BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Czapkiewicz Anna (AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie), Majdasz Paweł (Statmet S.C.)
Title
Modelowanie szeregu stóp zwrotu na przykładzie wybranych indeksów światowych
The Modelling of Time Series of Returns on the Example of Word Stock Exchanges' Indexes
Source
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 2010, nr 28, s. 249-266, tab., bibliogr. 14 poz.
Keyword
Indeks giełdowy, Stopa zwrotu, Modele ekonometryczne, Model GARCH
Stock market indexes, Rate of return, Econometric models, GARCH model
Note
streszcz., summ..
Abstract
Modelowanie rozkładów szeregów utworzonych ze stóp zwrotu indeksów giełdowych jest jednym z ważniejszych zagadnień w finansach. Innym, nie mniej ważnym zagadnieniem jest szukanie zależności między tymi indeksami, co przekłada się na szukanie zależności między danymi rynkami finansowymi. Do modelowania wielowymiarowych rozkładów stóp zwrotu Embreechts i in zaproponował zastosowanie funkcji połączeń (copula function). Podejście to umożliwia rozważanie osobno rozkładów brzegowych i łącznego wielowymiarowego ciągłego rozkładu. Stosując to podejście badanie przebiega w dwóch etapach. Pierwszy etap to modelowanie rozkładów brzegowych, natomiast drugi to modelowanie związków pomiędzy rozkładami brzegowymi. W modelowaniu zależności zatem bardzo ważny jest poprawny opis rozkładów badanych szeregów czasowych.(fragment tekstu)

In this work the GARCH(1,1) model and AR(1)-GJR-GARCH(1,1) model are discussed with different conditional distributions, including Hansens distribution, in the case of constant as well as time varying parameters. We focus on the modeling framework of conditional returns that allows the moments of higher orders (2, 3, and 4) to vary over time. We investigate the daily returns of forty two stock indices coming from different emerging as well as developed European, American, and Asian, markets. The empirical data covers period from January 2000 to December 2008. The unknown parameters of the model specifications are estimated using the ML method. The analysis of the Akaike Information Criterion implies that the skewed distributions fit generally better to the data than those of symmetric. Next the goodness-of-fit testing is carried out for some of the discussed models, utilizing the fact that with a marginal distribution being specified correctly, the transformed standardized residuals are iid and distributed as Uniform (0; 1).(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. Arellano-Valle R., Gómez H., Quintana, F., A New Class of Skew-Normal Distributions, "Communications in Statistics" 2004, Series A, vol. 33(7).
  2. Bollerslev T., Generalized Autoregressive Conditional Heteroskedasticity, ,Journal of Econometrics" 1986, vol. 31.
  3. Bollerslev T., Wooldridge J.M., Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariance's, "Econometric Reviews" 1992, No. 11.
  4. Bollerslev T., Engle R., Nelson D., ARCH models, in: Engle, MacFadden, Handbook of econometrics, North-Holland, Amsterdam 1994.
  5. Diebold F.X., Gunther T.A., Tay A.S., Evaluating Density Forecasts with Applications to Financial Risk Management, "International Economic Review" 1998, 39(4).
  6. Embreecht P., McNeil A.J., Straumann D., Correlation and dependency in risk management: properties and pitfalls, in: Risk Management, M. Dempster, H. Moffant, Cambridge Uniyersity Press, New York 2001.
  7. Femandez C, Steel M., On Beyesian Modeling of Fat Tails and Skewness, "Journal of the American Statistical Association" 1998, No. 93.
  8. Hansen B., Autoregressive Conditional Density Estimation, "International Economic Review" 1994, vol. 35.
  9. Jondeau E., Rockinger, M., Conditional volatility, skewness, and kurtosis: existence, persistence, and comovements, "Journal of Economic Dynamics and Control"2003, No. 27 (10).
  10. Jondeau E., Rockinger, M., The Copula-Garch model of conditional dependencies: An International stock market application, ,Journal of International Money and Finance" 2006, vol. 25.
  11. Piontek K., Modelowanie warunkowej kurtozy oraz skośności w finansowych szeregach czasowych, konferencja naukowa Dynamiczne Modele Ekonometryczne, 2005.
  12. Roch O., Alegre A., Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market, "Computational Statistics& Data Analysis" 2006, vol. 51.
  13. Tsay R., Analysis of Financial Time Series, Wiley and Sons, Chicago 2002.
  14. Nelson D.B., Conditional Heteroskedasticity in Asset Returns: A New Approach, Econometrica"1991, vol. 59(2).
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