Search academic texts

Information × Registration Number 2121U007554, Article popup.category Бакалаврська робота Title Система підтримки прийняття рішень для моделювання і прогнозування ринкового ризику (AI translated) popup.author Смиковська Дарина ВасилівнаSmykovska Daryna Vasylivna popup.publication 01-06-2021 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/43732 popup.publisher Київ Description Дипломна робота: 129 с., 11 табл., 44 рис., 2 дод., 28 джерел. Тема: система підтримки прийняття рішень для моделювання і прогнозування ринкового ризику. У даній роботі розглянуто задачу моделювання, прогнозування і оцінювання ринкових ризиків з використанням методології VaR та побудована система підтримки прийняття рішень. Об’єкт дослідження – система підтримки прийняття рішень для моделювання і прогнозування ринкового ризику. Предмет дослідження: підхід до менеджменту ринкового ризику з використанням методології VaR. Мета роботи – покращити точність оцінки ринкового ризику шляхом побудови якісних гетероскедастичних моделей для прогнозування волатильності. Створено систему підтримки прийняття рішень на базі авторегресійних умовно гетероскедастичних моделей, що надає змогу наочно відобразити ситуацію на ринку, оцінити волатильність та зробити прогноз на основі аналізу реальних даних. Система реалізована на мові програмування Python. Наведено приклади роботи програми на основі реальних фінансових даних. Використані дані цінами на акції компанії Netflix за останні п’ять років. Bachelor thesis: 129 p., 11 tabl., 44 fig., 2 append., 28 sources. Theme: decision support system for modeling and forecasting market risk. This work considers the problem of modeling, forecasting and analyzing of market financial risks using the VaR methodology and created a decision support system. Object of research: decision support system for modeling and forecasting market risk. Subject of research: approach to market risk management using VaR methodology. The aim of the work is to improve an accuracy of market risk assessment by building high-quality heteroskedastic models for predicting volatility. A decision support system based on autoregressive conditionally heteroskedastic models has been created, which allows to visually reflect the market situation, assess volatility and make a forecast based on the analysis of real data. The system is implemented in a multi-paradigm numerical computing environment PyCharm by using a programming language Python. Examples of application software for forecasting is given on the basis of real financial data. For analysis and forecasting, real data from Netflix has been used: stock prices have been used for the past five years. popup.nrat_date 2025-11-05 Close