Makroekonominių rodiklių netikėtumų poveikio akcijų grąžai modeliavimas
Disertacijos gynimo komisijos pirmininkas / Dissertation Defence Board Chairman | |
Disertacijos gynimo komisijos narys / Dissertation Defense Board Member | |
Darškuvienė, Valdonė | Disertacijos gynimo komisijos narys / Dissertation Defense Board Member |
Fedajev, Aleksandra | Disertacijos gynimo komisijos narys / Dissertation Defense Board Member |
Levišauskaitė, Kristina | Disertacijos gynimo komisijos narys / Dissertation Defense Board Member |
Atlikta mokslinių tyrimų analizė leidžia teigti, kad stokojama mokslinių tyrimų apie makroekonominių rodiklių netikėtumų poveikio akcijų grąžai modeliavimą per trumpą laiko tarpą. Siekiant užpildyti šią spragą yra suformuotas disertacijos tikslas - ištirti makroekonominių rodiklių netikėtumų reiškinį ir jo sąsajas su akcijų grąža bei sudaryti ir empiriškai patikrinti makroekonominių rodiklių netikėtumų poveikio akcijų grąžai prognozavimo modelius, panaudojant tradicinius ir mašininio mokymosi metodus. Mokslinė problema - kokia yra makroekonominių rodiklių netikėtumų reiškinio esmė, kaip ją įvertinti ir modeliuoti makroekonominių rodiklių netikėtumų poveikį akcijų grąžai tradiciniais ir mašininio mokymosi metodais. Empiriniu tyrimu nustatyta, kad dauguma makroekonominių rodiklių netikėtumų esant skirtingiems scenarijais neturi statistiškai reikšmingo poveikio EURO STOXX 50 indekso grąžai per trumpą laiko tarpą. Tęsiant tyrimą su statistiškai reikšmingais makroekonominių rodiklių netikėtumo poveikio EURO STOXX 50 indekso grąžai modeliais ir jų duomenų rinkiniais, atskleista, jog remiantis mašininio mokymosi metodais galima sukurti kelis kartus tikslesnius EURO STOXX indekso grąžai prognozuoti modelius, nei kad taikant tradicinius metodus.
Literature analysis suggests that there is a lack of research regarding modelling the surprise effect of macroeconomic indicators on stock returns in the short run. To fill this gap in the literature, the major purpose of this dissertation is to research the phenomenon representing the surprise effect of macroeconomic indicators and its relationship with stock returns, to develop and empirically test the models for forecasting the surprise effect of macroeconomic indicators on stock returns by employing traditional and machine learning methods. The scientific problem of the research: what is the essence of the surprise effect of macroeconomic indicators and how to evaluate and model the surprise effect of macroeconomic indicators on stock returns by employing traditional and machine learning methods? The empirical research revealed that most surprises of macroeconomic indicators do not have any statistically significant effect on the return on the EURO STOXX 50 index under different scenarios in the short run. The study with statistically significant models and their data sets representing the potential surprise effect of macroeconomic indicators on the return of the EURO STOXX 50 index disclosed that machine learning methods can provide several times more accurate models for forecasting the return of the EURO STOXX index than traditional methods.