Parametric models are used to understand dynamical systems and predict its future behavior. It is difficult to estimate the model’s parametric values since there are usually many parameters and they are highly correlated. The aim of this project is to apply the method of indirect inference and the two stage approach to estimate the drift and volatility parameters of a Geometric Brownian Motion. This was first done by estimating the parameters of a known Geometric Brownian process. Then, the Coca-Cola Company’s stock was used for a five-year forecast to study the estimators’ predictive power. The two stage approach struggles when the data does not truly follow a Geometric Brownian Motion, but when it does it produces highly efficient and accurate estimates. The method of indirect inference produces better estimates, than the two stage approach,for data that deviates from a Geometric Brownian Motion.Therefore, it is preferable to use indirect inference over two stage approach for stock price forecasting. / Parametriska modeller används för attförstå dynamiska system och förutspå dess framtida beteende.Det är utmanande att skatta modellens parametriska värdeneftersom det vanligtvis finns många parametrar och de är oftastarkt korrelerade. Målet med detta projekt är att tillämpametoderna indirect inference och two stage approach för attskatta drivnings- och volatilitetsparametrarna av en geometriskBrownsk rörelse. Först skattades parametrarna av en kändGeometrisk Brownsk rörelse. Sedan användes The Coca-ColaCompanys aktie i syfte att studera estimatorernas förmåga attförutspå en femårig period. Two stage approach fungerar dåligtför data som inte helt följer en geometrisk Brownsk rörelse, mennär datan gör det är skattningarna noggranna och effektiva.Indirect inference ger bättre skattningar än two stage approachnär datan inte helt följer en geometrisk Brownsk rörelse. Därförär indirect inference att föredra för aktieprognoser. / Kandidatexjobb i elektroteknik 2022, KTH, Stockholm
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-322715 |
| Date | January 2022 |
| Creators | Hernadi, Victor, Carocca Jeria, Leandro |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2022:127 |
Page generated in 0.0019 seconds