Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorPospíšil Jan, Ing. Ph.D.
dc.contributor.authorOsvald, Tomáš
dc.contributor.refereeKopincová Hana, Ing. Ph.D.
dc.date.accepted2017-8-29
dc.date.accessioned2018-01-15T15:05:12Z-
dc.date.available2016-10-3
dc.date.available2018-01-15T15:05:12Z-
dc.date.issued2017
dc.date.submitted2017-7-11
dc.identifier72217
dc.identifier.urihttp://hdl.handle.net/11025/27787
dc.description.abstractV této práci se zabýváme kalibrací modelů stochastické volatility pomocí kvazi-evolučních algoritmů. V úvodu nastíníme problém evolučních algoritmů a typy inicializačních populací, které mají velký vliv na výsledek algoritmu. V práci popisujeme jednotlivé kroky genetického algoritmu, stanovýme si testovací funkce a zabýváme se modely stochastické volatility. Součástí práce je i modifikace genetického algoritmu v programu Matlab. Zde porovnáváme použití náhodné a quasi náhodné inicializační populace při kalibraci na reálná tržní data.cs
dc.format34 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectkvazi-evoluční algoritmuscs
dc.subjectevoluční algoritmycs
dc.subjectgenetický algoritmuscs
dc.subjectinicializační technikycs
dc.subjectkalibrace modelůcs
dc.titleKalibrace modelů stochastické volatility pomocí kvazi-evolučních algoritmůcs
dc.title.alternativeCalibration of stochastic volatility models using quasi-evolutionary algorithmsen
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programMatematikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedIn this thesis, we focus on calibration of stochastic volatility models using quasi-evolutionary algorithms. First we introduce evolutionary algorithms and types of initialization of a new population, that has an important impact on the algorithm. In methodology, we describe each step of the genetic algorithm, set the test functions and focus on stochastic volatility models. An implementation part of this thesis is also a modification of genetic algorithm in software Matlab. We compare quasi random and random initial population on real market data calibration problem.en
dc.subject.translatedquasi-evolutionary algorithmsen
dc.subject.translatedevolutionary algorithmsen
dc.subject.translatedgenetic algorithmen
dc.subject.translatedinitialization techniquesen
dc.subject.translatedmodels calibrationen
Vyskytuje se v kolekcích:Diplomové práce / Theses (KMA)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
bp.pdfPlný text práce7,81 MBAdobe PDFZobrazit/otevřít
PV_Osvald.pdfPosudek vedoucího práce1,19 MBAdobe PDFZobrazit/otevřít
PO_Osvald.pdfPosudek oponenta práce1,45 MBAdobe PDFZobrazit/otevřít
Prubeh_Osvald.pdfPrůběh obhajoby práce14,59 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/27787

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra matematiky / Department of Mathematics
  5. Diplomové práce / Theses (KMA)