Comparing Volatility Forecasting Models and their Combinations for the WIG20 Index Using the Model Confidence Set Method

• Autorzy: Eliza Buszkowska

Warianty tytułu

Porównanie prognostycznych modeli zmienności i ich kombinacji dla indeksu WIG20 za pomocą metody zbioru ufności modeli

• Języki publikacji: EN

Abstrakty

Jak wiadomo, kombinacje prognoz mogą być lepszymi prognozami niż prognozy uzyskane za pomocą poszczególnych modeli. Celem pracy jest zastosowanie metodologii zbioru ufności modeli (MCS) do porównania zdolności prognostycznej różnych modeli zmienności dopasowanych do dziennych zwrotów notowań indeksu WIG20. Porównano wcześniejsze wyniki z prognozami otrzymanymi za pomocą optymalnych kombinacji liniowych i nieliniowych najlepszych modeli. (abstrakt oryginalny)

Słowa kluczowe

EN

Stock market indexes; Warsaw Stock Exchange Index; Forecasting models; Econometric models; Measuring methods

PL

Indeks giełdowy; Warszawski Indeks Giełdowy (WIG); Modele prognostyczne; Modele ekonometryczne; Metody pomiarowe

• Czasopismo: Zeszyty Naukowe / Uniwersytet Ekonomiczny w Poznaniu
• Rocznik: 2009
• Numer: nr 122
• Strony: 16--33

Twórcy

autor

Eliza Buszkowska

• Adam Mickiewicz University in Poznań, Poland

Bibliografia

• Aiolfi M., Timmermann A. [2006], Persistence in Forecasting Performance and Conditional Combination Strategies. Journal of Econometrics, 135, 31-53
• Buszkowska E. [2008], Porównanie zdolności prognostycznej modeli zmienności indeksu WIG20 za pomoce testu SPA, Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania Uniwersytetu Szczecińskiego 10, 383-393
• Donaldson R.G., Kamsatra M. [1996], Forecast Combining with Neural Networks. Journal of Forecasting, 15, 49-61
• Hansen P.R., Lunde A., Nason J.M. [2003], Choosing the Best Volatility Models: The Model Confidence Set Approach. Oxford Bulletin of Economics and Statistics, 65, 839-861
• Koopman S.J., Jungbacker B., Hol E. [2005], Forecasting Daily Variability of the S6-P 100 Stock Index Using Historical, Realized and Implied Volatility Measurements. Journal of Empirical Finance, 12, 445-475
• Martens M. [2002], Measuring and Forecasting S&P 500 Index Futures Volatility Using High-Frequency Data. Journal of Futures Markets, 22
• Patton J., Sheppard K. [2007], Evaluating Volatility and Correlation Forecasts, Oxford-Man Institute of Quantitative Finance, Working Paper
• Stock J.H., Watson M. [2004], Combination Forecasts Output Growth in Seven-Country Data Set. Journal of Forecasting 23, 405-430
• Timmermann A. [2006], Forecast Combinations, in: G. Elliot, C.W.J. Granger, A. Timmermann, eds., Handbook of Economic Forecasting, North-Holland, Amsterdam