Forecasting Realized Volatility Using Neural Networks – Kateryna Pavlyuk
Kateryna Pavlyuk
Master's thesis
Forecasting Realized Volatility Using Neural Networks
Odhad realizované volatility pomocí neuronových sítí
Abstract:
Tato diplomová práce zkoumá využití neuronových sítí pro predikci realizované volatility na třech hlavních měnových párech. Zatímco tradiční ekonometrické modely často nedokáží zachytit dynamiku finančních dat, neuronové sítě prokazují schopnost této komplexnosti čelit. Analýza se soustředí na srovnání výkonnosti neuronových sítí, zahrnující jak feedforward, tak LSTM architektury, s běžně používanými …moreAbstract:
This diploma thesis investigates the effectiveness of neural network models, encompassing both feedforward and LSTM architectures, in forecasting volatility across three major forex currency pairs. Traditional econometric models often struggle to capture the intricate dynamics of financial data, whereas NNs show the ability to cope with these complexities. The analysis focuses on applying both NN frameworks …more
Language used: English
Date on which the thesis was submitted / produced: 28. 5. 2024
Identifier:
https://vskp.vse.cz/eid/94147
Thesis defence
- Date of defence: 18. 6. 2024
- Supervisor: Milan Fičura
- Reader: Matěj Drahokoupil
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Vysoká škola ekonomická v Prazehttps://vskp.vse.cz/eid/94147
Vysoká škola ekonomická v Praze
Master programme:
Finanční inženýrství
Theses on a related topic
-
Volatilita na trzích s kryptoměnami
Filip Bobok -
Volatilita akciových trhů během globální pandemie COVID-19
Monika Latýnová -
Realizovaná volatilita
Nam Hoang -
Pravidelně zveřejňované makroekonomické zprávy a volatilita měnových trhů
Tomáš Plíhal -
Artificial Neural Networks in Space of Stock Returns: Volatility Prediction
Šimon Škorňa -
Modul LSTM a Rekurentních neuronových sítí pro program Modeler neuronových sítí
Jiří Lagan -
Modelování hudební transkripce pomocí hlubokého učení: návrh, konstrukce a validace modelu na principu rekurentní neuronové sítě
Daniel Kvak -
Rozpoznávání fónů pomocí neuronové sítě
Martin MAJER