Русский
!

Presentations

Application of tree ensembles model and data aggregation in volatility forecasting for financial time series

Pyrkina O.E., Vidmant O.C.

Financial 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.

© 2004 Designed by Lyceum of Informational Technologies №1533