Prognozowanie zmienności na podstawie modeli GARCH

• Autorzy: Piotr Fiszeder
• Języki publikacji: PL

Abstrakty

W publikacji dokonano oceny trafności prognoz konstruowanych na podstawie ośmiu postaci modelu GARCH oraz pięciu innych metod prognozowania zmienności na przykładzie indeksu WIG 20. W badaniu zastosowano zarówno symetryczne, jak również asymetryczne miary oceny dokładności prognoz. Uzyskane wyniki pokazały, jak niebezpieczny może być wybór najlepszej metody prognozowania zmienności na podstawie jednego arbitralnie wybranego kryterium. Wybór miar jakości prognoz powinien zależeć od celu, w jakim prognozy są konstruowane.

Słowa kluczowe

PL

Prognostyka; Prognozowanie notowań giełdowych; Indeks giełdowy

EN

Forecaster; Stock exchange prediction; Stock market indexes

• Czasopismo: Rynek Terminowy
• Rocznik: 2004
• Numer: nr 3
• Strony: 121--128

Twórcy

autor

Piotr Fiszeder

Bibliografia

• 1. Andersen T., Bollerslev T., Answering the Sceptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, International Economic Review, 39, 4,1998,885-905.
• 2. Andersen T. G., Bollerslev T., Lange S., Forecasting Financial Market Volatility: Sample Frequency vis-?-vis Forecast Horizon, Journal of Empirical Finance, 6, 1999,457-477.
• 3. Andersen T. G., Bollerslev T., Diebold F. X., Labys P., Applications and Case Studies - The Distribution of Exchange Rate Volatility, Journal of the American Statistical Association, 96, 2001, 42-55.
• 4. Baillie R. T., Bollerslev T., Mikkelsen H. O., Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, 74, 1996, 3-30.
• 5. Bollerslev T., Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics, 31, 1986, 307-327.
• 6. Brzeszczyński J., Keim R., Ekonometryczne modele rynków finansowych. Modele kursów giełdowych i kursów walutowych, WIG-Press, Warszawa 2002.
• 7. Diebold F. X., Günther T. A., Tay A. S., Evaluating Density Forecasts with Applications to Financial Risk Management, International Economic Review, 39, 1998,863-883.
• 8. Doman M., Prognozowanie zmienności polskich indeksów giełdowych za pomocą modeli GARCH przy użyciu danych wysokiej częstotliwości, maszynopis, 2003.
• 9. Engle R. F., Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of the United Kingdom Inflation, Econometrica, 50, 1982, 987-1008.
• 10. Engle R. F., Bollerslev T., Modelling the Persistence of Conditional Variances, Econometric Reviews, 5, 1986, 1-87.
• 11. Engle R. F., Lilien D. M., Robins R. P., Estimating Time Varying Risk Premia in the Term Structure: The ARCH-M Model, Econometrica, 55, 1987, 391-407.
• 12. Fiszeder P., Charakterystyka jednorównaniowych modeli GARCH, Rynek Terminowy, 15, 2002, 115-118.
• 13. Glosten L. R, Jagannathan R., Runkle D. E., On the Relation Between the Expected Value and the Volatility of the Nominal Excess Return on Stocks, Journal of Finance, 48, 1993, 1779-1801.
• 14. Hol E., Koopman S. J., Stock Index Volatility Forecasting with High Frequency Data, Tinbergen Institute Discussion Paper, Tl 068/4, 2002.
• 15. Martens M., Measuring and Forecasting S&P 500 Index-Futures Volatility Using High Frequency Data, Journal of Futures Markets, 22, 2002, 497-518.
• 16. Nelson, D. B., Conditional Heteroskedasticity in Asset Returns: A New Approach, Econometrica, 59, 1991, 347-370.
• 17. Nelson, D. B., Cao C. Q., Inequality Constraints in the Univariate GARCH Model, Journal of Business and Economic Statistics, 10, 1992, 229-235.
• 18. Öomen R., Using High Frequency Stock Market Index Data to Calculate, Model and Forecast Realized Return Variance, EUI Working Paper ECO No. 6, 2001.
• 19. Piontek K., Prognozowanie zmienności instrumentów finansowych, Rynek Terminowy, 13, 2001, 114-121.
• 20. Poon S-H., Granger C., Forecasting Volatility in Financial Markets: A Review, Journal of Economic Literature, 41, 2003, 478-539.
• 21. Weron A., Weron R., Inżynieria finansowa, Warszawa 1998.
• 22. Yu J., Forecasting Volatility in the New Zealand Stock Market, Applied Financial Economics, 12, 2002, 193-202.
• 23. Zakoian J. M., Threshold Heteroskedastic Model, Mimeo, INSEE, Paris 1991.