбачає використання численних методів розрахунку рентабельності (прибутковості) активів з метою визначення значимих статистичних характеристик даних. Завдяки побудованій системі показників забезпечується можливість здійснення емпіричного прогнозування часових рядів фінансових даних. У порівнянні із аналогічними відомими методами використання цін (а не рентабельності) на активи, це забезпечує ключову перевагу, яка дозволяє враховувати елементи невизначеності фінансово-економічних даних.
Посилання
- Lin, C.-S., Chiu, S.-H., Lin, T.-Y. (2012). Empirical mode decomposition–based least squares support vector regression for foreign exchange rate forecasting. Economic Modelling, 29 (6), 2583–2590. doi: http://doi.org/10.1016/j.econmod.2012.07.018
- Yoo, P. D., Kim, M. H., Jan, T. (2005). Machine learning techniques and use of event information for stock market prediction: A survey and evaluation. Computational intelligence for modelling, control and automation and international conference on intelligent agents, web technologies and internet commerce, 835–841. doi: http://doi.org/10.1109/cimca.2005.1631572
- Tay, F. E., Cao, L. (2001). Application of support vector machines in financial time series forecasting. Omega, 29 (4), 309–317. doi: http://doi.org/10.1016/s0305-0483(01)00026-3
- Giacomini, R., Gottschling, A., Haefke, C., White, H. (2008). Mixtures of t-distributions for finance and forecasting. Journal of Econometrics, 144 (1), 175–192. doi: http://doi.org/10.1016/j.jeconom.2008.01.004
- Campbell, J. Y., Lo, A. W., MacKinlay, A. C. (1997). The Econometrics of Financial Markets. Princeton: Princeton University Press. doi: http://doi.org/10.1515/9781400830213
- Kamaruzzaman, Z. A., Zaidi, I., Mohd Tahir, I. (2012). Mixtures of Normal Distributions: Application to Bursa Malaysia Stock Market Indices. World Applied Sciences Journal, 16, 781–790.
- Tsay, R. S. (2010). Analysis of Financial Time Series. Wiley. doi: http://doi.org/10.1002/9780470644560
- Murphy, J. J. (1999). Technical analysis of the financial markets. New York: New York Institute of Finance, 542.
- Lam, M. (2004). Neural network techniques for financial performance prediction: integrating fundamental and technical analysis. Decision Support Systems, 37 (4), 567–581. doi: http://doi.org/10.1016/s0167-9236(03)00088-5
- Vanstone, B., Finnie, G. (2010). Enhancing stockmarket trading performance with ANNs. Expert Systems with Applications, 37 (9), 6602–6610. doi: http://doi.org/10.1016/j.eswa.2010.02.124
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2019 Mykola Kushnir, Kateryna Tokarieva
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.