Podrobno

Modeliranje tržnega tveganja v kontekstu nelinearnih in večdimenzionalnih odvisnosti z modelom GMMN-GARCH : magistrsko delo
ID Pozne, Jaša (Avtor), ID Košir, Tomaž (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (1,95 MB)
MD5: DC90014706294ED41349730DD628B2DB

Izvleček
S spremembami finančne regulative se je povečala potreba po naprednih metodah ocenjevanja tveganj. V delu je predstavljen model GMMN-GARCH, ki združuje GARCH za modeliranje volatilnosti časovnih vrst ter GMMN za zajemanje kompleksnih odvisnosti med spremenljivkami. Za zmanjšanje dimenzionalnosti podatkov in izboljšanje računske učinkovitosti je bila uporabljena metoda glavnih komponent (PCA). Model se je izkazal za robustnega in fleksibilnega, saj natančno zajema porazdelitev logaritmiranih donosov in omogoča prilagajanje trenutnim tržnim razmeram. Rezultat je učinkovit in zanesljiv pristop za ocenjevanje tveganj, primeren za uporabo v sodobnih finančnih okoljih.

Jezik:Slovenski jezik
Ključne besede:GARCH, metoda glavnih komponent (PCA), generativna omrežja za ujemanje momentov (GMMN), maksimalno neskladje med prvimi momenti (MMD), tržno tveganje, nelinearne večdimenzionalne odvisnosti.
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FMF - Fakulteta za matematiko in fiziko
Leto izida:2025
PID:20.500.12556/RUL-176656 Povezava se odpre v novem oknu
COBISS.SI-ID:260124419 Povezava se odpre v novem oknu
Datum objave v RUL:07.12.2025
Število ogledov:31
Število prenosov:6
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Modelling market risk in the context of nonlinear and multidimensional dependencies using the GMMN-GARCH model
Izvleček:
Evolving financial regulations have increased the demand for advanced risk assessment methods. This study presents a GMMN-GARCH model, combining GARCH for volatility modelling in time series with GMMN to capture complex interdependencies among variables. Principal component analysis (PCA) was used to reduce data dimensionality and improve computational efficiency. The model demonstrated robustness and flexibility, accurately reflecting the distribution of log-returns while adapting to current market conditions. Overall, it provides an effective and reliable approach for risk assessment in contemporary financial environments.

Ključne besede:GARCH, principal component analysis (PCA), generative moment matching networks (GMMN), maximum mean discrepancy (MMD), market risk, nonlinear multivariate dependencies.

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj