1 / 20

Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése

Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése. Gellén Ágnes IUFQ58. Adminisztratív információk. Tárgykód: VIIIA355 Külső konzulens: Szőllősi Loránd Belső konzulens: Dr. Kiss Bálint. Mi az a kötvény?. Hitelviszonyt megtestesítő értékpapír

hall
Download Presentation

Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Kötvényárazási hibák intelligens javítóalgoritmusának tervezése és fejlesztése Gellén Ágnes IUFQ58

  2. Adminisztratív információk Tárgykód: VIIIA355 Külső konzulens: Szőllősi Loránd Belső konzulens: Dr. Kiss Bálint

  3. Mi az a kötvény? • Hitelviszonyt megtestesítő értékpapír • Árfolyam Jövőben várható pénzáramok jelenértéke • Kötelezettségekjól meghatározottak: pl. névérték, kamat, törlesztés • Árazás: bonyolult

  4. Kötvény reprezentációja: FPML • Financial productsMarkupLanguage • XML szabványnak megfelel • Annak egy részhalmaza • Piaci ügyletekkel foglalkozik • Ideális kötvényadatok reprezentálására C • Széles körben használt C • Open SourceC

  5. Az FPML-t használó vállalatok

  6. Az árazás • Kötvényt kibocsátó (bank) feladata • Bank által használt saját algoritmus • Pl. egy közelítő függvény: ahol: PV = jelenérték (elméleti árfolyam) Ci = i-edik időpontban esedékes pénzáram r = az átlagos piaci kamatláb

  7. A kötvényárazás problémája • Mindenki más modellből indul ki • A modellek sokparaméteresek • Paraméterek egyenkénti lekérdezése nem egyszerű • Forrás hitelessége ? • A lekérdezés ideje • Nagyszámú paraméteres modell kezelése • Senki nem tudja a pontos árat

  8. Mi a megoldás? • Egy lehetséges mankó • Problémák • Max 20.000 lekérdezés/hó • Nem elég gyors • Nem csak a MS férhet hozzá • Nem biztos, hogy az ő becslésük a legjobb

  9. Kapcsolat a két „blackbox” között

  10. Probléma Minden egyes vállalat az általa kifejlesztett, saját blackbox alapján árazza a kötvényeit

  11. Cél Hogyan működik a blackbox?

  12. Ami a segítségünkre lesz Mesterséges intelligencia • Gépi tanulás • Tanuló algoritmusok • Pl. A*

  13. Mit is kell kitalálni? Minden vállalat saját kötvényárazó algoritmusát FÜGGVÉNY Változók Operátorok

  14. A módszer • Kulcs: műveletek sorozatának reprezentációja bináris fa • Folyamat: Bináris fák előállítása  bináris fa értékének kiolvasása  összehasonlítás a keresett eredménnyel

  15. Bináris fák • gyökeres irányított fa (gráf) • gyökér kivételével minden csúcsának egy szülője van • és legfeljebb két gyereke: egy jobboldali és/vagy egy baloldali

  16. Bináris fa, mint műveletek sorozata • A bináris fa az alábbi műveletet rejti magában: (5*7)*2

  17. Amit a program jelenleg tud • Egyszerű művelet felderítése • Például:

  18. Példa bemutatása • Generált bináris fák + műveletek

  19. Példa bemutatása • Ekkor a keresett bináris fa

  20. Jövőbeli célok • A program FPML-ekből nyerjen ki adatokat • Véges futási időben eredmény (bonyolultabb műveletek) • Tanuló algoritmusok bevezetése

More Related