neoinsight

  • GARCH-ის გამოყენება პროგნოზებში

    🎯 GARCH-ი არ არის მხოლოდ აღწერითი მოდელი, მისი დანიშნულება ინვესტირებულ კაპიტალზე მომავალი ამონაგების მერყეობის (volatility) პროგნოზირებაა. წინა პოსტებში ჩვენ: ახლა ვპასუხობთ მთავარ კითხვას: როგორ ვიყენებთ მოდელს მას შემდეგ, რაც დარწმუნდებით რომ სწორად მუშაობს? 🔧 პროგნოზირების მექანიზმი საწყისი მოდელის ფორმულა ასეთია:σt+12=ω+αut2+βσt2sigma_{t+1}^2 = omega + alpha u_t^2 + beta sigma_t^2 მაგრამ პროგნოზირებისას, მომავალი შოკები უცნობია და ამიტომ…

    Read more →

  • მერყეობის კლასტერიზაციის დადასტურება

    ამონაგების მერყეობის ისეთი მოდელები, როგორიცაა EWMA და GARCH, ცდილობენ ახსნან მერყეობის კლასტერიზაცია. რეალურ ბაზარზე მშვიდ პერიოდებს მოყვება მშვიდი პერიოდები, ხოლო მაღალი მერყეობის პერიოდებს — მაღალი მერყეობის პერიოდები. რაც უკეთესად ახსნის მოდელი კლასტერიზაციას, მით მაღალია მისი ხარისხი. მაგალითად, GARCH მოდელის ხარისხის შეფასება შინაარსობრივად ასეთია: თუ ამონაგების კვადრატისა და მერყეობის თანაფარდობა (u²/σ², ანუ z²) თვითკორელაციაში არ არის,…

    Read more →

  • მაქსიმალური ალბათობის მეთოდი გამოიყენება მოდელირებაში, ისტორიული მოვლენების მოხდენის ალბათობის პარამეტრების გამოსაყვანად. დავუშვათ მოვლენა მოხდა, თუ დავუშვებთ რომ ეს მოვლენა მოხდა ალბათური მოლოდინის შესაბამისად, მაშინ გვჭირდება ვიცოდეთ რამდენია ეს ალბათობა. (MLE = choose parameters that maximize probability of observed data). ავიღოთ მარტივი მაგალითი: დავუშვათ გვაქვს 10 სხვადასხვა აქცია, მათგან ერთის ფასი დაეცა, დანარჩენის არა. თუ ვიტყვით,…

    Read more →

  • GARCH მოდელი

    ფინანსურ ბაზრებს ერთი მნიშვნელოვანი თვისება ახასიათებთ: მერყეობის კლასტერიზაცია (Volatility Clustering), და გრძევალდიანი საშუალოსკენ რევერსია. ანუ, დიდ რყევებს მოჰყვება დიდი რყევები, მშვიდ პერიოდებს – მშვიდი პერიოდები, მაგრამ საერთო დონე საშუალოსკენ მიისწრაფის. ამ მომენტის დასაჭერად გამოიყენება GARCH(1,1) მოდელი. წინა ჩანაწერში ვისაუბრეთ Moving Average (MA) და Exponentially Weighted Moving Average (EWMA) მეთოდებზე, – ორივე ცდილობს შეაფასოს აქტივის მომგებიანობის…

    Read more →

  • მერყეობა (Volatility) ისე გაცვეთილი ტერმინია, რომ შეიძლება დაგვავიწყდეს რამდენად მნიშნელოვანია დაშვებები, რომლითაც საბოლოო ციფრი მიიღება. დავიწყოთ იმით რომ, როცა მერყეობაზე ვსაუბრობთ ვგულისხმობთ ამონაგების მერყეობას და არა თვითონ აქტივის ფასისას. შემდეგ, – მერყეობა დროში ცვალებადია, ამიტომ საჭირო ხდება მისი დედუქცია დროის ჭრილში. ერთი გზაა ამონაგების Moving Average ვარიაციის დათვლა და მერყეობის გამოყვანა. მაგალითად, ავიღოთ ერთ-ერთი აქციის…

    Read more →

  • Zero to One

    Zero to One

    📘 რატომ არის საინტერესო საკითხავი: 📖 ავტორი: პიტერ თილი💳 PayPal-ის თანადამფუძნებელი📱 Facebook-ის ერთ-ერთი პირველი ინვესტორი💼 სილიკონ ველის ერთ-ერთი ყველაზე გავლენიანი ვენჩურული კაპიტალისტი ეს არ არის სამოტივაციო ლიტერატურა, უფრო სტრუქტურული ხედვაა, რომელიც ვფიქრობ საინტერესო უნდა იყოს როგორც ენტრეპრენიორებისთვის ისე ინვესტორებისთვის. 🔢 რას ნიშნავს „0-დან 1-მდე“? პიტერ თილი ამბობს: 👉 0 → 1 ნიშნავს ისეთი რამის შექმნას,…

    Read more →

  • VaR – ღრმა საკითხები

    წინა ჩანაწერები გავაკეთე პორთფელის Value at Risk-ისა და Expected Shortfall-ის გაანგარიშების ისტორიული სიმულაციისა და წრფივი მოდელირების მეთოდების შესახებ, ეხლა თემის ჩახურვის მიზნით შევეხები დამატებით საინტერესო საკითხებს. ობლიგაციების პორთფელი – საპროცენტო რისკი წინა ჩანაწერებში, VaR-ის გაანგარიშებები შეეხებოდა აქციების პორთფელს, რა ხდება ობლიგაციების შემთხვევაში? ბონდების შემთხვევაში შეგვიძლია იგივე წრფივი მოდელი გამოვიყენოთ თუმცა ის მოდიფიცირებას მოითხოვს. აქ გასათვალისწინებელია…

    Read more →

  • VaR – წრფივი მოდელი

    VaR-ის შესახებ წინა ჩანაწერში ვისაუბრე, და ვაჩვენე როგორ ხდება მისი დაანგარიშება ისტორიული ციფრების სიმულაციით, ახლა ვაჩვენებ როგორ ხდება დაანგარიშება წრფივი მოდელირებით. პირველ რიგში ისევ დგება ისტორიული ციფრების სტატისტიკა: შემდეგ ვანგარიშობთ ფასების ცვლილებით მიღებულ ამონაგებს – LN (t1/t0) ამის შემდეგ ვაგებთ Variance-Covariance – მატრიცას: ბოლოს ვითვლით VaR-ს და მოსალოდნელ ზარალს, შესაბამისი სარწმუნო ინტერვალის მიხედვით: რაც უფრო…

    Read more →

  • მაშინ როცა ბერძნული სიმბოლოები პორთფელის რისკს მრავალი კუთხიდან ხედავენ და n რაოდენობით მაჩვენებლებს აგენერირებენ, VaR (Value at Risk) მაჩვენებელი არის მცდელობა იმისა რომ პორთფელის რისკი ერთ პარამეტრში გამოიხატოს. ის პასხუს ცემს დაახლოებით ასეთ კითხვაზე: 99%-ანი სანდოობით, მომდევნო 10 დღის განმავლობაში, მინიმუმ რამდენი შეიძლება იზარალოს პორთფელმა? თუ წარმოვიდგენთ რომ პორთფელის მოსალოდნელი მომგებიანობა განაწილებულია ნორმალური დისტრიბუციით, მარცხენა…

    Read more →

  • სასრული სხვაობის მეთოდი

    სასრული სხვაობის მეთოდი ფინანსების გარდა აქტიურად გამოიყენება ფიზიკისა და ინჟინერიის დარგებში , – 🌡️ თბოგადაცემის განტოლებებში (Heat equation), 🌊 სითხეების დინამიკაში (Navier–Stokes), ⚡ ელექტრო-მაგნეტიზმში, 🧠 ნეირონული დიფუზიასა თუ🏗️ სტრუქტურული მექანიკაში… მეთოდი გულისხმობს უწყვეტი დიფერენციალური განტოლების დაშლას სასრული სხვაობების განტოლებების სისტემად, და შემდეგ მათ ამოხსნას. ოფციების შეფასების შემთხვევაში დგება მატრიცა, რომლის ერთი განზომილება წარმოადგენს ქვემდებარე აქციის…

    Read more →