BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Będowska-Sójka Barbara (Uniwersytet Ekonomiczny w Poznaniu)
Title
Beta zrealizowana jako metoda pomiaru ryzyka systematycznego
Realized Beta as a Measure of Systematic Risk
Source
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 2010, nr 28, s. 193-205, rys., bibliogr. 16 poz.
Keyword
Inwestycje finansowe, Ekonometria, Modele ekonometryczne, Model GARCH, Model ARFIMA, Model wyceny aktywów kapitałowych
Financial investment, Econometrics, Econometric models, GARCH model, Autoregressive fractionally integrated moving average model (ARFIMA), Capital Asset Pricing Model (CAPM)
Note
streszcz., summ..
Abstract
Dużym zainteresowaniem, zarówno praktyków jak i teoretyków finansów, cieszą się modele wyceny aktywów finansowych. Z punktu widzenia tych pierwszych istotne jest, aby model był nieskomplikowany, co przekłada się na małą liczbę czynników mających wpływ na kształtowanie cen instrumentów finansowych. Stąd duża popularność modelu wyceny aktywów kapitałowych (ang. capital asset pricing model), zaproponowanego niezależnie przez Sharpe'a (1966) i Lintnera (1965). W modelu CAPM jedynym czynnikiem wpływającym na zwroty z instrumentu jest ryzyko systematyczne, określone przez kowariancję zwrotów z pojedynczego instrumentu ze zwrotami z portfela rynkowego. Taka konstrukcja modelu narażona jest na krytykę. Z jednej strony trudno jednoznacznie określić, co stanowi najlepsze przybliżenie portfela rynkowego. Krytyka Rolla koncentruje się na tym, że nie ma jasności, co do tego, czy wskazana w teorii wielkość (tu: portfel rynkowy) jest dobrze odzwierciedlona w przyjmowanych wielkościach (szeroki indeks giełdowy). Z drugiej strony, w badaniach Famy i Frencha (1992) wykazano, że modele trójczynnikowe lepiej opisują zachowanie stóp zwrotu z akcji na rynkach kapitałowych niż model CAPM. (fragment tekstu)

Beta is a measure of systematic risk of a stock quoted on stock exchange. A large literature over last years reveals consensus that betas are time-varying. Using recently presented framework of realized volatility, one may calculate realized betas. In this paper we compare the realized betas for few stocks from WIG20. These betas are calculated from the data of different frequency (daily and intradaily) and set as monthly betas. The betas, which are calculated from intraday data, are less volatile than these calculated on daily data. We also model the former betas with ARFIMA process with restricted parameter of fractional integration.(original abstract)
Accessibility
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
Szczecin University Main Library
Bibliography
Show
  1. Alexander C, Market Models, Isma Centre, 2008.
  2. Andersen T., Bollerslev T., Diebold F., Parametric and nonparametric volatility measurement, in: Handbook of Financial Econometrics, eds. L.P. Hansen, Y. Ait-Sahalia, Amsterdam, North-Holland, 2003.
  3. Andersen, T., Bollerslev, T., Diebold, F.X., Labys, P., Modeling and Forecasting Realized Volatility, "Econometrica" 2003, vol. 71.
  4. Andersen, T.G., Bollerslev, T., Answering the skeptics: Yes, standard volatility models do provide accurate forecasts, "International Economic Review" 1998, vol. 39.
  5. Andersen, T.G., Bollerslev, T., Meddahi, N., Correcting the errors: Volatility forecast evaluation using high-frequency data and realized volatilities, "Econometrica" 2005, vol. 73.
  6. Będowska-Sójka B., Kliber A., Realized Yolatility versus GARCH and Stochastic Volatility Models- the Polish Financial Markets Case, working paper 2010.
  7. Bollerslev T., Engle R., Wooldridge J.M., A Capital Asset Pricing Model with Time Varying Covariances, "Journal of Political Economy" 1988, vol. 95(1).
  8. Campbell J., Lo A. W., McKinlay A.C., The Econometrics of Financial Markets, Princeton University Press, 1997.
  9. Doman M, Doman R, Modelowanie zmienności i ryzyka, Wolters Kluwer Polska, Kraków 2009.
  10. Doman R., Prognozowanie zmienności zrealizowanej indeksu WIG20 za pomocą modelu GARCH, "Przegląd Statystyczny" 2003, nr 50(4).
  11. Fama E., French K., The Cross-Section ofExpected Returns, "Journal of Finance" 1992, vol. 47(2).
  12. Fiszeder P., Modele klasy GARCH w empirycznych badaniach finansowych. Wydawnictwo Naukowe UMK, Toruń 2009.
  13. Huang C.F., Litzenberger R.H., Foundations for Financial Economics, North Holland, NewYork l988.
  14. Laurent, S., Esdmating and Forecasting ARCH Models Using G@RCH 6.0, Timberlake Consultants Ltd 2009, www.timberlake.co.uk.
  15. Sharpe W., Capital asset prices - A theory of market equilibrium under conditions of risk, "Journal of Finance" 1992, vol. 19.
  16. Tsay R., Analysis of Financial Time Series, Wiley-Interscience, New York, 2005.
Cited by
Show
ISSN
1640-6818
1733-2842
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu