Browsing NTNU Open by Author "Risstad, Morten"
Now showing items 1-20 of 25
-
A Novel Approach to Predicting Interest Rates using PCA & Quantile Regression
Parashar, Abhirohan (Master thesis, 2021)Denne masteroppgaven forsøker å utforske renterisiko predikeringsevnen til en ny modell som benytter seg av kjente verktøy innad i fagområdet. For å kontrollere renterisiko benyttes ofte Value-at-Risk (VaR) estimeringsteknikker, ... -
Applied Option Pricing using Transformers
Sagen, Lavrans Kaul (Master thesis, 2024)Denne masteroppgaven omhandler maskinlæringsmodeller for tidsserier og deres evner innen opsjonsprising. Gjennom en grundig kryssvalideringsteknikk, spesiallaget for tidsseriemodeller, testes den relative nøyaktigheten i ... -
Assessing the Determinants and Theories of Capital Structure by Machine Learning
Caspersen, Herman; Modum, Carl Christian Aspestrand; Mohn, Nicolai Greve-Isdahl (Master thesis, 2024)Teorier og drivere av kapitalstruktur har blitt grundig forsket på og diskutert. Likevel er anvendelsen av maskinlæring innenfor dette feltet fortsatt begrenset. I denne studien benytter vi fem tre-baserte modeller, et ... -
Bonding with XAI: Exploring the Potential for Sovereign Bond Spread Predictions
Engebretsen, Andreas; Mørk, Magnus (Master thesis, 2023)Denne studien undersøker bruk av maskinlæring (ML) og forklarbar kunstig intelligens (XAI) for å predikere spredningen på statsobligasjonsrenter. Studien sammenligner AI-modeller, spesifikt ANN og LightGBM, med økonometriske ... -
Employing Machine Learning and Econometric Models to Forecast Implied Volatility for EUR/USD FX Options
Djupskås, Gard; Olsen, Asbjørn (Master thesis, 2022)I denne artikkelen gjennomfører vi en empirisk studie av prognosenøyaktigheten til LSTM-, Random Forest- og AR-GARCH-modeller for implisitt volatilitet på daglige spotkurser for EUR/USD-valutaopsjoner. Vi bruker en univariate ... -
Employing Machine Learning and Econometric Models to Forecast Implied Volatility for EUR/USD FX Options
Djupskås, Gard; Olsen, Asbjørn (Master thesis, 2022)I denne artikkelen gjennomfører vi en empirisk studie av prognosenøyaktigheten til LSTM-, Random Forest- og AR-GARCH-modeller for implisitt volatilitet på daglige spotkurser for EUR/USD-valutaopsjoner. Vi bruker en ... -
Enhanced Option Pricing Using Deep Learning: A Time-Series Approach with a Combined LSTM-MLP Model
Rygg, Erlend Stegavik; Vinje, Hjalmar Jacob; Wu, Cassandra (Master thesis, 2023)Denne artikkelen presenterer en dyplæringstilnærming til opsjonsprising som integrerer et long short-term memory (LSTM) nettverk med et multi-layer perceptron (MLP) netverk for å danne en kombinert LSTM-MLP modell. Den ... -
Essays in Financial Economics
Risstad, Morten (Doctoral theses at NTNU;2022:364, Doctoral thesis, 2022)Norsk sammendrag Denne avhandlingen er relevant for et antall interessenter; heriblant sentralbanker, myndigheter, finansinstitusjoner og andre kommersielle aktører. De fire artiklene som avhandlingen består av har til ... -
Estimating Value at Risk from implied volatilities using machine learning methods and quantile regression
Blom, Herman Mørkved (Master thesis, 2022)I denne studien foreslår vi en semi-parametrisk, sparsommelig Value at Risk-prognosemodell basert på kvantilregresjon og maskinlæringsmetoder, kombinert med markedspriser på opsjonskontrakter hentet fra over-the-counter ... -
Estimating Value-at-Risk in the EURUSD Currency Cross from Implied Volatilities Using Machine Learning Methods and Quantile Regression
Blom, Herman Mørkved; de Lange, Petter Eilif; Risstad, Morten (Peer reviewed; Journal article, 2023)In this study, we propose a semiparametric, parsimonious value-at-risk forecasting model, based on quantile regression and machine learning methods, combined with readily available market prices of option contracts from ... -
Financial Distress Prediction in the Nordics: Early Warnings from Machine Learning Models
Birkeland Abrahamsen, Nils-Gunnar; Nylén-Forthun, Emil; Møller, Mats; de Lange, Petter Eilif; Risstad, Morten (Journal article; Peer reviewed, 2024)This paper proposes an explicable early warning machine learning model for predicting financial distress, which generalizes across listed Nordic corporations. We develop a novel dataset, covering the period from Q1 2001 ... -
Forecasting day-ahead EURUSD Exchange Rate Risk: Leveraging the Volatility Surface and Machine Learning
Moen, Ida Aarflot; Pedersen, Marie Strøm; Utne, Hans Magnus (Master thesis, 2024)Å forbedre nøyaktigheten av finansielle risikoprognser er avgjørende for effektiv risikostyring i stadig mer dynamiske og sammenkoblede globale markeder. Value at Risk (VaR) og Expected Shortfall (ES) har blitt essensielle ... -
Forecasting implied volatilities of currency options with machine learning techniques and econometrics models
Olsen, Asbjørn; Djupskås, Gard; de Lange, Petter Eilif; Risstad, Morten (Journal article; Peer reviewed, 2024)Developing an effective modeling framework to minimize foreign exchange (FX) risk is of vital importance for hedgers and traders in FX markets. In this study, we compare the ability of long short-term memory (LSTM) models ... -
Forecasting Short-Term WTI Crude Oil Prices: Are State-of-the-Art Deep Learning Models More Accurate than Traditional Econometric Models?
Hovden, Erik Krokan; Spone, Erik Magnus Brynildsen; Strand, Ole Magnus Qvam (Master thesis, 2024)Nøyaktige prediksjoner av prisen på West Texas Intermediate (WTI) råolje står sentralt for en rekke interessenter på grunn av dens viktige rolle i globalt energiforbruk og økonomisk aktivitet. Nye fremskritt innen dyp ... -
Forecasting the Baltic Dry Sub-Indices Using Machine Learning and Econometric Methods
Bolstad, Marius Myrnes; Haugstvedt, Andreas (Master thesis, 2024)Denne oppgaven evaluerer et omfattende sett med økonometriske og maskinlæringsmodeller for prediksjon av spot- og forward-indekser i tørrbulk-segmentene Capesize, Panamax og Supramax. Vi bruker de økonometriske modellene ... -
Modelling EURNOK Returns using Genetic Programming Symbolic Regression
Myrseth, Mika Løset; Røstum, Silje Mangersnes; Vestrum, Benedicte Chen (Master thesis, 2023)Denne masteroppgaven undersøker ikke-lineære sammenhenger mellom den norske kronen og makroøkonomiske faktorer for å bedre forstå bevegelser i kronekursen. Genetic Programming Symbolic Regression (GPSR) brukes til å utvikle ... -
On the Exchange Rate Dynamics of the Norwegian Krone
Risstad, Morten; Thodesen, Airin; Thune, Kristian August; Westgaard, Sjur (Peer reviewed; Journal article, 2023)Global energy production is undergoing a transition from fossils to renewables. At the same time, the Norwegian Oil Fund has grown exponentially in size and is now a major global investor. These events in combination are ... -
On the relevance of realized quarticity for exchange rate volatility forecasts
Risstad, Morten; Holand, Mathias (Journal article; Peer reviewed, 2024)High-frequency tick data have proved helpful for forecasting volatility across asset classes. In the finite samples typically faced by practitioners, however, noise inherent in tick-level prices creates inaccuracies in ... -
Predicting interest rate distributions using PCA & quantile regression
Pimentel, Rita; Risstad, Morten; Westgaard, Sjur (Peer reviewed; Journal article, 2022)Principal component analysis (PCA) is well established as a powerful statistical technique in the realm of yield curve modeling. PCA based term structure models typically provide accurate fit to observed yields and explain ... -
Prediction of realized volatility and implied volatility indices using AI and machine learning: A review
Gunnarsson, Elias Søvik; Isern, Håkon Ramon; Kaloudis, Aris; Risstad, Morten; Vigdel, Benjamin; Westgaard, Sjur (Journal article; Peer reviewed, 2024)In this systematic literature review, we examine the existing studies predicting realized volatility and implied volatility indices using artificial intelligence and machine learning. We survey the literature in order to ...