Investment decisions are now more crucial than ever. The investors Investment decisions are now more crucial than ever. The investors are in need of sound arguments, which will be able to shape the investment specifications and appraise their uncertain nature. This paper proposes an innovative approach that merges optimisation and risk analysis in one single method. The two-step investment appraisal approach reaches an optimum through a Genetic Algorithm optimisation and then assesses the environment’s risk through a Monte Carlo simulation. The approach, thus, offers the best investment characteristics, as well as information about its implied risk. The use of the method is illustrated through an extensive Case Study
On deciding for the most appropriate investment when capital restrictions exist, investors define their alternatives and analyze each one of them. Traditionally, the definition, appraisal and analysis stages are treated separately. Herein, an innovative holistic method is proposed for bridging these stages. Within this method, investment attributes definition occurs by genetic algorithm optimization, while the analysis of the investment is realized through simulation. The method also proposes the NPV Expected Shortfall and the NPV Risk Preference Index as investment evaluation criteria. An illustrative case study of two mutually exclusive renewable energy investment scenarios is also used for demonstration purposes. Copyright © 2008 John Wiley & Sons, Ltd.
Lately, traditional forecasting methods have been depicted as inferior to newer ones which are attempting to simulate the human decision making process. However, this goal might even be impossible to achieve. This paper introduces an inverse approach to the forecasting problem. The typical process of attempting to subtractively model the expert's knowledge and cognitive function and then perform the forecast is replaced by the dynamic extraction of pure experts' forecasts and the subsequent summing up of the information. The design and benefits of a business game that serves as an information aggregation tool producing valuable predictors is hereby supported.
Η παρούσα διδακτορική διατριβή εστιάζει σε προβλήματα πρόβλεψης. Στον πυρήνα τους, ταπροβλήματα αυτά αναφέρονται στην εκτιμ́ηση της μελλοντικής τιμής μίας μεταβλητής, η οποία δυνητικάσυσχετίζεται με σύνολο άλλων μεταβλητών, ή και ακολουθεί συγκεκριμένο μοτίβο. Πληθώραστατιστικών προσεγγίσεων υπάρχουν διαθέσιμες, εκτεινόμενες από κλασσικές τεχνικές οικονομετρίαςέως πρόσφατους αλγορίθμους εξόρυξης δεδομένων. Στην πράξη, ωστόσο, οι αναζητούμενεςσυσχετίσεις είναι ισχυρά δυναμικές και τα πιθανά μοτίβα, εάν υπάρχουν, μεταβάλλονται με χαοτικότρόπο. Κατά συνέπεια, το σύνολο των μεθόδων αυτών συχνά αποτυγχάνουν, δεδομένων τωνσύμφυτών τους περιορισμών.Οι ειδικοί, στο άλλο άκρο του φάσματος επιλογών, μοιάζουν συχνά περισσότερο κατάλληλοι για τηναντιμετώπιση του προβλήματος πρόβλεψης. Ένας ειδικός δύναται να επεξεργαστεί μεγάλο αριθμόμεταβλητών και να προσαρμόσει ταχέως τις εκτιμήσεις του σε μεταβλητά περιβάλλοντα. Ωστόσο,προβλήματα όπως η μεροληψία υποβιβάζουν την αξία τέτοιων εκτιμήσεων. Κατά συνέπεια,αναδεικνύεται η ανάγκη και συνάμα η ευκαιρία κατασκευής μηχανισμού που θα μπορεί να επιδείξειικανότητα άθροισης πληροφορίας από ειδικούς με δυναμικό και αποδοτικό τρόπο, αναιρώνταςταυτόχρονα τα μειονεκτήματα των εκτιμήσεων αυτών.Οι αγορές αναδεικνύονται ως αναδυόμενο υπόδειγμα απόκρισης στην εν λόγω ανάγκη. Οικαθιερωμένες αγορές εστιάζουν στην υποστήριξη των θεμελιωδών λειτουργιών επένδυσης,αντιστάθμισης κινδύνου και κερδοσκοπίας, ενώ η εξίσου θεμελιώδης λειτουργιά άθροισης πληροφορίαςπαραμένει σε λανθάνουσα κατάσταση. Οι νεοσύστατες –και ως σήμερα περιορισμένης έκτασης–αγορές προβλέψεων επιχειρούν να αξιοποιήσουν την κατάσταση αυτή. Η παρούσα διατριβή εστιάζειστη μελέτη τους.Αρχικά, επιχειρείται η εξαντλητική βιβλιογραφική ανασκόπηση του πεδίου έρευνας και παρέχεταιλεπτομερές σχήμα ταξινόμησης της υφιστάμενης βιβλιογραφίας, αμφότερες συνεισφορέςεμφανιζόμενες για πρώτη φορά στη διεθνή βιβλιογραφία.Στη συνέχεια, η διατριβή εστιάζει στην αναγνώριση των χαρακτηριστικών εκείνων που καθιστούν τουςευρύτερα χρησιμοποιούμενους μηχανισμούς αγοράς ως ακατάλληλους για την περίπτωση αγοράςπροβλέψεων. Αξιοποιώντας την πρόσφατη ανάδειξη ζεύγους κατάλληλων μηχανισμών αγοράς,συγκεκριμένα των κανόνων βαθμολόγησης αγοράς και της αγοράς δυναμικού αμοιβαίου στοιχήματος,προτείνεται πλαισ́ιο ιδιοτήτων για την κατασκευή συναφούς συνάρτησης τιμής για τον δεύτερο εκ τωνμηχανισμών.Στη συνέχεια, παρουσιάζεται ζεύγος συναρτήσεων που ικανοποιούν το προτεινόμενο πλαίσιοσυνάφειας. Η δεύτερη προτεινόμενη συνάρτηση προσομοιάζει τη λειτουργία των κανόνωνβαθμολόγησης αγοράς, συνεισφέροντας εν τέλει ένα συνεκτικό υβρίδιο μεταξύ των μηχανισμώναγοράς προβλέψεων.Επιπρόσθετα επιχειρείται η θεωρητική αποτίμηση της απόδοσης του προτεινόμενου μηχανισμού,διαμορφώνοντας ένα δυναμικό μοντέλο αγοράς και προσωμοιώνοντας συμπεριφορές και στρατηγικέςπρακτόρων. Μεταξύ άλλων, μελετώνται οι ιδιότητες σύγκλισης, αφομοιώσης πρόσφατων πληροφοριώνκαι εξισορρόπησης.Στη συνέχεια, η θεωρία και τα μοντέλα λειτουργίας παραχωρούν τη θέση τους στις εφαρμογές. Ηανάγκη εξέτασης του προτεινόμενου μηχανισμού στην πράξη, οδήγησε στην κατασκευήολοκληρωμένης διαδικτυακής πλατφόρμας με την ονομασία askmarkets. Αξιοποιώντας την πλατφόρμααυτή, σειρά πειραμάτων σε ακαδημαϊκό, επιχειρηματικό και ανοικτό διαδικτυακό περιβάλλονπεριγράφονται και τα αποτελέσματα αυτών αναλύονται με στόχο την εμπειρική επαλήθευση τωνθεωρητικών ευρημάτων. Με βάση τα πειράματα αυτά και την εμπειρία διεξαγωγής τους, παρέχεταιεπίσης πρακτικός οδηγός υλοποίησης σχετικών εφαρμογών.Αναπτύσσονται επίσης προχωρημένες έννοιες, όπως η δυνατότητα ανίχνευσης γεγονότων μέσωαγορών προβλέψεων. Η απάντηση προσεγγίζεται μέσα από την περιέλιξη της χρονοσειράς των τιμώνμε την ροή σχετικών γεγονότων. Η προσέγγιση επαληθεύεται θεωρητικά με χρήση του μάλλονπερισσότερου εκτενούς συνόλου δεδομένων αγορών προβλέψεων που έχει μέχρι σήμερα αναλυθεί.Εν τέλει, η παρούσα διατριβή φιλοδοξεί να αποτελέσει μοναδική συνεισφορά στο ερευνητικό πεδίο τωναγορών προβλέψεων και της πρόβλεψης γενικότερα, μελετώντας τον εν λόγω μηχανισμό σε εύρος καιβάθος, καλύπτοντας ζητήματα από την εξαντλητική βιβλιογραφική ανασκόπηση ως ένα νέο συνεκτικόμηχανισμό λειτουργίας, επίσης από τη μοντελοποιήση ως τις προσομοιώσεις, τις εκτενείς μελέτεςπερίπτωσης και προχωρημένα θέματα.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.