Финансово моделиране

[DutyFree]

когато паунда, беше към 1,9xxx през спектрален анализ излизаше, че трябва да струва, 1,43 и не след дълго това стана база на Иконометричното изследване беше цената на затваряне на месечна графика, за сто периода, Софтуера беше SoriTek, и тъй като е стар , за АРИМА И ГАРЧ МОДЕЛИТЕ ИЛИ ДИКИ ФУЛЪР на "EasyNN"!!

[volaswap]

Volaswap, ти прилагаш GARCH?

Имах преди един ексел шиит дето си пусках опциите дето смятам да купувам и си прилагах garch или моделът на Хестон за волатилност

[Кака Дечка]

The GARCH Family is a good Tool to manage volatility paterns as volatility oscilate and build clusters. It has been Long time i used to do that

Volaswap, ти прилагаш GARCH?

[volaswap]

The GARCH Family is a good Tool to manage volatility paterns as volatility oscilate and build clusters. It has been Long time i used to do that

[kubrat]

Не точно, отклоненията могат да се връщат обратно към средната или да се засилват и отдалечават от нея докато не намерят някакво ново равновесие. Както са разписани моделите обаче смесваш тези две склонности и получаваш едно голямо нищо.

[ravnovesie]

От няколко години не съм си играл с тези глупости, но ето ти от уики- ARCH models are commonly employed in modeling financial time series that exhibit time-varying volatility clustering, i.e. periods of swings interspersed with periods of relative calm. ARCH-type models are sometimes considered to be in the family of stochastic volatility models, although this is strictly incorrect since at time t the volatility is completely pre-determined (deterministic) given previous values.

ARMA ти описва очакваното бъдещо въздействие на рязка промяна във възвръщаемостта на актива в даден период, a ARCH прави същото, но за волатилността. Проблемът е, че всяка ситуация е специфична и подобно генерализиране не върши работа. Ако ти се занимава да типизираш различните видове информационни шокове с идеята да имаш по-достоверна картина за конкретния случай може и да свърши някаква работа, но само ако субективната ти представа за конкретната ситуация е точна.

Това дадено по подобен начин може да върши работа само за валута или за широки индекси, не и за новини за отделни акции. Реално ти трябва премахване на фундамента и силно въздействие само на шума.

[kubrat]

От няколко години не съм си играл с тези глупости, но ето ти от уики- ARCH models are commonly employed in modeling financial time series that exhibit time-varying volatility clustering, i.e. periods of swings interspersed with periods of relative calm. ARCH-type models are sometimes considered to be in the family of stochastic volatility models, although this is strictly incorrect since at time t the volatility is completely pre-determined (deterministic) given previous values.

ARMA ти описва очакваното бъдещо въздействие на рязка промяна във възвръщаемостта на актива в даден период, a ARCH прави същото, но за волатилността. Проблемът е, че всяка ситуация е специфична и подобно генерализиране не върши работа. Ако ти се занимава да типизираш различните видове информационни шокове с идеята да имаш по-достоверна картина за конкретния случай може и да свърши някаква работа, но само ако субективната ти представа за конкретната ситуация е точна.

[ravnovesie]

За тренд елементарна регресия ще свърши по-добра работа. Това на теория би трябвало да описва възприемането на нова информация- надценяването или недооценяването и в началото, както и остатачните и ефекти във времето.Ама защо тормозят нещастните студенти с тези глупости вече не ми е ясно.

На мен ми приличат на трендове. Нова информация си се отчита през промяна в резултатите и цената през фундаментален анализ. Поне ако човек иска да прави пари от новата информация

[4i40]

Горещо моля за съдействие!


.................................................. ..................модели за анализ.

Ако направиш 5 лв печалба от толкова анализи, шъ-шъ ... ги моделирам...

пп Не разбрах за какво да съдействаме....

[ceneto]

извинявам се че ще ползвам чужда тема,
но искам да попитам дали има някъде исторически данни за български компании
дето дават adjusted close (цена на затваряне с отчитане ефекта на разпределеният дивидент)

[kubrat]

За тренд елементарна регресия ще свърши по-добра работа. Това на теория би трябвало да описва възприемането на нова информация- надценяването или недооценяването и в началото, както и остатачните и ефекти във времето.Ама защо тормозят нещастните студенти с тези глупости вече не ми е ясно.

[ravnovesie]

И каква е целта на целия този труд. Някакъв подходящ тренд ли да се намери, да се прогнозира последващото движение в цените ли?

[Наивник]

[naska57]

Горещо моля за съдействие!
Анализ на данните за цена на търгувани книжа на БФБ на компания.
Анализът на първа страница в ексел включва:

• Средна цена на търгуваните акции
• Абсолютен прираст на цената на акциите
• Среден абсолютен прираст на търгуваните акции
• Базисен индекс на цената на база първият период
• Верижен индекс на изменението на цената
• Верижен индекс на изменението на цената в процент
• Абсолютен прираст на цената
• Абсолютен прираст на цената в процент
• Верижен индекс на прирастите на цената
• Верижен индекс на прирастите на цената в процент
• Верижен индекс на прирастите на цената в абсолютна стойност, въвежда се за помощна колона с цел изчисляване на средния геометричен темп на прираста на цената. Това се налага, защото средния геометричен темп на прираста на цената се изчислява само на базата на положителни величини. В изследваните данни има отрицателна стойност, която се преобразува в положителна.Верижен индекс на прирастите на цената в абсолютна стойност в процент
• Среден геометричен темп на ръста на цената за всички измервания
• Среден геометричен темп на ръста на цената за всички измервания в процент
• Среден геометричен темп на прираста на цената
• Среден геометричен темп на прираста на цената в процент
• Стандартно отклонение на цената
• Ляво стандартно отклонение на цената
• Дясно стандартно отклонение на цената
• Прогноза на основата на средния темп на ръста
• Прогноза на основата нa средния темп на прираста
• Разлика между прогнозата на основата на средния темп на ръста и прогнозата на основата на средния темп на прираста.

