МОДЕЛЮВАННЯ ІНВЕСТИЦІЙНОГО ФОНДУ АКЦІЙ ІЗ ЗАСТОСУВАННЯМ СТРАТЕГІЙ КЕРУВАННЯ ФІНАНСОВИМИ ДЕРИВАТИВАМИ ТА ХЕДЖУВАННЯ
DOI:
https://doi.org/10.20535/2307-5651.24.2022.274836Ключові слова:
акція, фондовий ринок, інвестиційний портфель, опціон, хеджування, нейронні мережіАнотація
Статтю присвячено дослідженню визначення дієвого методу моделювання інвестиційного та опціонного портфелів, а також створення програмного продукту, який зможе автоматизувати процес виконання таких цілей. В умовах економічної нестабільності для інвесторів ключовою метою є зменшення ризику втрати прибутку. Перед тим, як створити свій інвестиційний портфель, необхідно визначити конкретні цілі та мету стратегії керування ним, пріоритети при виборі фондових активів для вкладень та сформувати пропорції інвестиційних ресурсів у різних видах портфелів. Найбільш використані портфельні стратегії вже не здатні враховувати різні фактори мінливості ринку, отже, доцільним є модифікація існуючих моделей та використання більш новітніх методів для формування стратегії керування інвестиційним портфелем з метою зменшення ризику. В процесі дослідження було обрано різні методи прогнозування ринкових цін акцій, було розроблено модель для визначення оптимального інвестиційного портфелю та його вартість. Після цього даний алгоритм було автоматизовано у вигляді розробленого програмного додатку. Результатом дослідження є створення комбінованої моделі керування портфелем, яка прогнозує розвиток використаних фондових активів та створює стратегію керування ними на основні отриманих прогнозованих даних. Також модель розраховує очікуваний прибуток та інвестиційну стратегію при неочікуваних змінах на ринку. Ефективність моделі перевіряється на прогнозованих та фактичних історичних даних за розглянутий часовий період. У ході проведення дослідження було розглянуто 7 акцій, зокрема, Tesla, Netflix, Amazon, Alphabet Inc., Facebook, Restoration Hardware Holdings та EPAM. Модель адаптується до типів акцій, що розглядаються та коригує свої передбачення з метою отримання мінімальної похибки від фактичних. На виході модель видає стратегію керування портфелем на протязі наступного місяця, побудовану на основні прогнозованих даних.
Посилання
Замковий О.І. Портфельні теорії інвестування. Методичні рекомендації для самостійної підготовки до практичних занять з дисципліни магістрів спеціальності 072 Фінанси, банківська справа та страхування. Дніпро: НТУ«ДП». 2020. 70 с.
Meng Xiang. Dynamic Mean-Variance Portfolio Optimization. 2018. 45 p. URL: https://arxiv.org/pdf/1907.03093.pdf
Olsson S., Trollsten V. The Black Litterman Asset Allocation Model. 2018. 76 p. URL: https://www.diva-portal.org/smash/get/diva2:1253673/FULLTEXT01.pdf
Hernandez A. Monte-Carlo Simulation with Black-Scholes. Malardalen University. 2010. 68 p. URL: http://janroman.dhis.org/stud/I2010/MCBS/AFI.pdf.
Understanding Delta Hedging Options Using Monte Carlo Simulation. Finance training course. 2012. URL: https://financetrainingcourse.com/education/2012/10/understanding-delta-hedging-for-options-using-monte-carlo-simulation/.
Asmama O. Investment Strategies: Portfolio Optimization & Risk Management with R Language. 2019. 56 p. URL: https://www.aui.ma/sse-capstone-repository/pdf/spring-2019/INVESTMENT%20STRATEGIES%20PORTFOLIO%20OPTIMIZATION%20&%20RISK%20MANAGEMENT%20WITH%20R%20LANGUAGE.pdf
Michaud R. Efficient Asset Management. New York: Oxford University Press. 2008. 145 p. URL: https://www.researchgate.net/profile/Richard-Michaud-2/publication/227466933_Efficient_Asset_Management_A_Practical_Guide_to_Stock_Portfolio_Optimization_and_Asset_Allocation_2nd_Edition/links/5aba86c9aca2722b0b7bc74a/Efficient-Asset-Management-A-Practical-Guide-to-Stock-Portfolio-Optimization-and-Asset-Allocation-2nd-Edition.pdf
Adhikari R. An Introductory Study on Time Series Modeling and Forecasting. 2010. 67p. URL: https://arxiv.org/ftp/arxiv/papers/1302/1302.6613.pdf
Agarwal H. Analysis and Prediction of Stock Market Trends Using Deep Learning. 2020. pp.521-531. URL: https://www.researchgate.net/publication/340961339_Analysis_and_Prediction_of_Stock_Market_Trends_Using_Deep_Learning
Ganegedara T. Stock Market Predictions with LSTM in Python. 2020. URL: https://www.datacamp.com/community/tutorials/lstm-python-stock-market.
Hu Z. Zhao Y., Khushi M. A Survey of Forex and Stock Price Prediction Using Deep Learning. MDPI. 2021. URL: https://www.researchgate.net/publication/348985833_A_Survey_of_Forex_and_Stock_Price_Prediction_Using_Deep_Learning
Pav S. Notes on the Sharpe Ratio. 2021. С. 50. URL: https://cran.r-project.org/web/packages/SharpeR/vignettes/SharpeRatio.pdf
Walters J. The Black-Litterman Model in Detail. 2014. 65 p. URL: https://deliverypdf.ssrn.com/delivery.php?ID=878026005027092087122076109081103010103027035008001066117066016121081064100098122101059057107022010023114100110077088091120100122051044060017002082126118097125089096003082021017126110025066026021091123113098102112078120121065074065118107111122027110105&EXT=pdf&INDEX=TRUE
Zamkovyy O. I. (2020) Portfelni teorii investuvanja. Metodychni rekomendacii dlja samostijnoi pidgotovky do praktychnyh zanjat z dyscypliny magistriv specialnosti 072 Finansy, bankivska sprava ta strahuvannja [Portfolio theories of investment. Methodical recommendations for independent preparation for practical classes in the discipline of masters of specialty 072 Finance, banking and insurance]. Dnipro: Ministry of Education and Science of Ukraine, 70 p. (in Ukrainian)
Xiang M. (2018) Dynamic Mean-Variance Portfolio Optimisation, 45 p.
Olsson S., Trollsten V. (2018) The Black Litterman Asset Allocation Model, 76 p.
Hernandez A. (2010) Monte-Carlo Simulation with Black-Scholes. Malardalen University, 68 p.
Finance training course (2012) Understanding Delta Hedging Options Using Monte Carlo Simulation. [Online]. URL: https://financetrainingcourse.com/education/2012/10/understanding-delta-hedging-for-options-using-monte-carlo-simulation (Accessed: 2012).
Asmama O. (2019) Investment Strategies: Portfolio Optimization & Risk Management with R Language, 56 p.
Michaud R. (2008) Efficient Asset Management. New York: Oxford University Press, 145 p.
Adhikari R. (2010) An Introductory Study on Time Series Modeling and Forecasting, 67 p.
Agarwal H. (2020) Analysis and Prediction of Stock Market Trends Using Deep Learning, pp.521-531
Ganegedara T. (2020) Stock Market Predictions with LSTM in Python. [Online]. URL: https://www.datacamp.com/community/tutorials/lstm-python-stock-market (Accessed: 2020).
Hu Z. Zhao Y., Khushi M. (2021) A Survey of Forex and Stock Price Prediction Using Deep Learning, MDPI.
Pav S. (2020) Notes on the Sharpe ratio, 50 p.
Walters J. (2014) The Black-Litterman Model in Detail, 65 p.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторські права належать авторам статей.
Розміщуючи матеріали у збірнику наукових праць, автори погоджуються з правом редакції збірника розміщувати матеріали збірника в електронному вигляді на офіційному сайті збірника та інших електронних ресурсах відповідно до законодавства України.