Prognozowanie zmienności polskich indeksów giełdowych za pomocą modeli GARCH przy użyciu danych wysokiej częstotliwości

• Autorzy: Małgorzata Doman

Warianty tytułu

Forecasting Polish Stock Indices Volatility Using GARCH Models and High Frequency Data

• Języki publikacji: PL

Abstrakty

Praca poświęcona została prognozowaniu dziennej zmienności zrealizowanej indeksów Warszawskiej Giełdy Papierów Wartościowych za pomocą modeli z rodziny GARCH, w których opóźniona dzienna zmienność zrealizowana, została również wprowadzona jako dodatkowa zmienna objaśniająca. Poszukiwano jednocześnie odpowiedzi na pytanie, jakiego typu modele najlepiej prognozują zmienność na polskim rynku finansowym oraz jaka miara zmienności dziennej jest najlepszym estymatorem zmienności instrumentów finansowych, rozumianej jako wariancja warunkowa stopy tego instrumentu.

EN

The notion of daily realized volatility introduced by Andersen and Bollerslev gave a new impulse to research connected with modeling and forecasting the volatility of financial returns using GARCH models. Daily realized volatility is a sum of squared intraday returns. Volatility forecasts obtained from GARCH models improve when instead of daily squared returns they are evaluated against the realized volatility. In this paper we calculate and investigate volatility forecasts for stock indices from the Warsaw Stock Exchange delivered by GARCH models with realized volatility as an additional explanatory variable. (original abstract)

Słowa kluczowe

PL

Indeks giełdowy; Instrumenty finansowe; Współczynniki zmienności; Metody prognozowania; Model GARCH

EN

Stock market indexes; Financial instruments; Coefficient of variation; Forecasting methods; GARCH model

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2004
• Tom: 177 Rynki finansowe, prognozy a decyzje
• Strony: 291--309

Twórcy

autor

Małgorzata Doman

Bibliografia

• Andersen Т.О., Bollerslev T. (1997), Intraday Periodicity and Volatility Persistence in Financial Markets, "Journal of Empirical Finance", 4.
• Andersen Т.О., Bollerslev T. (1998), Answering the Skeptics: Yes, Standard Volatility Models Do Provide Accurate Forecasts, "International Economic Review", 39.
• Andersen Т.О., Bollerslev T., Diebold F., Ebens H. (2001), The Distribution of Realized Stock Return Volatility, "Journal of Financial Economics", 61.
• Bollerslev T. (1986), Generalized Autoregressive Conditional Heteroscedasticity, "Journal of Econometrics", 31.
• Doman M., Doman R. (2003), Prognozowanie dziennej zmienności indeksu WIG określonej za pomocą danych o wyższej częstotliwości, "Acta Universitatis Lodziensis. Folia Oeconomica", 166.
• Engle R.F. (1982), Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, "Econometrica", 50.
• Hol E., Koopman S.J. (2002), Stock Index Volatility Forecasting with High Frequency Data, Tinbergen Instytute, "Discussion Paper", 068/4.
• Laurent S., Peters J.-P. (2002), G@RCH2.2: An Ox Package for Estimating and Forecasting Various ARCH Models, "Journal of Economic Surveys", 16.
• Martens M. (2002), Measuring and Forecasting S&P500 Index-Futures Volatility Using High Frequency Data, "Journal of Futures Markets", 22.
• Oomen R. (2001), Using High Frequency Stock Market Index Data to Calculate, Model & Forecast Realized Return Variance, "Economic Working Papers", Eco 16.