Grupowanie światowych indeksów giełdowych z uwzględnieniem zależności asymptotycznych

• Autorzy: Anna Czapkiewicz , Beata Basiura
• Języki publikacji: PL

Abstrakty

W pracy zaprezentowana została próba pogrupowania danych, którymi są dzienne stopy zwrotu 42 indeksów światowych. Jako miarę siły związku między poszczególnymi indeksami przyjęto współczynniki zależności, otrzymane funkcje połączeń Joe-Clytona modelujące powiązania osobno w górnym i dolnym ogonie. W oparciu o tak wyznaczone współczynniki zdefiniowano miarę odległości, pozwalającą utworzyć podział na grupy taksonomiczne. Celem badania jest wykrycie zależności asymptotycznych pomiędzy rynkami światowymi. Uzyskane wyniki pozwalają stwierdzić, że reakcje rynków na negatywne informacje skutkują silniejszą zależnością niż reakcje rynków na dobre informacje. (abstrakt oryginalny)

EN

In this paper, we grouped the word indexes using the Ward method. We used the measure of distance based on the extreme correlation of Joe-Clayton Copula with the marginal GARCH(1,1) model. Data used in this study are the daily stock markets returns based on daily data for 42 of the major international stock markets. We detect that the lower tail dependency is stronger than upper tail dependency. The group, where both tail dependences of the market indexes were strong, is the group of some countries from West Europe. (original abstract)

Słowa kluczowe

PL

Model GARCH; Modele ekonometryczne; Szeregi czasowe; Badania empiryczne

EN

GARCH model; Econometric models; Time-series; Empirical researches

• Czasopismo: Zeszyt Naukowy / Wyższa Szkoła Zarządzania i Bankowości w Krakowie
• Rocznik: 2011
• Numer: nr 21
• Strony: 69--78

Twórcy

autor

Anna Czapkiewicz

• AGH Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

autor

Beata Basiura

• Wyższa Szkoła Zarządzania i Bankowości w Krakowie

Bibliografia

• Basiura B., Czapkiewicz A., Modelowanie stóp zwrotu wybranych indeksów światowych przy zastosowaniu funkcji połączeń, Zeszyty Naukowe WSZIB w Krakowie, Kraków 2010, nr 17.
• Bollerslev T., Generalized Autoregressive Conditional Heteroskedasticity, "Journal of Econometrics" 1986, nr 31.
• Breymann W., Dias A., Embrechts P., Dependence Structures for Multivariate High-frequency Data in Finance, "Quantitative Finance" 3(1) 2003.
• Czapkiewicz A., Basiura B., Clustering Financial Data Using Copula-GARCH Model in an Application for Main Market Stock Returns, "Statistics in Transition" (New Series), Polska, 2010, Vol. 11, No 1.
• Einbrecht P., McNeil A.J., Straumann D., Correlation and Dependency in Risk Managment: Properties and Pitfalls, [w:] M. Dempster, H. Mof-fant, Risk Management, Cambridge University Press, New York 2001.
• Fernandez C, Steel M., Reference Priors for the General Location-scale Model, "Statistics & Probability Letters", Elsevier 1999, Vol. 43(4).
• Grabiński T., Wydymus S., Zeliaś A., Metody taksonomii numerycznej w modelowaniu zjawisk społeczno-gospodarczych, Wydawnictwo Naukowe PWN, Warszawa 1989.
• Joe H., Multivariate Models and Dependence Concepts, Chapman & Hall, London 1997.
• Roch O., Alegre A., Testing the Bivariate Distribution of Daily Equity Returns Using Copulas. An Application to the Spanish Stock Market, Computational Statistics & Data Analyst's 2006, nr 51.
• Zeliaś A. (red.), Taksonomiczna analiza przestrzennego zróżnicowania poziomu życia w Polsce w ujęciu dynamicznym, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków 2000.