BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Płuciennik Piotr (Uniwersytet im. Adama Mickiewicza w Poznaniu)
Tytuł
Prognozowanie zmienności indeksu WIG20 za pomocą modeli AR-GARCH z dodatkową informacją
Forecasting Volatility of WIG20 Index Using AR-GARCH Models whit Additional Information
Źródło
Zeszyty Naukowe / Akademia Ekonomiczna w Poznaniu, 2007, nr 92, s. 231-250, rys., wykr., bibliogr. 17 poz.
Słowa kluczowe
Model GARCH, Ekonomia matematyczna, Metody ilościowe, Metody ilościowe w ekonomii, Model ARFIMA
GARCH model, Mathematical economics, Quantitative methods, Quantitative methods in economics, Autoregressive fractionally integrated moving average model (ARFIMA)
Uwagi
summ.
Abstrakt
Opisywane w artykule wyniki wskazują, że zastosowanie dziennej zmienności implikowanej z opóźnieniem rzędu 1-6 dni jako dodatkowej zmiennej objaśniającej może poprawić jakość prognoz, która ze względu na duże wahania zmienności zrealizowanej w badanym okresie nie jest zbyt dobra. (fragment tekstu)

Forecasting the daily volatility of financial instruments is very important issue for option pricing, risk management and portfolio management. Since the famous paper of Andersen and Bollerslev [1998], the forecasts of the volatility are usually compared with the daily realized volatility. This trend of development is possible due to the increasing availability of financial market data at intraday frequencies. On the other hand, there are strong attempts to explore the different historical data as an information source for volatility forecasting. Such source of information can be obtained from options or volume. In the paper we model and forecast the daily volatility of the stock index WIG20 using a GARCH model with such additional explanatory variables. The obtained volatility forecasts are compared with the daily realized volatility. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. ndersen, T.G., Bollerslev, T. [1997), Intraday Periodicity and Volatility Persistence in Financial Markets, Journal of Empirical Methods 4, 115-158.
  2. Andersen, T.G., Bollerslev, T. [1998], Answering the Skeptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, International Economic Review 39, 885-905.
  3. Andersen, T.G., Bollerslev, T., Diebold, F.X., Ebens, H. [2001], The Distribution of Realized Stock Return Volatility, Journal of financial Econometrics 61, 43-76.
  4. Black, F., Scholes, M. [1973], The Pricing of Options and Corporate Liabilities, Journal of Political Economy, 81, 637-654.
  5. Bollerslev, T. [1986], Generalized Autoregressive Conditional Heteroscedasticity, Journal of Econometrics 31, 301-327.
  6. Chiras, D., Manaster, S. [1978], The Information Content of Option Prices and a Test of Market Efficiency, Journal of Financial Economics 6. North-Holland Publishing Company, 213-234.
  7. Engle, R. [1982], Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica 50, 987-1007.
  8. Geweke, J., Porter-Hudak, S. [1983], The Estimation and Application of Long- Memory Time Series Models, Journal of Time Series Analysis 4, 221-237.
  9. Glosten, L., Jagannathan, R., Runkle, D. [1993], On the Relation Between Expected Value and the Volatility of the Nominal Excess Return on Stocks, Journal of Finance 48, 1779-1801.
  10. Hull, J., White, A. [1987], The Pricing of Options on Assets with Stochastic Volatilities, Journal of Finance 42, 281-300.
  11. Koopman, S.J., Jungbacker, B., Hol, E. [2005], Forecasting Daily Variability of the S&P 100 Stock Index Using Historical, Realized and Implied Volatility Measurements, Journal of Empirical Finance 12, 445-475.
  12. Kwiatkowski, D., Phillips, P.C.B., Schmidt, P., Shin, Y. [1992], Testing the Null Hypothesis of Stationarity Against the Alternative of a Unit Root, Journal of Econometrics 54, 159-178.
  13. Łatane, H., Rendleman, R. [1976], Standard Deviations of Stock Price Ratios Implied in Option Prices, The Journal of Finance vol. 31, no. 2, 369-381.
  14. Lo, A. [1991], Long Term Memory in Stock Market Prices, Econometrica 59, 451-474.
  15. Manaster, S., Koehler, G. [1982], The Calculation of Implied Variances from the Black-Scholes Model, Journal of Finance 37, 227-230.
  16. Martens, M. [2002], Measuring and Forecasting S&P 500 Index-Futures Volatility Using High-Frequency Data, Journal of Futures Markets 22, 497-518.
  17. Metodologia Wyznaczania Greckich Współczynników www.gpw.com.pl/zrodla/ gpw/Greki.pdf.
Cytowane przez
Pokaż
ISSN
1641-2168
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu