Квантильные модели оценки рыночных рисков

1. Историч данные

1.1. Для машинного обучения

1.1.1. 5 минутный интервал

1.1.1.1. фьючерсы

1.1.1.2. акции

1.1.2. подготавливаем и классифицируем

1.1.2.1. подготовка данных

1.1.2.2. классификация на основе волатильности

1.2. Для расчета DVAR

1.2.1. Дневные интервалы по акциям

1.2.1.1. Подготавливаем данные

2. Машинное обучение

2.1. Применяем алгоритмы к данным

2.1.1. Линейные

2.1.2. Нелинейные

2.1.3. Деревья решений

2.1.4. Ансамбли деревьев

2.2. Проработка данных и агрегирующих показателей

2.2.1. Убираем коррелерующие данные

2.2.2. Находим агрегирующие пареметры

2.3. Получаем алгоритм машанного обучения с определенной достоверностью прогнозировния

2.4. Применяем полученный алгоритм к историческим данным, которые еще не учавствовали в обучении и тестировании

2.5. Получаем классификацию данных на основе алгоритма

3. Коэф политика DVAR

3.1. Уровень дневной волатильности

3.1.1. Если в 5 минутных отрезках одного дня наблюдается больше волатильности то применяем коэф

4. Политика коэфициентов VAR (5 min)

4.1. Если классификатор 1

4.1.1. В в выбранном отрезке применяем коэффициент

4.2. Если классификатор 0

4.2.1. Не применяем коэф

5. Расчет VAR 5 min

5.1. Рассчитываем вар

5.2. Применяем коэфиенты

5.3. Оцениваем количество пробоев границ