Results found: 2

Search results

Sort By:

Limit search:

Horyzont czasowy stopy zwrotu a optymalny współczynnik zabezpieczenia oparty na dolnym momencie czasowym

100%

Kozdraj T., Uniwersytet Łódzki K. M. S.

Acta Universitatis Lodziensis. Folia Oeconomica

2003

vol. 166

Risk management became a main issue in the last years on the Financial markets. Particularly derivates has gained popularity due to the possibility of creating adequate hedging strategy. That sort of strategy depends on attitude towards risk. While most of the investors prefer variance, some may benefit from using other measures of risk in their investment decisions, especially if they are concerned with minimizing the downside risk of their portfolios. A numerical method for calculating hedge ratios using a downside risk measure (lower partial moment) is presented in the article. Another important problem in the hedging strategy is a selection of return rate period. Adequately matched period could be crucial to estimation of hedge ratio. The method was applied to the Warsaw Stock Exchange WIG20 index and futures on WIG20. The result shows that lower partial moment hedge ratios with adequately set return rate period are effective in reducing downside risk.

Zarządzanie ryzykiem na rynkach finansowych stało się w ostatnich latach kluczowym zagadnieniem, pozwalającym na ograniczenie do minimum wartości potencjalnych strat inwestycyjnych. Szczególną popularność zyskały sobie instrumenty pochodne, pozwalające inwestorom na konstrukcję odpowiednich dla nich strategii zabezpieczających. W przypadku rynku kapitałowego, szczególnie rynku polskiego, uznanie inwestorów zdobyły indeksowe kontrakty futures. Opierając się na wspomnianych instrumentach istnieje możliwość takiej konstrukcji zabezpieczenia, aby potencjalna strata poniesiona na rynku kasowym (tj. w instrumentach bazowych) była możliwie jak najmniejsza. Strategia taka w dużej mierze zależy od samego podejścia do ryzyka i jego interpretacji. Ryzyko może być pojmowane jako wartość wszystkich odchyleń od wartości oczekiwanej (tzn. w postaci wariancji bądź odchylenia standardowego) lub też wyłącznie jako odchylenia ujemne od wartości oczekiwanej. W obu przypadkach inwestor jest zainteresowany tym, jaka część portfela instrumentów bazowych ma być zabezpieczona kontraktami terminowymi. Procedury zabezpieczające opierają się zatem na minimalizacji miar ryzyka, przy uwzględnieniu w portfelu instrumentów pochodnych. Jeżeli inwestor skupia się na ryzyku jednostronnym, to odpowiednią miarą ryzyka może być dolny moment cząstkowy. Jak się okazuje, procedura zabezpieczająca oparta na dolnym momencie cząstkowym, choć złożona obliczeniowo, prowadzi do dobrych oszacowań współczynnika zabezpieczenia. Istotną rzeczą w samej strategii jest dobór stóp zwrotu o określonym horyzoncie czasowym. Odpowiednio dobrany horyzont czasowy stóp zwrotu pozwala na otrzymanie dobrych oszacowań wielkości optymalnego współczynnika zabezpieczenia, co ma kluczowe znaczenie dla inwestora lokującego swój kapitał na rynku finansowym.

Using Artificial Neural Networks to Predict Stock Prices

100%

Kozdraj T., University of Łódź C. o. S. M.

Acta Universitatis Lodziensis. Folia Oeconomica

2009

vol. 225

Artificial neural networks constitute one of the most developed conception of artificial intelligence. They are based on pragmatic mathematical theories adopted to tasks resolution. A wide range of their applications also includes financial investments issues. The reason for NN's popularity is mainly connected with their ability to solve complex or not well recognized computational tasks, efficiency in finding solutions as well as the possibility of learning based on patterns or without them. They find applications particularly in forecasting stock prices on financial markets. The paper presents the problem of using artificial neural networks to predict stock prices on the example of the Warsaw Stock Exchange. It considers the general framework of neural networks, their potential and limitations as well as problems faced by researcher meets while using neural networks in prediction process.

Sztuczne sieci neuronowe stanowią jedną z najbardziej rozwiniętych gałęzi sztucznej inteligencji. Oparte są na pragmatycznych koncepcjach matematycznych dostosowywanych do rozwiązywanego zadania. Szeroki obszar zastosowań tych struktur obejmuje również zagadnienia szeroko rozumianych inwestycji finansowych. Przyczyn popularności należy upatrywać głównie w możliwości rozwiązywania skomplikowanych lub niezbyt dobrze rozpoznanych problemów obliczeniowych, sprawności znajdowania rozwiązań oraz możliwości uczenia się na podstawie wzorców lub bez nich. W szczególności sztuczne sieci neuronowe znajdują swoje zastosowanie w problemach predykcji cen papierów wartościowych na rynkach finansowych. Artykuł przedstawia problematykę zastosowania sieci neuronowych do prognozowania cen akcji na Giełdzie Papierów Wartościowych w Warszawie. Ukazuje ogólną koncepcję sieci neuronowych, ich możliwości, ograniczenia oraz problemy, jakie stają przed badaczem w momencie ich wykorzystania w procesie prognozowania.

Refine search results

2 Acta Universitatis Lodziensis. Folia Oeconomica

2 Kozdraj T.

1 University of Łódź C. o. S. M.

1 Uniwersytet Łódzki K. M. S.

1 2009

1 2003

Search results

Horyzont czasowy stopy zwrotu a optymalny współczynnik zabezpieczenia oparty na dolnym momencie czasowym

Using Artificial Neural Networks to Predict Stock Prices