Počet záznamov: 1
Procedúra prevzorkovania v rámci modelov výberu portfólia: generovanie dát z viacrozmerného nie-normálneho rozdelenia
Názov Procedúra prevzorkovania v rámci modelov výberu portfólia: generovanie dát z viacrozmerného nie-normálneho rozdelenia Súbežný názov Resampling Procedure Within Portfolio Selection Models: Generation of Data from Multivariate Non-Normal Distribution Autorské údaje Mário Pčolár Autor Pčolár Mário EUBFHIKOV - Katedra operačného výskumu a ekonometrie FHI Zdrojový dokument Mladá veda AIESA 2021 : participácia doktorandov a mladých vedeckých pracovníkov na budovaní spoločnosti založenej na vedomostiach : zborník z XI. medzinárodnej vedeckej konferencie. S. 57-65 online. - Bratislava : Letra Edu, 2021 / Šoltés Erik ; Čičková Zuzana ; Juhászová Zuzana ; Kaderová Andrea ; Mladá veda AIESA 2021 medzinárodná vedecká konferencia. ISBN 978-80-89962-88-4 Poznámky VEGA 1/0339/20 Druh dokumentu rozpis článkov zo zborníkov Jazyk dokumentu slovenčina Krajina vydania Slovenská republika Heslá vzorky obchodné * portfólio * výnosnosť * aktíva * investovanie Anotácia Aplikácia procedúry prevzorkovania v rámci modelu výberu portfólia v priestore očakávaného výnosu a miery rizika CVaR. Daná procedúra predstavuje nástroj, ktorý má prispieť k zlepšeniu výkonnosti výsledných portfólií na dátach mimo výberového súboru a taktiež minimalizovať riziko spojené s chybou v odhade a problém s neistými vstupmi optimalizácie. Bližšie oboznámenie sa s danou procedúrou a príspevkami zaoberajúcimi sa touto problematikou, prípadná modifikácia/rozšírenie procedúry pre potreby využitia generovania dát z viacrozmerných, nie-normálnych rozdelení. Aplikácia tejto procedúry na vybraných dátach 10 aktív v porovnaní s „klasickým“ prístupom pri riešení modelov výberu portfólia. Kategória EPC Publikované príspevky na domácich vedeckých konferenciách Báza dát PUBLIKAČNÁ ČINNOSŤ Archív EPC E21 00658-008, kópia plného textu
Názov súboru Veľkosť Typ prístupu Plný text PDF 973.3 KB z IP adresy SEK po prihlásení 
článok
Počet záznamov: 1