На втората страница на файла е приложен модел на основата на броя на изтъргуваните акции на ……………………..

Модел R max R2 ESS min
Y=ao + a1x
Y=ao + a1x + a2x2
Y=ao + a1x + a2x2 + a3x3
Y=ao + a1x + a2x2 + a3x3 + a4x4
Y=ao + a1x + a2x2 + a3x3 + a4x4 + a5x5

Както се вижда от таблицата последният модел най-добре описва данните, тъй като при него регресията е най-голяма, а грешката- най-малка. На основата на тези данни правим прогнозното уравнение.
Както се вижда от графиката този модел не е добър за описание на входящите данни.

На третата страница от файла е разгледан времевият модел на анализ на данните.

Модел R max R2 ESS min
Y=ao + a1t
Y=ao + a1t + a2t2
Y=ao + a1t + a2t2 + a3t3
Y=ao + a1t + a2t2 + a3t3 + a4t4
Y=ao + a1t + a2t2 + a3t3 + a4t4 + a5t5

Както се вижда от таблицата моделът, който най-добре описва данните е третият, тъй като при него регресията е най-голяма, а грешката- най-малка.
От графиката става ясно, че този модел се приближава до реалните данни, но ги описва непълно. Ето защо този модел не е подходящ за описване на входните данни.

На четвъртата страница е разгледан авторегресионният модел на данните.

Модел AR R max R2 ESS min
AR (1;0) Y= ao + a1yt-1
AR (2;0) Y= ao + a1yt-1 + a2yt-2
AR (3;0) Y= ao + a1yt-1 + a2yt-2 + a3yt-3

AR (3;0) е най-добрият модел за описание на данните, защото има най-голяма R max и най-малка ESS min. Както се вижда модела следва движението на основните данни и е добър за описването им.

На петата страница от файла е разгледан модела на плъзгащите се средни.

Модел MA R max R2 ESS min
MA (0;1) Y= ao + a1zt-1
MA (0;2) Y= ao + a1zt-1 + a2zt-2
MA (0;3) Y= ao + a1zt-1 + a2zt-2 + a3zt-3

Тук МА (0;3) е най-добрият модел за описание на данните ни, защото има най-голяма R max и най-ниска ESS min. Както се вижда моделът следва движението на основните данни и е добър за описването им.

На тази страница са изчислени прогнози на основата на средно-геометричния темп на прираста на цената и са изчислени средните геометрични темпове на цени на анализираните данни.

На шестата страница от файла е разгледан комбиниран модел от авторегресионния модел и модела на плъзгащите се средни.

Модел ARMA R max R2 ESS min
ARMA (1;3) Y= ao + a1yt-1 + ao + a1zt-1 + a2zt-2 + a3zt-3

Този модел има най-добри стойности и най-добре от всички разгледани до момента описва входните данни.
На тази страница са изчислени прогнози на основата на средно-геометричния темп на прираста на цената и стандартното отклонение на разглежданите данни, които дават представа между кои интервали попада прогнозираната цена.

На седмата страница от файла е разгледан моделът с верижен ръст на цената.

Модел ARCH R max R2 ESS min
Y= ao + a1∆y

Този модел не е добър за описание на данните.


Обобщение на моделите в единна таблица:

Модел R max R2 ESS min
Y=ao + a1x
Y=ao + a1x + a2x2
Y=ao + a1x + a2x2 + a3x3
Y=ao + a1x + a2x2 + a3x3 + a4x4
Y=ao + a1x + a2x2 + a3x3 + a4x4 + a5x5
Y=ao + a1t
Y=ao + a1t + a2t2
Y=ao + a1t + a2t2 + a3t3
Y=ao + a1t + a2t2 + a3t3 + a4t4
Y=ao + a1t + a2t2 + a3t3 + a4t4 + a5t5
AR (1;0) Y= ao + a1yt-1
AR (2;0) Y= ao + a1yt-1 + a2yt-2
AR (3;0) Y= ao + a1yt-1 + a2yt-2 + a3yt-3
MA (0;1) Y= ao + a1zt-1
MA (0;2) Y= ao + a1zt-1 + a2zt-2
MA (0;3) Y= ao + a1zt-1 + a2zt-2 + a3zt-3
ARMA (1;3) Y= ao + a1yt-1 + ao + a1zt-1 + a2zt-2 + a3zt-3
Y= ao + a1∆y

От общата таблица на моделите се вижда, че най-добрият модел описващ акциите, които анализирах, е моделът ARMA (1;3). Той се явява с най-голям коефициент на регресия и с най-малка големина на грешката в модела. Както се вижда от графиките този модел описва най-добре данните за разлика от другите разгледани модели за анализ.