Belépés címtáras azonosítással
magyar nyelvű adatlap
Közgazdasági és pénzügyi idősorok
A tantárgy angol neve: Economic and Financial Timeseries
Adatlap utolsó módosítása: 2012. április 19.
A tárgy technikai tekintetben, matematikai, valószínűségszámítási alapismereteknél többet nem tételez fel.
A hallgatók képesek lesznek egy valós tőzsdei adatsor alapvető jellegzetességeinek felismerésére, jellegzetességeinek kiszűrésére és megbízható előrejelzés készítésére.
1. Sztochasztikus folyamatok alapjai (a stacionaritás fogalma, gyenge, erős stacionaritás, Markov láncok)
2. Sztochasztikus folyamatok alapjai példák (autokorreláció, fehér zaj folyamat, Gauss folyamatok)
3. Lineáris folyamat-modellek: AR, a diszkrét derivált, formális polinomok és invertálásuk
4. MA, ARMA. Az autokolleláció és az együtthatók kapcsolata, kauzalitás, a modell illesztése, tesztje, előrejelzés, példák
5. ARIMA, a modell illesztése, tesztje, előrejelzés, példák, bolyongás
6. Nemlináris folyamat-modellek: ARCH, GARCH, az alap és a származtatott modell, a modell előnyei és hátrányai, paraméterek becslése, a modellek tesztelése
7. Log-optimális portfolió elmélet alapjai, diszkrét modell, a lóverseny példa, a vagyonnövekedési ráta, optimális portfólió,
8. Log-optimális portfolió elmélet alapjai, diszkrét modell, a lóverseny példa, az információ értéke, optimalitás hosszú távon, egy lépésben
9. Log-optimális portfolió elmélet alapjai, folytonos modell, a tőzsde modellje, a vagyonnövekedési ráta, optimális portfólió Kuhn-Tucker kritériuma,
10. Log-optimális portfolió elmélet alapjai, folytonos modell, a tőzsde modellje, az információ értéke, aszimptotikus optimalitás
11. Nemparaméteres regresszió becslés; partíciós becslés, alapfogalmak, konzisztencia
12. Nemparaméteres regresszió becslés; magfüggvényes becslés, legközelebbi szomszéd becslés.
13. Idősorok előrejelzése gépi tanulásos algoritmusok, magfüggvényes előrejelzések, legközelebbi szomszéd előrejelzés
3. Györfi L., M. Kohler, A. Krzyzak, H. Walk: A Distribution-Free Theory of Nonparametric Regression, Springer-Verlag
4. Györfi L., Ottucsák Gy., Walk H.,(eds.) Machine learning for financial engereering, in advances in Computer Science and Engineering, Imperial College Press 2012