Detailansicht
Statistische Analyse der Liquidität von Wertpapieren unter Verwendung von Methoden des Machine Learnings
Andreas Hackl
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Marcus Hudec
DOI
10.25365/thesis.37003
URN
urn:nbn:at:at-ubw:1-29428.26043.320061-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In dieser Arbeit wird versucht, mithilfe spezieller statistischer Verfahren, die im Bereich des „maschinellen Lernens“ einzuordnen sind, eine Klassifizierung von Wertpapieren in Liquiditätskategorien anhand verschiedener Eigenschaften durchzuführen, welche mit der Liquidität in Verbindung gebracht werden können. Im Vordergrund steht dabei die Fragestellung, in wie fern sich jene Liquiditätseinstufungen, welche sich mithilfe eines traditionell verwendeten Maßes zur Kategorisierung, der sogenannten „Amihud Illiquidity Ratio“, ergeben, über die Berechnung von Klassifikationsmodellen mit finanzwirtschaftlichen und makroökonomischen Prädiktoren nachbilden lassen (das bedeutet, wie gut die tatsächliche Liquiditätskategorie mithilfe derartiger Prädiktoren vorhergesagt werden kann).
Diese Fragestellung wird in Form einer Analyse mit einem explorativen Charakter behandelt: Explorativ bedeutet dabei, dass bei der Verfassung dieser Arbeit nicht das Ziel verfolgt wird, explizit nachzuweisen, dass gewisse wirtschaftliche Faktoren einen hochsignifikanten Beitrag zur Erklärung der Liquidität liefern, dafür ist die verwendete Datenmenge auch deutlich zu gering. Es geht hier eher um das Auffinden grundlegender Zusammenhänge zwischen derartigen Faktoren und der Liquidität von Wertpapieren, und der Erforschung, in welcher Qualität eine derartige Aufgabe mithilfe von Methoden des maschinellen Lernens gelöst werden kann.
Als Verfahren kommen in weiterer Folge drei sogenannte „überwachte“ Lernverfahren (klassische Klassifikationsbäume, Random Forests sowie Support Vector Machines) sowie eine Methode aus dem nicht-überwachten Bereich (eine verallgemeinerte Variante des k-Means Clustering) zum Einsatz.
Schlagwörter
Schlagwörter
(Englisch)
Machine Learning Classification Assets
Schlagwörter
(Deutsch)
Machine Learning Klassifikation Wertpapiere
Autor*innen
Andreas Hackl
Haupttitel (Deutsch)
Statistische Analyse der Liquidität von Wertpapieren unter Verwendung von Methoden des Machine Learnings
Paralleltitel (Englisch)
Statistical analysis of the liquidity of assets by using Machine Learning methods
Publikationsjahr
2015
Umfangsangabe
107 S. : graph. Darst.
Sprache
Deutsch
Beurteiler*in
Marcus Hudec
Klassifikationen
54 Informatik > 54.89 Angewandte Informatik: Sonstiges ,
83 Volkswirtschaft > 83.50 Geld, Inflation, Kapitalmarkt
AC Nummer
AC12297247
Utheses ID
32797
Studienkennzahl
UA | 066 | 951 | |