BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Osińska Magdalena (Uniwersytet Mikołaja Kopernika w Toruniu)
Title
Analiza zależności przyczynowych w zakresie wariancji, przykłady z rynków finansowych
Analysis of Causality in Variance Examples from Capital Markets
Source
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, 2004, nr 2, Cz. 1, s. 201-213, rys., tab, bibliogr. 26 poz.
Issue title
Rynek kapitałowy: skuteczne inwestowanie
Keyword
Rynek kapitałowy, Modele ekonometryczne, Analiza wariancji, Analiza zależności, Model GARCH, Analiza wielowymiarowa, Miernik ryzyka (VaR)
Capital market, Econometric models, Variance analysis, Dependency analysis, GARCH model, Multi-dimensional analysis, VaR method
Note
summ.
Abstract
Przesłanki rozważania modeli wielowymiarowych szeregów czasowych w analizach finansowych leżą w procesie globalizacji, przez który rozumie się proces pogłębiania się światowych powiązań we wszystkich aspektach współczesnego życia politycznego, społecznego, ekonomicznego i kulturowego (por. [16]). Procesy te są także widoczne na rynkach finansowych począwszy od lat 80-90-tych, kiedy nastąpiło otwarcie światowych giełd papierów wartościowych. Procesowi temu sprzyjały m.in. zastosowanie informatyki w obrotach kapitałowych i przyspieszenie obrotów, a zarazem zwiększenie płynności rynków finansowych, liberalizacja przepisów finansowych oraz znaczny wzrost kapitalizacji i wolumenu transakcji giełdowych. Sytuacja na rynkach finansowych wymaga umiejętności kojarzenia bardzo różnych zjawisk, oddziałujących często z pewnym odstępem czasu. Obserwuje się bowiem zjawisko przenoszenia się zarówno pozytywnych jak i negatywnych aspektów funkcjonowania rynków finansowych (a zwłaszcza giełd), zarówno w zakresie wartości oczekiwanej jak i zmienności. W odniesieniu do badania zależności i powiązań w zakresie warunkowej wartości oczekiwanej podstawową konstrukcją ekonometryczną stał się model VAR (wektorowy model autoregresyjny), który należy do szerszej klasy modeli VARMA (wektorowe modele ARMA). Modele wektorowo-autoregresyjne są szeroko wykorzystywane w ekonometrycznych analizach szeregów finansowych. (fragment tekstu)

Multivariate GARCH models are a basis for verification of many economic hypotheses, including hypothesis of causality in variance. The results of the empirical study show that dynamic relations between processes on the same market and between different markets are strong, incomporating analysis of variation.(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. Baba Y., Engle R.F., Kraft D.F., Kroner K.F. (1990). Multivariate simultaneous generalised ARCH, University of California at San Diego. Maszynopis.
  2. Bera A.K., Higgins M.L. (1993). ARCH models: properties, estimation and testing. Journal of Economic Surveys, 7.
  3. Bollerslev T. (1990). Modeling the coherence in short-term nominal exchange rates: A multivariate generalized ARCH approach. Review of Economics and Statistics, 72.
  4. Brzeszczyński J., Kelm R. (2002). Ekonometryczne modele rynków finansowych, WIG- Press.
  5. Caporale G.M., Pittis N., Spagnolo N. (2002). Testing for causality-in-variance: an application the East Asian markets. International Journal of Finance and Economics 7.
  6. Caporale G.M., Pittis N., Spagnolo N. (2002). Volatility transmission and financial crises, Centre for Monetary and Financial Economics, London South Bank University.
  7. Charemza W.W., Deadman D. (1997). Nowa ekonometria, PWE.
  8. Cheung Y-V., Ng L.K.(1996). A causality-in-variance test and its application financial market prices. Journal of Econometrics 72.
  9. Fiszeder P., Razik W., (2003). Analiza efektu zarażania na przykładzie zależności pomiędzy indeksem WIG a indeksami wybranych rynków akcji na świecie, AUNC. UMK Toruń.
  10. Geweke J., Meese R., Dent W. (1983). Comparing alternative tests for causality in temporal systems. Journal of Econometrics, 21.
  11. Gourieroux C. (1997). ARCH Models and Financial Applications, Springer.
  12. Granger C.W.J. (1969). Investigating causal relations by econometric models and cross-spectral methods, Econometrica, 37.
  13. Granger C.W.J., Huang B-N., Yang C-W. (2000). A bivariate causality between stock prices and exchange rates: evidence from recent Asian flu. The Quarterly Review of Economics and Finance 40.
  14. Judge G.G., Griffiths W.E., Hill R.C., Lee T.C. (1985). The Theory and Practice of Econometrics, J. Wiley & Sons Co.
  15. Kraft D.F., Engle R.F. (1983). Autoregressive conditional heteroskedasticity in multiple time series. UCSD. Maszynopis.
  16. Liberska B. (2002). Globalizacja. Mechanizmy i wyzwania, PWE, Warszawa.
  17. Lutkepohl H. (1991). Introduction to Multiple Time Series, Springer-Verlag.
  18. Mills T.C. (2002). The Econometric Modelling of Financial Time Series, Cambridge University Press.
  19. Osiewalski J. (2001). Ekonometria bayesowska w zastosowaniach, Wydawnictwo Akademii Ekonomicznej w Krakowie.
  20. Osiewalski J., Pipień M. (2001). Multivariate t-Garch models - Bayesian analysis for exchange rates, W: Modelling economics in transition. Proceedings of the sixth AMFET conference. Red. W. Welfe, Krąg - Poland.
  21. Osiewalski J., Pipień M. (2002). Multivariate Arch-type models: A Bayesian comparison, W: Dynamic Econometric Models 5, UMK Toruń.
  22. Osińska M. (2002). Modele wielowymiarowych szeregów czasowych, W: Dynamiczne modele ekonometryczne u progu XXI wieku. UMK, Toruń.
  23. Osińska M. (1994). Metody testowania przyczynowości zjawisk gospodarczych. Rozprawa doktorska, UMK, Toruń.
  24. Pierce D.A., Haugh L.D. (1977). Causality in temporal systems. Journal of Econometrics. 5.
  25. Tsay R.S. (2002) Analysis of Financial Time Series, Wiley.
  26. Tse Y.K. (2000) A test for constant correlations in a multivariate GARCH model. Journal of Econometrics, 98.
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