Ekonometryczne modelowanie dynamiki polskiego rynku finansowego

• Autorzy: Małgorzata Doman , Ryszard Doman

Warianty tytułu

Econometric Modeling of Polish Financial Market Dynamism.

• Języki publikacji: PL

Abstrakty

W pracy dokonano kompleksowej analizy dynamiki polskiego rynku finansowego pod kątem możliwej identyfikacji oraz modelowania obecnych w niej procesów nieliniowych. W tym celu przebadano w różnym zakresie 141 szeregów zwrotów z polskiego rynku finansowego. Testowano stacjonarność i pamięć długookresową, zanalizowano strukturę nieliniową badanych szeregów, zbadano zmienność instrumentów finansowych za pomocą modeli GARCH, modeli dwuliniowych, modeli zmienności stochastycznej oraz modeli przełącznikowych typu Markowa. Przedstawiono także metody szacowania wartości narażonej na ryzyko (VaR).

EN

Authors made researches on 141 series of Polish stock returns to present the subject of econometric modeling of Polish financial market dynamism. They tested stationary and long-memory processes, analyzed non-linear structure of examined series and variability of financial instruments using GARCH, bilinear and stochastic models as well as switching models. There are also VaR methods presented in the paper. (AŁ)

Słowa kluczowe

PL

Modelowanie ekonometryczne; Rynki finansowe; Szeregi czasowe; Współczynniki zmienności; Modele ekonometryczne; Estymacja nieparametryczna; Szacowanie ryzyka; Model GARCH; Przegląd literatury

EN

Econometric modeling; Financial markets; Time-series; Coefficient of variation; Econometric models; Nonparametric estimation; Risk estimating; GARCH model; Literature review

• Czasopismo: Prace Habilitacyjne / Akademia Ekonomiczna w Poznaniu
• Rocznik: 2004
• Numer: nr 15
• Strony: 642

Twórcy

autor

Małgorzata Doman

autor

Ryszard Doman

Bibliografia

• Alexiewicz A. [1969], Analiza funkcjonalna, Państwowe Wydawnictwo Naukowe, Warszawa.
• Andersen T.G., Bollerslev T. [1997], Intraday Periodicity and Volatility Persistence in Financial Markets, Journal of Empirical Finance 4, 115-158.
• Andersen T.G., Bollerslev T. [1998], Answering the Skeptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, International Economic Review 39, 885-905.
• Andersen T.G., Bollerslev T., Diebold F.X, Ebens H. [2001], The Distribution of Realized Stock Return Volatility, Journal of Financial Economics 61, 43-76.
• Andersen T.G., Bollerslev T., Diebold F.X., Labys P. [2001], The Distribution of Realized Exchange Rate Volatility, Journal of the American Statistical Association, 96, 42-55.
• Andersen T.G., Bollerslev T., Diebold F.X. [2002], Parametric and Nonparametric Volatility Measurement, manuskrypt rozdziału przygotowywanego do: Handbook of Financial Econometrics, North Holland, Amsterdam.
• Arnold L. [1998], Random Dynamical Systems, Springer-Verlag, Berlin-Heidelberg-New York.
• Ashley R.A., Patterson D.M. [1999], Nonlinear Model Specification/Diagnostic: Insight from a Battery of Nonlinearity Tests, Working Paper E99-05, Economics Department Virginia Tech.
• Ashley R.A., Patterson D.M. [2000], A Nonlinear Time Series Workshop: a Toolkit for Detecting and Identyfying Nonlinear Serial Dependence, Kluwer Academic Publishers, Boston.
• Attanasio O.P. [1991], Risk, Time Varying Second Moments and Market Efficiency, Review of Economic Studies 58, 479-494.
• Baillie R., Bollerslev T., Mikkelsen H. [1996], Fractionally Integrated Generalized Auto-Regressive Conditional Heteroskedasticity, Journal of Econometrics 74, 3-30.
• Barndorff-Nielsen O.E., Shephard N. [2002], Econometric Analysis of Realised Volatility and Its Use in Estimating Stochastic Volatility Models, Journal of the Royal Statistical Society, 64, Series B, 253-280.
• Barnes M.L, de Lima P.J.F. [1999], Modelling Financial Volatility: Extreme Observations, Nonlinearities and Nonstationarities, School of Economics Working Paper 00-5, University of Adelaide.
• Beran J. [1994], Statistics for Long-Memory Processes, Chapman & Hall, New York.
• Berkes I., Horvarth L. [2004], The Efficiency of the Estimators of the Parameters in GARCH Process, Annals of Statistics 32, 633-655.
• Berkes L, Horvarth L., Kokoszka P. [2003], GARCH Process: Structure and Estimation, Bernoulli 9, 201-227.
• Billingsley P. [1987], Prawdopodobieństwo i miara, Państwowe Wydawnictwo Naukowe, Warszawa.
• Black F. [1976], The Pricing of Commodity Contracts, Journal of Financial Economics 3, 167-179.
• Bollerslev T. [1986], Generalized Autoregressive Conditional Heteroskedasticity, Journal of Econometrics 31, 307-327.
• Bollerslev T. [1987], A Conditionally Heteroskedastic Time Series Model for Speculative Prices and Rates of Return, Review of Economics and Statistics 69, 542-547.
• Bollerslev T. [1988], On the Correlation Structure for the Generalized Autoregressive Conditional Heteroskedastic Process, Journal of Time Series Analysis 9, 121-131.
• Bollerslev T., Engle R.F., Wooldridge J.M. [1988], A Capital Asset Prier ś Model with Time Varying Covariances, Journal of Political Economy 96, 116-131.
• Bollerslev T., Mikkelsen H. [1996], Modeling and Pricing Long-Memory in Stock Market Volatility, Journal of Econometrics 73, 151-184.
• Bollerslev T., Wooldridge J.M. [1992], Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time Varying Covariances, Econometric Reviews 11, 143-172.
• Box G.E.P., Jenkins G.M. [1983], Analiza szeregów czasowych, Państwowe Wydawnictwo Naukowe, Warszawa.
• Brock W.A. [1986], Distinguishing Random and Deterministic Systems: Abridged Version, Journal of Economic Theory 40, 168-195.
• Brock W.A. [1993], Pathways to Randomness in the Economy: Emergent Nonlinearity and Chaos in Economics and Finance, Estudios Economicos 8, 3-55.
