Вход

ВКР Методы глубокого обучения в задачах оценки показателей рыночного риска

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 521671
Дата создания 2023
Мы сможем обработать ваш заказ (!) 13 мая в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
2 930руб.
КУПИТЬ

Описание

Оригинальность по АП.Вуз на 26 февраля 2023 года более 70%.

Оригинал документа в pdf, конвертация в Word автоматическая (в word могут быть недочеты, которые вы легко исправите самостоятельно).

Оценка финансовых рисков является важной частью обеспечения

стабильного развития любой компании. Для данной оценки необходимо использовать показатель, способный наиболее емко отразить текущую ситуацию, при этом его интерпретация не должна быть особенно трудной. В качестве подобного показателя прекрасно подходит выбранный в данном исследовании VaR – стоимость под риском.

VaR отражает возможные потери определенной экономической единицы с заданной вероятностью. Благодаря тому, что он представляет из себя всего одно число, его интерпретация не составит труда. В данном исследовании будут рассмотрены основные методы определения стоимости под риском для заданного набора финансовых инструментов.

Помимо этого, в данном исследовании была разработана и реализована нейронная сеть, позволяющая оценивать VaR заданных активов, используя метол двунаправленной генеративной состязательной сети. Полученная нейросеть будет способна определить значение VaR для финансовых инструментов, которые использовались при ее обучении, а также синтезировать распределение доходности портфеля акций. Результат может быть использован в дальнейшем для оценки рыночных рисков и ликвидации неблагоприятных последствий.

Содержание

Введение ................................................................................................................... 3 Глава 1. Анализ существующих математических моделей ................................ 6 Глава 2. Разработка нейронной сети ................................................................... 14 Глава 3. Подготовка данных ................................................................................ 26 Глава 4. Реализация алгоритма и анализ результатов ...................................... 36 Заключение ............................................................................................................ 47 Список литературы ............................................................................................... 49

Список литературы

Список литературы

1. Alpha Vantage [Электронный ресурс]. 2017, URL:

https://www.alphavantage.co/ (Дата обращения 23.04.2022)

2. Уолтер, А. Стив Джобс / А. Уолтер. – Санкт-Петербург: Астрель, 2011.

– 332с.

3. Стоун, Б. The Everything Store. Джефф Безос и эра Amazon / Б. Стоун. –

Азбука-Бизнес, 2014 – 530с.

4. Гейтс, Б. Дорога в будущее / Б. Гейтс. – Viking Press, 1995 – 480с.

5. Дайер, Д. Procter & Gamble. Путь к успеху: 165-летний опыт построения брендов / Д. Дайер, Р. Олегарио, Ф. Далзелл. – Альпина Паблишер, 2021 – 526с.

6. Котарда Д. IBM. Падение и возрождение великой компании / Д.

Котарда. – Бомбора, 2019 – 1140с.

7. Крок Р. Ключевые идеи книги: McDonald`s. Как создавалась империя /

Р. Крок. - Альпина Паблишер, 2020 – 20с.

8. Круи, М. Основы риск-менеджмента / М. Круи, Д. Галай, Р. Марк. –

Юрайт, 2016.

9. Авдошин, С. М. Информатизация бизнеса. Управление рисками / С.М.

Авдошин, Е.Ю. Песоцкая. - Москва: ДМК Пресс, 2011. - 176 c.

10. Грачева, М.В. Риск-менеджмент инвестиционного проекта / М.В.

Грачева. - Москва: Юнити-Дана, 2013. - 544 c.

11. Джулли, А. Библиотека Keras – инструмент глубокого обучения.

Реализация нейронных сетей с помощью библиотек Theano и TensorFlow / Антонио Джулли. - Москва: ДМК Пресс, 2017. - 298 c.

12. Николенко, С. Глубокое обучение. Погружение в мир нейронных сетей.

Руководство / С. Николенко. - Москва: Питер, 2018. - 481 c.

13. Севрук, В.Т. Банковские риски / В.Т. Севрук. – Дело ЛТД, 1994. - 587 c. 14. Кульбак, С. Information Theory and Statistics / С. Кульбак. – John Wiley

& Sons, 1959 – 409 с.

15. Hinrich, S. Foundations of Statistical Natural Language Processing / S.

Hinrich, D. Christopher. – Mass: MIT Press, 1999.

Очень похожие работы
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00449
© Рефератбанк, 2002 - 2024