| Popis: |
Predmet istraživanja ovog specijalističkog poslijediplomskog rada je upotreba visokofrekventnih podataka koji bi se koristili kao benchmark za utvrđivanje prognostičke moći modela vrednovanja opcija. Navedeno istraživanje je u svrhu prognoziranja budućih kretanja sredine, varijance i drugih momenata financijskih serija. Vremenske financijske serije koje su predmet ovog istraživanja su opcije prodaje i kupnje na tržišne indekse CAC (Cotation Assistee en Continu), AEX (Amsterdam Exchange index), MIB (Milano Indice di Borsa) i DAX (Deutscher Aktienindex). Podaci su preuzeti iz financijske baze podataka Thomson Reuters. Istraživanje se provodi u dvije faze. Prva faza je faza procjene odnosno prognoziranje funkcije gustoće vjerojatnosti promatranih financijskih serija. Druga faza je faza usporedbe dobivenih funkcija gustoće vjerojatnosti s referentnom funkcijom gustoće na temelju visokofrekventnih podataka. Predmet istraživanja su modeli korišteni za prognoziranje buduće funkcije gustoće vjerojatnosti neutralne na rizik. Modeli koje koristimo i promatramo su: Shimko model, Mixture Log-Normal model i Edgeworth expansion model. U skladu s dosadašnjim istraživanjima cilj i svrha promatranja navedenih modela jest procjena i vrednovanje njihove prognostčke moći te procjene koji od njih je najprikladniji odnosno najbolji. Postoje ograničenja kod korištenja visokofrekventnih podataka kao što su nelikvidnost financijskog tržišta te samim time manjak podataka i kompleksnost u korištenju visokofrekventnih podataka. Ograničenja smo premostili koristeći podatke tržišnih indeksa zapadnih razvijenijih financijskih tržišta te korištenjem programskog jezika R u obradi podataka. |
