BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Piontek Krzysztof (Akademia Ekonomiczna we Wrocławiu)
Tytuł
Zastosowanie modeli klasy ARCH do opisu własności szeregu stóp zwrotu indeksu WIG
Application of ARCH-Type Models in Modelling Returns of WIG Index
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria (14), 2004, nr 1021, s. 152-169, rys., tab., bibliogr. 17 poz.
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Stopa zwrotu, Szeregi czasowe, Warszawski Indeks Giełdowy (WIG)
Rate of return, Time-series, Warsaw Stock Exchange Index
Uwagi
summ.
Abstrakt
Celem pracy jest pokazanie, jak wiele nowych pomysłów wniesiono do zaproponowanego przez Engle'a w 1982 r. najprostszego modelu zmiennej w czasie wariancji - modelu ARCH (autoregressive conditional heteroskedasticity) - oraz zaprezentowanie przydatności prezentowanych rozwiązań do opisu własności szeregów stóp zwrotu z indeksu WIG. W dalszej części pracy kolejno zostały przedstawione najczęściej rozpatrywane uogólnienia klasycznego (najprostszego) modelu ARCH. Niniejsza praca w żaden sposób nie pretenduje do opisania całego bogactwa klasy modeli zapoczątkowanej przez Engle'a. Warto zaznaczyć, że rozpatrywane będą jedynie modele jednorównaniowe, opisujące warunkową wariancję pojedynczego instrumentu, umożliwiające opis charakterystycznych efektów obserwowanych w szeregach stóp zwrotu. (fragment tekstu)

It is observed that the following effects occur in financial time series of returns of stock market indices: autocorrelation of returns, fat tails of return distributions, volatility clustering, leverage effect and long memory in volatility time series. The article presents a method of describing above mentioned features by means of various generalisations of ARCH model. Main attention was devoted to the problems that, so far, are the most often overlooked by researchers; namely: leverage effect and long memory in volatility time series. The results received from our research showed that the best model for WIG-index returns is AR(1)-FIAGARCH(1,d,1) model with t-Student conditional distribution of errors. The results can be applied to risk measuring with Value at Risk method or to option pricing. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Baillie R., Bollerslev Т., Mikkelsen H. (1996), Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity, "Journal of Econometrics" vol. 74, s. 3-30.
  2. Bollerslev T. (1986), Generalized Autoregressive Conditional Heteroskedasticity, "Journal of Econometrics" vol. 31, s. 307-327.
  3. Bollerslev T., Engle R., Nelson D. (1994), ARCH Models [w:] Engle, MacFadden, Handbook of Econometrics, North-Holland, Amsterdam.
  4. Box G., Jenkins J. (1986), Analiza szeregów czasowych. Prognozowanie i sterowanie, Państwowe Wydawnictwo Naukowe, Warszawa.
  5. Ding Z., Granger C. (1996), Modeling Volatility Persistence of Speculative Returns: A New Approach, "Journal of Econometrics" vol. 73, s. 185-215.
  6. Ding Z., Granger C., Engle R. (1993), A Long Memory Property of Stock Market Returns a Nevi Model, "Journal of Empirical Finance" nr 1, s. 88-106.
  7. Engle R. (1982), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of UK Inflation, "Econometrica" vol. 50, s. 987-1008.
  8. Engle R., Ng V. (1993), Measuring and Testing the Impact of News on Volatility, "Journal of Finance" vol. 48, s. 1749-1778.
  9. Gourieroux C. (1997), ARCH Models and Financial Applications, Springer Verlag, New York.
  10. Higins M., Bera A. (1992), A Class of Nonlinear ARCH Models, "International Economic Review'' vol. 33, s. 71-104.
  11. Jajuga K. (1999), Nowe tendencje w zarządzaniu ryzykiem finansowym, Penetrator, Kraków, "Rynek Terminowy" nr 3.
  12. Jajuga K. (red.) (2000), Metody ekonometryczne i statystyczne w analizie rynku kapitałowego, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław.
  13. Milo W. (1990), Szeregi czasowe, Państwowe Wydawnictwo Ekonomiczne, Warszawa.
  14. Piontek K. (2002), Modelowanie i prognozowanie zmienności instrumentów finansowych, Akademia Ekonomiczna we Wrocławiu, Wrocław (rozprawa doktorska).
  15. Piontek K. (2003), Modelowanie długiej pamięci w szeregach zmienności stóp zwrotu, Konferencja: "Modelowanie Preferencji a Ryzyko". Ustroń, (w druku).
  16. Tsay R (2002), Analysis of Financial Time Series, Wiley and Sons, Chicago.
  17. Tse Y. (1998), The Conditional Heteroskedasticity of the Yen-Dolar Exchange Rate, "Journal of Applied Econometrics" vol. 13, s. 49-55.
Cytowane przez
Pokaż
ISSN
0324-8445
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu