INVESTAVIMAS Į ATEITIES SANDORIUS NAUDOJANT MONTE CARLO IR SHARPO METODUS

Pasaulinė išvestinių finansinių priemonių rinka yra dinamiškai augantis finansų rinkos segmentas. Nauji finansiniai produktai daro ekonominius santykius sudėtingesniais ir atsiranda naujų finansinių naujovių poreikis. Atsiranda pasaulinė tinklo ekonomika, kuri remiasi elektroninėmis jos veikimo sistemomis, per kelias sekundes perkelia milijardus dolerių į kitas rinkas. Ateities sandorių augimo dinamika pasaulyje per pastaruosius metus rodo, kad ši finansų rinkos dalis sparčiai vystosi. Maži transakcijų kaštai bei lengvas šių priemonių panaudojimas suteikia investuotojams daug galimybių kryptingai planuoti pinigų srautus bei siekti norimos grąžos. Dėl šios priežasties labai svarbu išanalizuoti ir tinkamai įvertinti ateities išvestinių sandorių galimas kainų kitimo kryptis ir tendencijas. Tam darbe sujungti du algoritmai, kaip paramos sistema investuotojui: prognozuojantis Monte Carlo metodas, kuris rodo atskirų instrumentų kitimo tendencijas, leidžia įžvelgti pirkimo ir pardavimo signalus, rinkos aktyvumą ir pasyvumą bei pasirinkti įėjimo į rinką laiką, kad prekyba būtų pelninga; kitas – optimizuojantis, leidžiantis sudaryti efektyvų portfelį, Sharpo metodas. Pasitelkiant šiais algoritminiais metodais bei jų rezultatais prognozuojamos ateities sandorių kainos ir sudaromas investicinis portfelis su tikėtina grąža ir mažesne rizika.

SKAITMENINIŲ VALIUTŲ KAINŲ PROGNOZAVIMAS NAUDOJANT GILIOJO MOKYMOSI ALGORITMĄ

Kriptovaliutos vis dar yra finansų rinkos naujovė ir iki galo neištirta finansinis instrumentas. Tai išlaiko kriptovaliutas įdomia ir aktualia tema, tiek mokslininkams, tiek reguliacinėms institucijoms bei investuotojams. Kriptovaliutų rinka yra auganti, nestabili ir nuolat besikeičianti, kas suteikia jai aukštą riziką ir plačias galimybes. Finansinis išmanymas ir toliaregiškas prognozavimas, nepasimetant pinigų vertės, rizikos ir nenuspėjamumo chaose yra ypač svarbus šiandieninėje ekonomikoje. Sudėtingas kriptovaliutų rinkos pobūdis reikalauja plataus profilio duomenų kiekio, kuriam apdoroti taikomi įvairūs metodai, tokie kaip statistinė, techninė, sentimentų, sprendimų bei kita analizė. Ankstesni tyrimai kriptovaliutų kainas numatė dviem būdais: empirine analize ir mašinų mokymosi algoritmų analize. Šiame straipsnyje testuojamas giliojo mokymosi algoritmo taikymo galimybės kriptovaliutų kainų prognozavime. Taikant ilgalaikės trumpalaikės atminties tinklo (angl. long, short-term network, toliau LSTM) algoritmą, prognozuojamas trumpalaikis kriptovaliutų kainų kitimas bei įvertinamas sugeneruotų duomenų tikslumas. Rezultatai parodė, kad giliojo mokymosi algoritmas kainas prognozuoja su maža paklaida ir tiksliai nuspėję kainos pokyčio tendenciją, kas leidžia teigti, kad giliojo mokymosi algoritmas yra efektyvi rizikos mažinimo priemonė finansų rinkoje.

ĮMONIŲ APSKAITOS ROBOTIZAVIMO TIKSLINGUMO VERTINIMAS

Informacinių technologijų galimybės vis sparčiau plečiasi, todėl ne išimtis yra ir įmonių apskaitos sritis, kurioje bandoma įdegti robotus į esamas apskaitos sistemas. Apskaitos automatizavimas yra svarbus todėl, nes kiekvieną dieną įvyksta tūkstančiai operacijų (bankinių operacijų, sąskaitų gavimas, išrašymas ir t. t.), kurios privalo būti registruojamos apskaitos programose. Šio tyrimo tikslas – įvertinti, ar tikslinga robotizuoti įmonių apskaitos darbus bei kokiose apskaitos srityse robotizavimas yra įmanomas. Pirmoje straipsnio dalyje analizuojami robotų integravimo apskaitos srityje privalumai ir trūkumai, išskiriamos ir aptariamos pagrindinės apskaitos sritys. Antroji straipsnio dalis yra skirta tyrimo metodologijai, kuria remiantis bus atliekamas mokslinis tyrimas pritaikius SAW, EDAS ir TOPSIS daugiakriterinius metodus. Trečioje straipsnio dalyje yra atliekamas empirinis tyrimas, kuriame analizuojami keturi apskaitos kriterijai ir jais remiantis suranguojamos įmonės pagal apskaitos tikslingumą.

INVESTICINIŲ FONDŲ VERTINIMAS ATSIŽVELGIANT Į JŲ TVARUMO LYGĮ

Globalioje aplinkoje tvarumas tampa aktualiu reiškiniu daugelyje sričių, o viena iš jų tvarios investicijos. Tvarus investavimas susijęs su investicijomis, kurios atsižvelgia į aplinkosaugos, socialinius ir ekonominius aspektus, jų dėka šiuolaikinis žmogus investuoja išsaugodamas galimybes būsimoms kartoms tenkinti savuosius poreikius. Straipsnio tyrimo tikslas – įvertinti pasirinktus investicinius fondus atsižvelgiant į jų tvarumo lygį. Tyrimo objektas – investiciniai fondai. Be tvaraus investavimo sąvokos darbe bus tiriama tvarių investicinių fondų vertinimo rodikliai. Straipsnyje naudojama mokslinės literatūros analizė bei daugiakriteriniai vertinimo metodai – SAW ir TOPSIS, kurių skaičiavimams pasitelkti bus investicinių fondų vertinimo rodikliai. Tyrimo rezultatai parodo, kurie iš pasirinktų investicinių fondų pagal fondų vertinimo rodiklius yra priimtiniausi investuotojams atsižvelgiant į investicinių fondų tvarumo lygį.

BALTIJOS ŠALIŲ FINANSINIO STABILUMO IR RIZIKOS VERTINIMAS

Tikslingas šalies rizikos vertinimas yra svarbus ir su kiekvienais metais tampa vis aktualesne tema. Investuotojai, siekdami suprasti, ar gali saugiai investuoti, taiko ne vieną metodą, siekdami nustatyti, ar šalis yra tinkama investavimui. Šiame straipsnyje siekiama įvertinti Baltijos šalių riziką ir identifikuoti rizikingiausią šalį. Taigi pradžioje apibūdinami šalies rizikos vertinimo metodai, paaiškinama, kas yra finansinis patikimumas, apžvelgiami kredito reitingai, palūkanų normos, CDS tarp valstybių. Tuomet taikant koreliaciją, regresiją, SAW metodus bei atliekant lyginamąją rodiklių analizę identifikuojama Baltijos rizikingiausia šalis.

EVALUATING PRIORITIES FOR FOREIGN DIRECT INVESTMENT IN BALTIC COUNTRIES

The purpose of this study is to аssеss the relаtive priоrity of three Bаltic countriеs аs а home country fоr fоreign direct іnvеstmеnt (FDI) іnflоw from the United Stаtеs of Аmericа over the pаst four yeаrs (2014–2018). The study offers а structured model referrіng to а combіnаtiоn of the аnаlytic hierаrchy procеss (АHP) аnd the technique fоr оrder preferеnce by sіmilаrity to ideаl solutiоn (TOPSIS). To provide vаlid аnswers to rеseаrch quеstiоn, the sevеn reliаble determіnаnts of FDI were selected from recеnt studiеs. The rеsults fоr this tіme period shоw thаt productivity, mаrket potеntiаl, mаrket size, GDP grоwth аnd developmеnt hаve the highеst priоrity іm the decisiоn-mаkіng procеss. Hоwever, this study hаs potеntiаl lіmitаtiоns. The evаluаtiоn of priоritiеs of Bаltic countriеs аre bаsed оn а lіmited tіme period. The obtаіned fіndіngs help to evаluаte trеnds of the аctivity of FDI аnd cаn аssist policy mаkers аnd іnvеstоrs of multіnаtiоnаl cоrpоrаtiоns with their chаllеngеs of strаtegic decisiоn-mаkіng procеss

DAUGIAKRITERINIŲ METODŲ TAIKYMAS OPTIMALIAM INVESTICINIAM PORTFELIUI SUDARYTI

Daugelis teorijų tyrinėdamos investicinių portfelių formavimą atsižvelgia į istorinius finansiniųinstrumentų duomenis. Tačiau, siekiant gauti didesnę grąžą reikalinga išsami analizė, todėl finansiniams instrumentamsatrinkti, reikalingas kompleksiškas vertinimas. Straipsnyje investicinio portfelio sudarymui naudojamidaugiakriterinai vertinimo metodai, kurie leidžia susisteminti visus reikalingus veiksnius ir atlikti kompleksinįvertinimą. SAW ir TOPSIS metodai leidžia išvengti subjektyvumo, nereikalauja nustatyti nagrinėjamų veiksniųreikšmingumo koeficientų. Investicinio portfelio vertinimo modelis apima veiksnių sistemos sudarymą, daugiakriteriometodo pritaikymą, finansinių instrumentų vertinimą ir rangavimą analizuojamame kontekste. Šiuoatveju, SAW metodo atrinktos akcijos generuoja geresnius rezultatus, lygindami laukiamą pelningumą, riziką,variacijos koeficientą bei Šarpo rodiklį. Šio straipsnio tikslas – sudaryti optimalius investicinius portfelius,pritaikant daugiakriterius vertinimo metodus SAW ir TOPSIS. Straipsnyje taikyti šie tyrimo metodai: mokslinėsliteratūros analizė, sisteminimas, lyginimas, finansinių ataskaitų analizė, statistinių duomenų analizė, daugiakriteriniaimetodai SAW ir TOPSIS, grafinis duomenų atvaizdavimas.

LIETUVOS ELEKTRONINIŲ PARDUOTUVIŲ FINANSINIO PASIRENGIMO DAUGIAKRITERINIS VERTINIMAS ELEKTRONINĖS PINIGINĖS FUNKCIONALUMUI ĮGYVENDINTI

Straipsnyje nagrinėjamos elektroninės piniginės, kaip finansinės technologijų ir inovacijų pavyzdys, bei kokie veiksniai lemia jų atsiradimo galimybes Lietuvos elektroniniame versle. Analizuojama elektroninės piniginės sandara, saugumo aspektai, elektroninės parduotuvės privalumai ir trūkumai, bei pateikiama fizinės ir elektroninės parduotuvių lyginamoji analizė. Detaliai analizuojami pagrindiniai veiksniai, darantys įtaką elektroninės piniginės funkcijos paleidimui Lietuvos elektroninėse parduotuvėse. Tyrimo tikslas – remiantis atlikta analizę, pasiūlyti elektroninių piniginių finansinio pasirengimo daugiakriterio vertinimo modelį, remiantis TOPSIS ir EDAS metodais, bei empiriškai patikrinti pasirinktų Lietuvos elektroninių parduotuvių pasirengimą elektroninės piniginės funkcionalumo įgyvendinimui. Didelę įtaką pasirinktiems tyrimo metodams ir gautiems rezultatams sudaro įmonių duomenų ribotas prieinamumas. Tyrimo rezultatai atskleidė, kad Lietuvoje elektroninis verslas nėra tinkamai pasirengęs tokioms inovacijoms, kaip elektroninė piniginė, dėl finansinio nestabilumo (visos tyrimui pasirinktos įmonės dirba nuostolingai), ir to, kad šios funkcijos neturi nei viena el. parduotuvė Lietuvoje.

FINANSINIŲ TECHNOLOGIJŲ ĮMONIŲ, TEIKIANČIŲ TARPTAUTINIŲ MOKĖJIMŲ PASLAUGAS, ĮTAKOS BANKŲ SEKTORIUI ANALIZĖ

Finansinių technologijų potencialas ir įtaka bankams tampa vis svarbesnė tema. Elektroninė bankininkystė, mokėjimai mobiliuoju telefonu bei kitos inovatyvios finansinės paslaugos tapo neatsiejama kiekvieno asmens gyvenimo dalimi. Investicijos į FinTech siekia rekordines aukštumas, todėl neretai yra kalbama, kad FinTech įstaigos gali pakeisti bankų sistemą bei sumažinti jos populiarumą. FinTech paslaugos yra plačiai paplitusios pasaulyje, tačiau vis dar trūksta mokslinės literatūros, nes tema dar labai nauja ir pilnai neištirta. Šiame straipsnyje teorinėje dalyje yra nagrinėta FinTech įtaka bankams, išskirti teigiami ir neigiami aspektai sisteminant ir sintezuojant mokslinę literatūrą. Bankai nuo seno turėjo didelius tarifus, tačiau atėjus FinTech įmonėms, ženkliai sumažėjo tarptautinių mokėjimų kainos bei pervedimo trukmė, kas paveikė ir bankų sektorių. Analitinėje dalyje nagrinėta Lietuvos FinTech įmonių, vykdančių tarptautinius mokėjimus (Revolut, Paysera ir TransferGo), įtaka Lietuvos bankams taikant daugiakriterinius metodus – SAW, TOPSIS ir EDAS. Šie metodai padėjo atskleisti, kuri įmonė Lietuvoje, užsiimanti tarptautinių mokėjimų pervedimais, turi didžiausią poveikį bankų sektoriui. Tyrimo apribojimai yra statistinė informacija, nes pasirinktas nagrinėjamas laikotarpis – 2018 m. bei analizuota tik tarptautinių mokėjimų sritis.

RINKOS SENTIMENTŲ PROGNOZAVIMAS NAUDOJANT DIRBTINĮ INTELEKTĄ

Kiekvienas investuotojas susiduria su efektyvių investicinių sprendimų priėmimo problema. Yra daug metodų, kuriais stengiamasi išanalizuoti finansų rinkoje vykstančių pokyčių priežastis bei remiantis tokia informacija numatyti ateities tendencijas. Vienas iš būdų yra investuotojų sentimentų prognozavimas. Šio straipsnio tyrimo tikslas yra atlikti skirtingų investuotojų sentimentų prognozavimą ir įvertinti prognozavimui naudojamo modelio patikimumą, t. y. siekiama atrasti patikimą sentimentų prognozavimo algoritmą. Tyrimui naudojamas dirbtinio intelekto giliojo mokymosi ilgos trumpalaikės atminties (LSTM) tinklų algoritmas bei grafinis gautų rezultatų vaizdavimas. Atlikus tyrimą buvo pastebėta, kad kiekvienu sentimentų prognozavimo atveju gauta paklaida (RMSE) buvo labai maža, o tai reiškia, kad prognozavimui naudojamas algoritmas yra labai patikimas. Sentimentų prognozavimas kartu su racionaliais prognozavimo metodais gali papildyti prekybos strategiją ar paramos sistemą investuotojui.