BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Czapkiewicz Anna (AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie), Basiura Beata (Wyższa Szkoła Zarządzania i Bankowości w Krakowie)
Tytuł
Grupowanie indeksów światowych na podstawie modeli Copula-GARCH
World Indexes Clustering Using the Copula-GARCH Models
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (17), 2010, nr 107, s. 81-89, bibliogr. 16 poz.
Research of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Rynki giełdowe, Stopa zwrotu, Taksonomia, Model GARCH
Stock markets, Rate of return, Taxonomy, GARCH model
Uwagi
streszcz., summ.
Abstrakt
W pracy zaprezentowana została próba pogrupowania danych, którymi są dzienne stopy zwrotu 42 indeksów światowych. Celem badania jest wyodrębnienie podgrup, w obrębie których istnieje silne powiązanie między indeksami. Problem grubych ogonów rozkładów dziennych stóp zwrotu częściowo udało się ominąć, stosując model GARCH( 1,1) z warunkowym rozkładem t-Studenta oraz GED dla modelowania zmian tych indeksów. Jako miarę powiązań między poszczególnymi indeksami przyjęto współczynnik korelacji, który jest parametrem funkcji połączeń i t-Studenta. Na podstawie tego współczynnika zdefiniowano miarę odległości, pozwalającą utworzyć podział na grupy taksonomiczne.(abstrakt oryginalny)

The identification of similarities or dissimilarities in financial time series has become an important research area in finance and empirical economics. In stock markets, the examination of mean and variance correlations between asset returns can be useful for portfolio diversification and risk management purposes. A fundamental problem in cluster analysis of financial time series is the choice of a relevant metric. In order to capture the correlation structure and the spectral behaviour of the time series, we may use measures of distance based on the correlation of t-Student Copula with the marginal GARCH(l,l) model. In this paper, we clustered the word indexes using the Ward method. Data used in this study are daily stock markets returns based on daily data for 42 of the major international stock markets. We created five groups where the dependence of the market indexes was strong.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bollerslev T., Generalized autoregressive conditional heteroskedasticity, "Journal of Econometrics" 1986 nr31, s. 307-327.
  2. Breymann W., Dias A., Embbrechts P., Dependence structures for multivariate high-frequency data in finance, Quantitative Finance" 3(1) 2003, s. 1-16.
  3. Davidson R., MacKinnon H., Estimation and Inference in Econometrics, Oxford University Press. Oxford 1993.
  4. Diebold F.X., Gunther T.A., Tay A.S., Evaluating density forecasts with application to financial risk management, "International Economic Review" 39(4) 1989, s. 863-883.
  5. Embreecht P., McNeil A.J., Straumann D" Correlation and Dependency in Risk Management: Properties and Pitfalls, [w:] M. Dempster, H. Moffant, Risk Management, Cambridge University Press. New York 2001, s. 176-223.
  6. Grabiński T., Wydymus S., Zeliaś A., Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych. Wydawnictwo Naukowe PWN, Warszawa 1989.
  7. Joe H., Xu J.J., The Estimation Method of Inference Function for Margins for Multivariate Models, Technical Report, Departaments of Statistics, University of British Columbia 1996.
  8. Jondeau E., Rockinger M., The Copula-Garch Model of Conditional Dependencies: An International Stock Market Application, "Journal of International Money and Finance" 2006 nr 25, s. 827-853.
  9. Mashal R., Zeevi A., Beyond Correlation: Extreme Co-movements Between Financial Assets (October 14, 2002), Available at SSRN: http://ssrn.com/abstract=317122 or DOI: 10.2139/ssrn.317122.
  10. Patton A.J., Estimation of multivariate models for time series of possibly different lenghts, "Journal of Applied Econometrics" 2006 nr21,s. 147-173.
  11. Roch O., Alcgre A., Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market, "Computational Statistics& Data Analysis" 2006 nr 51. s. 1312-1329.
  12. Shih J.H., Louis T.A., Inferences on the Associations Parameter in Copula Models for Bivariate Survival Data, "Biometrics" 1995 nr 51,s. 1384-1399.
  13. Sklar A., Fonction de Repartition a n Dimention et Leur Marges, Publication's de L'Institut de Statis- tiques de L'Unieversite de Paris, Paris 1959, s. 229-231.
  14. Song K., Multivariate dispersion models generated from Gaussian Copula, Skandinavian "Journal of Statistics" 2000 nr 27, s. 305-320.
  15. Yan L., Luger R., Efficient estimation of copula-GARCH models I, Computational Statistics & Data Analysis" 2009 nr 53, s. 2284-2297.
  16. Zeliaś A. (red.), Taksonomiczna analiza przestrzennego zróżnicowania poziomu życia w Polsce w ujęciu dynamicznym, AE, Kraków 2000.
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu