| Form of studies |
Professional Bachelor |
| Title of the study programm |
Financial Engineering |
| Title in original language |
Komercbanku likviditātes riska prognozēšana un modelēšana |
| Title in English |
Forecasting and Modeling Liquidity Risk in Commercial Banks |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Viktors Ajevskis |
| Reviewer |
Guna Ciemleja |
| Abstract |
KOMERCBANKU LIKVIDITĀTES RISKA PROGNOZĒŠANA UN
MODELĒŠANA
Bakalaurs darbā pētīta komercbanku likviditātes riska prognozēšana un
modelēšana, īpašu uzmanību pievēršos likviditātes seguma rādītājam jeb LCR. Darba
mērķis ir salīdzināt kvantitatīvās modelēšanas pieejas un novērtēt to piemērotību
likviditātes riska analīzei.
Teorētiskajā daļā aplūkots likviditātes riska būtība, regulatīvie un iekšējie
likviditātes rādītāji, stresa testēšana, agrīnās brīdināšanas sistēmas un galvenās
modelēšanas metodes. Praktiskajā daļā analizēti Swedbank, SEB un Citadeles
ceturkšņu dati no 2018. gada I ceturkšņa līdz 2024. gada IV ceturksnim. Izmantojot
aprakstošo statistiku, korelācijas analīzi, regresijas modeļiem un ARIMA modeļus,
salīdzināta LCR prognozēšanas precizitāte izmantojot 2024. gadu, kā testa periodu.
Pētījuma rezultāti parāda, ka precīzākas prognozes kopumā sniedza ARIMA
modeļi, kuru kopējais MAE ir 87,58 un RMSE ir 175,03. Regresijas modeļi uzrādīja
lielākas prognozēšanas kļūdas, tomēr tie labāk izskaidroja faktorus, kas ir saistīti ar
LCR izmaiņām. Darbā secināts, ka likviditātes riska vadībā ir lietderīgi kombinēt
prognozēšanas un skaidrojošās modelēšanas pieejas.
Bakalaura darbā ir 63 lappuses, 4 attēli, 15 tabulas, 2 pielikumi un 38
informācijas avoti. |
| Keywords |
likviditātes risks, komercbankas, LCR, ARIMA, regresija. |
| Keywords in English |
liquidity risks, commercial banks, LCR, ARIMA, regression. |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
25.05.2026 21:51:38 |
