|
PresentationsApplication of tree ensembles model and data aggregation in volatility forecasting for financial time seriesFinancial University under the Government of Russian Federation Leningradskyi prospect 49 Moscow 125993 Russia OPyrkina@fa.ru OSVidmant2015@edu.fa.ru Рассматривается возможность повышения эффективности вычислений при прогнозировании волатильности моделями ансамблей деревьев, с использованием различных методов накопления данных. В качестве ключевых точек роста эффективности исследуется возможность агрегирования данных финансовых временных рядов с использованием нескольких методов прогнозирования дисперсии: EWMA, Standard, ARCH, GARCH, а также снижения корреляционной зависимости между рядами. Применение расчетных методик демонстрируется на основе исторических цен (open, high, low, close) и показателей объёма (volumes) фьючерса на индекс RTS с 5-минутным временным интервалом и годовым набором исторических данных. Предлагаемая методика позволяет сократить мощностные/временные затраты на обработку данных при анализе краткосрочных позиций на финансовых рынках и выявить риски с определенным уровнем доверительной вероятности. В век развивающихся технологий и усложняющихся финансовых процессов решение задач прогнозирования приобретают все большую актуальность. Разработка эффективных методов прогнозирования волатильности и риска может не только существенно сократить финансовую нагрузку на капитал, но и позволит переосмыслить всю систему риск-менеджмента. Использование моделей машинного обучения дает возможность исследовать финансовые активы на предмет наличия определенных паттернов на отдельных временных промежутках; агрегирование и предварительная обработка «сырых» данных позволяет обнаружить не учтенные ранее зависимости.
|