<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Faktorji z vplivom na pričakovane donose evropskih bank</dc:title><dc:creator>Sečnik,	Taja	(Avtor)
	</dc:creator><dc:creator>Košir,	Tomaž	(Mentor)
	</dc:creator><dc:subject>bančni donosi</dc:subject><dc:subject>sistemsko tveganje</dc:subject><dc:subject>Bayesov pristop k izbiri modela</dc:subject><dc:subject>podatki bančnega nadzora</dc:subject><dc:description>Delo se ukvarja z razlago gibanja cen delnic evropskih bank med letoma 2000 in 2018 z uporabo različnih modelov, podatkov in orodij. Na začetku se posvetimo analizi nekaterih najpomembnejših modelov, ki se uporabljajo za razlago donosov finančnih instrumentov.  Modele razširimo z dodatnimi faktorji, za katere domnevamo, da imajo vpliv na gibanje cen bančnih delnic in ki so v večini povezani z obrestnimi merami. S primerjavo statističnih kriterijev ugotovimo, kateri faktorji in modeli se obnesejo bolje na danem vzorcu bank. Pri tem naredimo tudi primerjavo med velikimi in manjšimi bankami, med ameriškimi in evropskimi trgi ter med posameznimi evropskimi državami, kjer opazimo pomembne razlike med danimi vzorci bank. Predvsem opazimo razlike med bolj in manj razvitimi delniškimi trgi, saj  imajo modeli večjo pojasnjevalno moč na bolj razvitih trgih, pomembnejši pa so faktorji, ki odražajo splošno stanje trga, med tem ko so na manj razvitih trgih pomembnejši faktorji v povezavi z obrestnimi merami. Podobno velja za razliko med velikimi in manjšimi bankami, saj se kot za bolj razvite trge tudi za velike banke kot pomembnejši izkažejo tržni faktorji, za manjše pa imajo modeli slabšo pojasnjevalno moč, h kateri pa močneje prispevajo faktorji v povezavi z obrestnimi merami. 

V nadaljevanju s pomočjo Bayesovega pristopa k izbiri modela med množico vseh faktorjev določimo najboljši model za posamezno skupino bank. Enak pristop uporabimo tudi na množici podatkov, ki so na voljo s strani bančnega nadzora v Evropi in jih letno objavlja Evropski bančni organ. S pomočjo te metode določimo množico podatkovnih točk s poudarkom na geografskih izpostavljenostih, ki bi lahko vplivale na gibanje cen delnic bank v vzorcu.</dc:description><dc:date>2019</dc:date><dc:date>2019-06-20 07:45:29</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>108173</dc:identifier><dc:identifier>UDK: 519.2</dc:identifier><dc:identifier>VisID: 96049</dc:identifier><dc:identifier>COBISS_ID: 18660697</dc:identifier><dc:language>sl</dc:language></metadata>
