Βιβλιοθήκη ΟΠΑ - Ψηφιακό Αποθετήριο

ΠΥΞΙΔΑ Ιδρυματικό Αποθετήριο
και Ψηφιακή Βιβλιοθήκη

Όνομα χρήστη
Κωδικός πρόσβασης

Συλλογές :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Επιστημών και Τεχνολογίας της Πληροφορίας / School of Informatics Τμήμα Στατιστικής / Department of Statistics Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Τίτλος :	Volatility modelling and derivatives

Εναλλακτικός τίτλος :	Μοντελοποίηση μεταβλητότητας και εφαρμογές σε παράγωγα μεταβλητότητας

Δημιουργός :	Τζουγανάκη, Ελένη Tzouganaki, Eleni

Συντελεστής :	Yannacopoulos, Athanasios (Επιβλέπων καθηγητής) Baltas, George (Εξεταστής) Papaioannou, Panagiotis (Εξεταστής) Athens University of Economics and Business, Department of Statistics (Degree granting institution)

Τύπος :	Text

Φυσική περιγραφή :	93p.

Γλώσσα :	en

Αναγνωριστικό :	https://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10696

Περίληψη :	Έχει παρατηρηθεί ότι ο δείκτης μεταβλητότητας (VIX) έχει γίνει ένας σημαντικός παράγοντας στις χρηματοπιστωτικές αγορές τις τελευταίες δεκαετίες, λόγω της σημαντικής επίδρασής του στην κρίση κατά τη λήψη κρίσιμων αποφάσεων. Ως εκ τούτου, αυτή η διατριβή χρησιμεύει ως εργαλείο για την παροχή μιας βαθύτερης κατανόησης του VIX και την πρόβλεψη της συμπεριφοράς του. Για το σκοπό αυτό, τα ιστορικά δεδομένα τόσο του VIX όσο και του μετοχικού δείκτη S&P500 θα χρησιμοποιηθούν ως εισακτέες τιμές στον κώδικα. Το επόμενο βήμα είναι η παλινδρόμηση σε ένα γραμμικό πολυμεταβλητό μοντέλο που παρασκευάστηκε. Ωστόσο, η πρόβλεψη των μελλοντικών τιμών του δείκτη δεν είναι δυνατή λόγω της έλλειψης γραμμικότητας σε αυτό το μοντέλο. Σε απάντηση λοιπόν, αναπτύχθηκε ένα μη γραμμικό μοντέλο με τη βοήθεια δέντρων αποφάσεων (decision trees), με στόχο την απόκτηση χρήσιμων πληροφοριών σχετικά με τον δείκτη μεταβλητότητας, προκειμένου να κατανοηθεί καλύτερα η συμπεριφορά της αγοράς It has been observed that the volatility index (VIX) has become a significant factor in financial markets over recent decades due to its significant impact on judgment when making crucial decisions. Therefore, this thesis serves as a tool for providing a deeper understanding of VIX and predicting its behaviour. For this purpose, both the VIX index and S&P500 historical data will be required in the algorithm's input. Following that, regression is performed in a linear multivariate model. However, given the lack of linearity in this model, it is not possible to predict future VIX prices. In response, a non-linear model was developed with the assistance of decision trees with the objective of gaining useful information about the VIX index in order to better understand the behavior of the market.

Περίληψη :

Έχει παρατηρηθεί ότι ο δείκτης μεταβλητότητας (VIX) έχει γίνει ένας σημαντικός παράγοντας στις χρηματοπιστωτικές αγορές τις τελευταίες δεκαετίες, λόγω της σημαντικής επίδρασής του στην κρίση κατά τη λήψη κρίσιμων αποφάσεων. Ως εκ τούτου, αυτή η διατριβή χρησιμεύει ως εργαλείο για την παροχή μιας βαθύτερης κατανόησης του VIX και την πρόβλεψη της συμπεριφοράς του. Για το σκοπό αυτό, τα ιστορικά δεδομένα τόσο του VIX όσο και του μετοχικού δείκτη S&P500 θα χρησιμοποιηθούν ως εισακτέες τιμές στον κώδικα. Το επόμενο βήμα είναι η παλινδρόμηση σε ένα γραμμικό πολυμεταβλητό μοντέλο που παρασκευάστηκε. Ωστόσο, η πρόβλεψη των μελλοντικών τιμών του δείκτη δεν είναι δυνατή λόγω της έλλειψης γραμμικότητας σε αυτό το μοντέλο. Σε απάντηση λοιπόν, αναπτύχθηκε ένα μη γραμμικό μοντέλο με τη βοήθεια δέντρων αποφάσεων (decision trees), με στόχο την απόκτηση χρήσιμων πληροφοριών σχετικά με τον δείκτη μεταβλητότητας, προκειμένου να κατανοηθεί καλύτερα η συμπεριφορά της αγοράς
It has been observed that the volatility index (VIX) has become a significant factor in financial markets over recent decades due to its significant impact on judgment when making crucial decisions. Therefore, this thesis serves as a tool for providing a deeper understanding of VIX and predicting its behaviour. For this purpose, both the VIX index and S&P500 historical data will be required in the algorithm's input. Following that, regression is performed in a linear multivariate model. However, given the lack of linearity in this model, it is not possible to predict future VIX prices. In response, a non-linear model was developed with the assistance of decision trees with the objective of gaining useful information about the VIX index in order to better understand the behavior of the market.

Λέξη κλειδί :	Δείκτης μεταβλητότητας Μοντέλα ετεροσκεδαστικότητας Παράγωγα μεταβλητότητας Μοντελοποίηση μεταβλητότητας Volatility Index (VIX) Generalized Autoregressive Conditional Heteroscedasticity (GARCH) Volatility derivatives Volatility modelling Volatility indices

Ημερομηνία έκδοσης :	31-08-2023

Ημερομηνία κατάθεσης :	27-09-2023

Ημερομηνία αποδοχής :	27-09-2023

Άδεια χρήσης :

Αρχείο: Tzouganaki_2023.pdf

Τύπος: application/pdf

Είσοδος