BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Małecka Marta (University of Lodz, Poland)
Tytuł
GARCH Class Models Performance in Context of High Market Volatility
Zastosowanie modeli GARCH w kontekście wysokiej zmienności rynkowej
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2014, vol. 3, t. 302, s. 253-266, tab., bibliogr. 17 poz.
Tytuł własny numeru
Multivariate Statistical Analysis. New methods and innovative applications
Słowa kluczowe
Zmienność, Rynek, Model GARCH, Prognozowanie
Variability, Market, GARCH model, Forecasting
Uwagi
streszcz., summ.
Abstrakt
W pracy rozważano zastosowanie modeli klasy GARCH do opisu i prognozowania zmienności rynkowej w kontekście kryzysu gospodarczego. Wybrano szeregi czasowe pochodzące z dwóch grup krajów: wysokorozwiniętych i transformacji. We wstępnej części pracy zaprezentowana zastała procedura wyboru odpowiedniej specyfikacji modelu. W badaniu empirycznym wyróżniono trzy podokresy w taki sposób, by podkreślić zależność między wynikami prognoz a poziomem zmienności rynkowej. Analiza wyników ukazała skalę problemu związanego z niedokładnością prognoz zmienności w okresie dużych fluktuacji cen rynkowych. Wpływ kryzysu był szczególnie widoczny w krajach transformacji. Badanie pokazało, że zastosowanie modeli GARCH pozwoliło na kontrolę ryzyka, w tym sensie, że uzyskano stabilną relację błędu prognozy do poziomu przewidywanej zmienności. (abstrakt oryginalny)

In the presented paper GARCH class models were considered for describing and forecasting market volatility in context of the economic crisis. The sample composition was designed to emphasize models performance in two groups of markets: well-developed and transition. As a preview to our results, we presented the procedure of model selection form the GARCH family. We distinguished three subperiods in the time series in a way that the dependencies between forecast outcomes and a scale of market volatility were emphasized. The comparison of the forecast errors revealed a serious problem of volatility prediction in times of high market instability. The crisis impact was particularly apparent in transition markets. Our findings showed that GARCH models allowed risk control, with risk understood as a relation of forecast error to the level of predicted volatility. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Andersen T. G., Bollerslev T. (1998), Answering the Skeptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, "International Economic Review" 39, s. 885-904.
  2. Bera A. K., Higgins M. L., Lee S. (1992), Interaction between Autocorrelation and Conditional Heteroscedasticity: A Random-Coefficient Approach, Journal of Business & Economic Statistics, American Statistical Association 10, 133-42.
  3. Bollerslev T. (1986), Generalised Autoregressive Heteroscedasticity, "Joumal of Econometrics" 31, s. 307-327
  4. Bollerslev T., Engle R. F., Nelson D. B. (1994), Arch Models, w: Engle, R. F. i McFadden, D. L. (red.), Handbook of Econometrics 4, 2959-3038, Londyn, Nowy Jork, Elsevier North- Holland.
  5. Charles A. (2010), The Day-of-the-Week Effects on the Volatility: the Role of the Asymmetry, "European Journal of Operational Research" 202, s. 143-152.
  6. Ding Z. C., Granger C. W. J., Engle R. F. (1993), A Long Memory Property of Stock Market Returns and a New Model, Journal of Empirical Finance 1, 83-106.
  7. Engle R. F., (1982) Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of the United Kingdom Inflation, Econometrica, 50, 987-1008
  8. Engle R. F., (1990), Discussion: Stock Market Volatility and the Crash of 87, Review of Financial Studies 3, 103-106.
  9. Engle R. F., Lilien D. M., Robins R. P. (1987), Estimating Time-varying Risk Premia in the Term Structure: The ARCH-M Model, Econometrica 55, 391-408.
  10. Fiszeder P. (2009), Modele klasy GARCH w empirycznych badaniach finansowych, UMK, Toruń.
  11. Franses P. H., Dijk D. (2008), Non-Linear Time Series Models in Empirical Finance, Cambrdge University Press, Cambrigde
  12. Glosten L. R., Jagannathan R., Runkle D. E. (1993), On the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, Journal of Finance, 48, 1779- 1801.
  13. Higgins M. L., Bera A. K. (1992), A Class of Nonlinear Arch Models, International Economic Review 33, 137-158.
  14. McMillan D. G., Speight A. E. H. (2004), Daily Volatility Forecasts: Reassessing the Performance of GARCH Models, "Joumal of Forecasting" 23, s. 449-60.
  15. Nelson D. B. (1991), Conditional Heteroscedasticity in Asset Retums: A New Approach, "Ecometrica" 59, s. 347-370.
  16. Sentana E. (1995), Quadratic ARCH Models, Review of Economic Studies 62, 639-61.
  17. Ulu Y. (2007), Sampling Properties of Criteria for Evaluating GARCH Volatility Forecasts, Applied Financial Economics 17, 671-681.
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu