Volatilitásmodellek összehasonlítása
dc.contributor.advisor | Aradi, Bernadett | |
dc.contributor.author | Nagy, Daniella | |
dc.contributor.department | DE--Természettudományi és Technológiai Kar--Matematikai Intézet | hu_HU |
dc.date.accessioned | 2020-05-04T07:26:34Z | |
dc.date.available | 2020-05-04T07:26:34Z | |
dc.date.created | 2020-05 | |
dc.description.abstract | Diplomamunkám első részében a volatilitás fogalmát ismertetem, valamint annak néhány becslését: historikus becslés, visszaszámított becslés. Majd néhány stilizált tényt mutatunk be. Ezeket a tényeket a jó volatilitás modelleknek meg kell ragadniuk. Ezek után néhány volatilitás modellt mutatunk be, amik képesek a volatilitást előrejelezni, mint például a GARCH, APARCH, TGARCH, Taylor és Schwert féle volatilitás modell, GJRGARCH, EGARCH, NA-GARCH, NGARCH. Mindegyik modell esetén tárgyaljuk azt is, hogy a stilizált tények közül melyeket tudják megragadni. Diplomamunkám második nagy részében a Netflix részvényárfolyamatából számított loghozamokra illesztjük a fenti volatilitás modelleket különböző paraméterekkel. Ehhez hasonlóan a volatilitás modelleket több veszteségfüggvény szerint hasonlítjuk össze, később ezek közül kettő alapján hozunk döntést. Ezeket összevetve kiválasztjuk a legjobban illeszkedő modellt, amelyen keresztül bemutatjuk, hogy a tekintett árfolyamat valóban teljesíti a stilizált tényeket. | hu_HU |
dc.description.corrector | gj | |
dc.description.course | Alkalmazott matematikus | hu_HU |
dc.description.degree | MSc/MA | hu_HU |
dc.format.extent | 35 | hu_HU |
dc.identifier.uri | http://hdl.handle.net/2437/285446 | |
dc.language.iso | hu | hu_HU |
dc.subject | Volatilitás | hu_HU |
dc.subject | GARCH | hu_HU |
dc.subject | APARCH | hu_HU |
dc.subject | TS-GARCH | hu_HU |
dc.subject | TGARCH | hu_HU |
dc.subject | GJR-GARCH | hu_HU |
dc.subject | NGARCH | hu_HU |
dc.subject | EGARCH | hu_HU |
dc.subject | NAGARCH | hu_HU |
dc.subject.dspace | DEENK Témalista::Matematika | hu_HU |
dc.title | Volatilitásmodellek összehasonlítása | hu_HU |