| dc.description.abstract | Изследването прави опит да изведе основните предимства и предизвикателства пред Deep Autoregressive (DeepAR) като един от модерните алгоритми за ма-шинно самообучение (ML) както при неговото приложение за анализ на времеви редове, така и вчастност за извеждане на оценка за стойност под риск Value at Risk (VaR). Анализът включва и оценка посредством Generalized Autoregressive Conditional Heteroscedasticity (GARCH) като един количествен метод, който е широко разпространен и прилаган от дълго време във финансовия сектор. Изведената оценка обхваща валутен риск (валутна позиция в JPY, USD и GBP) и позиционен риск за акции (дълга позиция в Apple и Microsoft Corporation). Съпоставката на резултатите от двата алгоритъма потвърждава количественото превъзходство на DeepAR, но се акцентира и върху някои практикоприложни предизвикателства. Това, от своя страна, прави използването на методите за ML подходящи за извеждането на VaR, но след анализ на предимствата и предизвикателствата. | bg_BG |
