Details
Title | Инструменты машинного обучения в задачах оптимизации инвестиционного портфеля: выпускная квалификационная работа бакалавра: направление 38.03.01 «Экономика» ; образовательная программа 38.03.01_05 «Мировая экономика: финансовые рынки и институты» |
---|---|
Creators | Маршалов Давид Павлович |
Scientific adviser | Конников Евгений Александрович |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт промышленного менеджмента, экономики и торговли |
Imprint | Санкт-Петербург, 2024 |
Collection | Выпускные квалификационные работы; Общая коллекция |
Subjects | машинное обучение; портфельное инвестирование; Марковец; KNN; кластеризация; machine learning; portfolio investment; Markovets; clustering |
Document type | Bachelor graduation qualification work |
File type | |
Language | Russian |
Level of education | Bachelor |
Speciality code (FGOS) | 38.03.01 |
Speciality group (FGOS) | 380000 - Экономика и управление |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-3294 |
Rights | Доступ по паролю из сети Интернет (чтение, печать) |
Additionally | New arrival |
Record key | ru\spstu\vkr\31722 |
Record create date | 8/6/2024 |
Allowed Actions
–
Group | Anonymous |
---|---|
Network | Internet |
Целью исследования является совершенствование существующих моделей оптимизации портфеля с помощью прогнозных значений параметров модели средней дисперсии для получения наиболее прибыльных и эффективных с точки зрения риска портфелей. Объект исследования – инвестиционные портфели и их параметры риска и доходности. Предмет исследования – методы оценки параметров риска и доходностей, включая простой метод средних и метод кластеризации KNN. Основные задачи, решающиеся в данной работе: - произвести анализ основных подходов к оценке параметров доходности и риска; - произвести анализ исследований, направленных на оценку эффективности моделей машинного обучения; - написать алгоритм отбора ценных бумаг и собрать оптимальные портфели из отобранных ценных бумаг с помощью 2 подходов к оценке параметров риска и доходности с 2015 года по 2023 года. - описать полученные результаты и выявить наиболее и наименее результативные из них. Актуальность темы исследования носит прикладной характер и может быть использована как частными, так и институциональными инвесторами для оптимизации инвестиционных портфелей. Источниками информации являлись различные научные работы на русском и иностранном языках. Все расчеты, описанные в представленной работе, проводились с помощью языка программирования Python.
The aim of the study is to improve existing portfolio optimization models using predictive values of the parameters of the average variance model to obtain the most profitable and risk-effective portfolios. The object of the study is investment portfolios and their risk and return parameters. The subject of the study is methods for assessing risk and profitability parameters, including the simple method of averages and the KNN clustering method. The main tasks to be solved in this work: - to analyze the main approaches to assessing profitability and risk parameters; - to analyze research aimed at evaluating the effectiveness of machine learning models; - write an algorithm for selecting securities and collect optimal portfolios from selected securities using 2 approaches to assessing risk and profitability parameters from 2015 to -2023. - describe the results obtained and identify the most and least effective of them. The relevance of the research topic is applied and can be used by both private and institutional investors to optimize investment portfolios. The sources of information were various scientific papers in Russian and foreign languages. All calculations described in the presented work were carried out using the Python programming language.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 0
Last 30 days: 0