Procjena broja latentnih faktora u visokodimenzionalnim financijskim podatcima

master's thesis

• Title (english): Estimating the Number of Latent Factors in High-dimensional Financial Data
• Author: Sven Goluža
• Mentor: Zvonko Kostanjčar (mentor)
• Committee member: Zvonko Kostanjčar (predsjednik povjerenstva)
• Committee member: Tomislav Petković (član povjerenstva)
• Committee member: Stjepan Begušić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U ovom radu predstavljena je procjena broja latentnih faktora u visokodimenzionalnim financijskim podatcima. Razmatrana su tri različita procjenitelja broja latentnih faktora temeljena na svojstvima optimizacije portfelja, točnije optimizaciji minimalne varijance, maksimalne diverzifikacije i Sharpeovog omjera portfelja. Opisane su funkcije pogreške koje numerički određuju broj latentnih faktora. Opisani su simulacijski podatci koji predstavljaju visoku dimenzionalnost i teške repove podataka povrata financijskih instrumenata, te se koriste pri testiranju i validaciji procjenitelja. Izvedbe procjenitelja testirane su i uspoređene s već poznatim metodama procjene broja latentnih faktora poput paralelne analize i Marchenko-Pastur pravila nad simulacijskim i financijskim podatcima.

Abstract (english)

This thesis presents an estimation of the number of latent factors in high-dimensional financial data. Three different estimators of the number of latent factors based on portfolio optimization properties are described. Considered portfolio optimizations include minimum variance, maximum diversification and maximum Sharpe ratio optimization. Loss functions used to numerically determine the number of latent factors are described. Simulation data that replicates the high-dimensionality and heavy tails of financial return data is described and used to test and validate mentioned estimators. Performances of mentioned estimators are tested and compared with other common methods for estimating the number of latent factors, like parallel analysis and Marchenko-Pastur rule, on both simulation and financial data.

• Keywords: latentni faktorski modeli; visoka dimenzionalnost; optimizacija portfelja; procjena financijskog rizika; teški repovi
• Keywords (english): latent factor models; high-dimensionality; portfolio optimization; financial risk modeling; heavy tails
• Language: croatian
• URN:NBN: urn:nbn:hr:168:031037
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-13 14:58:04