• Brock W.A., Hsieh D.A., Scheinkman J.A., LeBaron B. [1996], A Test for Independence Based on the Correlation Dimension, Econometric Reviews 15, 97-235.
• Brock W.A., Hsieh D.A., LeBaron B. [1991], Nonlinear Dynamics, Chaos and Instability: Statistical Theory and Economic Evidence, MIT Press, Cambridge MA.
• Brock W.A., de Lima P.J.F. [1996], Nonlinear Time Series Complexity Theory and Finance, w: G.S. Maddala, C. Rao (eds) Handbook of Statistics, vol. 14: Statistical Methods in Finance, 317-361.
• Brock W.A., Sayers C.L. [1988], Is the Business Cycle Characterized by Deterministic chaos! Journal of Monetary Economics 22, 71-90.
• Brockett R.W. [1976], Volterra Series and Geometric Control Data, Automatica, 12, 167-176.
• Brockwell P.J., Davis R.A. [1995], Time Series: Theory and Methods, Springer, New York.
• Brody D.C., Hughston L.P. [2004], Chaos and Coherence: A New Framework for Interest Rate Modelling, Proceedings of Royal Society London A, 460 85-100.
• Broomhead D.S., King O.P. [1986], Extracting Qualitative Dynamics from Experimental Data, Physica, 20D, 217-236.
• Brown R., Bryant P., Abarbanel H.D.I. [1991], Computing the Lyapunov Spectrum of a Dynamical System from an Observed Time Series, Physical Review A 43, 2787-2805.
• Bruzda J. [2003], Procesy dwuliniowe i procesy GARCH w modelowaniu finansowych szeregów czasowych, Przegląd Statystyczny 50, 2, 73-95.
• Brzeszczyński J., Keim R. [2002], Ekonometryczne modele rynków finansowych, WIG-Press, Warszawa.
• Brzeszczyński J., Welfe A. [2000], Direction Quality Measures for ARCH Models: the Case of Warsaw Stock Exchange Stock Prices, Macromodels'1999, Łódź, 370-383.
• Campbell J.Y., Lo A.W., MacKinlay A.C. [1997], The Econometrics of Financial Markets, Princeton University Press, New Jersey.
• Casdagli M. [1991], Chaos and Deterministic Versus Stochastic Non-Linear Modelling, Journal of Royal Statistical Society B 54, 303-328.
• Chan K.S, Tong H. [1986], On Estimating Tresholds in Autoregressive Models, Journal of Time Series Analysis 7, 179-190.
• Chung C.-F. [1999], Estimating the Fractionally Integrated GARCH Model, National Taiwan Uniwersity Working Papers.
• Clark P.K., [1973], A Subordinated Stochastic Process Model with Finite Variance for Speculative Prices, Econometrica 41, 135-155.
• Cont R., [2001], Empirical Properties of Asset Returns: Stylized Facts and Statistical Issues, Qualitative Finance, vol. 1, 223-236.
• Corsi F., Zumbach G.O., Müller U.A., Dacorogna M.M. [2001], Consistent High Precision Volatility from High Frequency Data, Olsen Research Library, Working Papers.
• Dacorogna M.M., Gençay R., Olsen R.B., Pictet O.V. [2001], An Introduction to High-Frequency Finance, Academic Press, San Diego.
• David H. A. [1970], Order Statistic, Wiley, New York.
• Davidson J. [2003], Time Series Modelling Version 3.23, Cardiff University.
• Davis R.A., Resnick S.I. [1996], Limit Theory for Bilinear Processes with Heavy-Tailed Noise, Annals of Applied Probability 6, 1191-1210.
• Dębski W. [2001], Rynek finansowy i jego mechanizmy, Wydawnictwo Naukowe PWN, Warszawa.
• Diebold F.X., Lopez J.A. [1995], Modelling Volatility Dynamics, w: Macroeconometrics: Developments, Tensions and Prospects, Kluwer Academic Publishing, Boston.
• Dickey D.A., Fuller W.A. [1981], Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica 49, 1057-1072.
• Ding Z., Granger C.W.J., Engle R. [1993], A Long Memory Property of Stock Market Returns and a New Model, Journal of Empirical Finance 1, 83-106.
• Doman M. [2001], Ocena charakteru zmienności polskiego rynku akcji, Ruch Prawniczy Ekonomiczny i Socjologiczny, R. 63, 3, 135-146.
• Doman M. [2002], Wielkość obrotu a zmienność cen akcji, w: Rynek kapitałowy. Skuteczne inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin.
• Doman M. [2003], Modeling Volatilities of Warsaw Stock Indices with GARCH and SV Models, Macromodels'2002, Łódź, 225-235.
• Doman M. [2004], Prognozowanie zmienności polskich indeksów giełdowych za pomocą modeli GARCH przy użyciu danych wysokiej częstotliwości, Acta Universitatis Lodziensis, Folia Oeconomica 177, 293-311.
• Doman M. [2004a], Rozkłady statystyki BDS standaryzowanych reszt modeli GARCH zwrotów indeksów GPW w Warszawie, w: E. Panek (red.), Matematyka w ekonomii, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 162-178.
• Doman R. [2002], Nieliniowość w zwrotach kursów wymiany złotego, w: Rynek kapitałowy. Skuteczne inwestowanie, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin.
• Doman R. [2002a], Classification of the Complexity of Polish Stock Returns, Macromodels'2001, Łódź, 309-318.
• Doman R. [2003], Forecasting the Polish Stock Market Volatility: A Comparison Between GARCH and SV Models Abilities, Macromodels'2002, Łódź, 309-318.
• Doman R. [2003a], Prognozowanie zmienności zrealizowanej indeksu WIG20 za pomocą modelu GARCH, Przegląd Statystyczny 50 (4), 147-163.
• Doman R. [2004], Wykorzystanie danych wysokiej częstotliwości w prognozowaniu zmienności polskich indeksów giełdowych za pomocą modeli zmienności stochastycznej, Acta Universitatis Lodziensis, Folia Oeconomica 177, 313-330.
• Doman R. [2004b], Wykładniki Lapunowa zwrotów indeksów GPW w Warszawie, w: E. Panek (red.), Matematyka w ekonomii, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 193-206.
• Doman M., Doman R. [2002], Analiza dynamiczna polskiego rynku akcji na podstawie notowań indeksu WIG, w: W. Jurek (red.), Prace z ekonometrii finansowej, Wydawnictwo Akademii Ekonomicznej w Poznaniu, 81-97.
• Doman M., Doman R. [2003], Kursy walutowe w gospodarkach podlegających transformacji, Ekonomista 1/2003, 105-112.
• Doman M., Doman R. [2003a], Dynamika kursów walutowych w gospodarkach podlegających transformacji, w: W. Przybylska-Kapuścińska (red.), Polityka pieniężna i rynek, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 228-242.
• Doman M., Doman R. [2003b], Prognozowanie dziennej zmienności indeksu WIG określonej za pomocą danych o wyższej częstotliwości, Acta Universitatis Lodziensis, Folia Oeconomica 166, 37-50.
• Doman M., Doman R. [2004], Testowanie nieliniowości z zwrotach indeksów GPW w Warszawie, w: E. Panek (red.), Matematyka w ekonomii. Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań, 179-193.
• Doornik J.A. [1998], Object Oriented Matrix Programming Using Ox 2.0, Timberlake Consultants Press, London.
• Drost F.C., Nijman T.E. [1993], Temporal Aggregation of GARCH Processes, Econometrica 61, 909-927.
• Drost F.C., Werker B.J.M. [1996], Closing the GARCH gap: Continuous time GARCH modeling. Journal of Econometrics 74, 31-57.
• Duda R. [1986], Wprowadzenie do topologii, Państwowe Wydawnictwo Naukowe, Warszawa.
• Durbin J., Koopman S.J. [1997], Monte Carlo Maximum Likelihood Estimation for NonGaussian State Space Models, Biometrica 84, 669-684.
• Durbin J., Koopman S.J. [2000], Time Series Analysis of Non-Gaussian Observation Based on State Space Models from Both Classical and Bayesian Perspectives (with discussion), Journal of the Royal Statistical Society, Series B 62, 3-56.
• Durbin J., Koopman S.J. [2002], A Simple and Efficient Simulation Smoother for State Space Time Series Analysis, Biometrica 89, 603-616.
• Durbin J., Koopman S.J. [2002a], Time Series Analysis by State Space Methods, Oxford University Press.
• Eckmann J.-P., Ruelle D. [1985], Ergodic Theory of Chaos and Strange Attractors, Reviews of Modern Physics 57, 617-656.
• Eckmann J.-P., Kamphorst S.O., Ruelle D., Ciliberto S. [1986], Lyapunov Exponents from Time Series, Physical Review A 34, 4971-4979.
• Efron B. [1979] Bootstrap Methods: Another Look at the Jackknife, Annals of Statistics 7, 1-26.
• Efron B., R.J. Tibshirani, [1994], An Introduction to the Bootstrap, Chapman & Hall, New York.
• Ellner S., Nychka D.W., Gallant A.R. [1992], LENNS, a Program to Estimate the Dominant Lyapunov Exponent of Noisy Nonlinear Systems from Time Series Data, Institute of Statistics Mimeo Series