A Note on Modeling Asset Returns on Warsaw Stock Exchange Using Hidden Markov and Markov-switching Models

• Autorzy: Stanisław Galus

Warianty tytułu

Uwaga o modelowaniu zwrotów akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie przy pomocy ukrytych modeli markowa i przełącznikowych modeli Markowa

• Języki publikacji: EN

Abstrakty

EN

In the paper both hidden and switching Markov models are estimated for 49 stocks listed on WSE. Stocks are selected based on the lenghts of trading history. For each model a test that compares the theoretical and the empirical values of autocorrelation function of absolute and squared returns is performed. Based on test results it is concluded that neither of the models can explain the behaviour of asset returns on the Warsaw Stock Exchange. (original abstract)

Dla 49 najdłużej notowanych na Giełdzie Papierów Wartościowych w Warszawie akcji szacowane są ukryte modele Markowa i przełącznikowe modele Markowa. Dla każdego modelu przeprowadzany jest test porównujący empiryczną i teoretyczną funkcję autokorelacji wartości bezwzględnych oraz kwadratów stóp zwrotu. Na podstawie wyników testu można stwierdzić, że rozważane modele nie wyjaśniają zachowania się stóp zwrotu tych akcji. (abstrakt oryginalny)

Słowa kluczowe

EN

Stock market; Stock rate of returns; Rate of return calculation; Markov models; Hidden Markov model

PL

Giełda papierów wartościowych; Stopa zwrotu akcji; Kalkulacja stopy zwrotu; Modele Markowa; Ukryty model Markowa

• Czasopismo: Prace Naukowe Wyższej Szkoły Bankowej w Gdańsku
• Rocznik: 2012
• Tom: 18 Finanse w dobie kryzysu
• Strony: 201--209

Twórcy

autor

Stanisław Galus

• Wyższa Szkoła Bankowa w Gdańsku

Bibliografia

• Baum L.E., Petrie T., Soules G., Weiss N. (1970), A maximization technique occuring in the statistical analysis of probabilistic functions of Markov chains, The Annals of Mathematical Statistics, 41(1):164-171.
• Bialkowski J. (2004), Modelling returns on stock indices for Western and Central European stock exchanges - a Markov switching approach, South Eastern Europe Journal of Economics, 2:81-100.
• Bulla J., Bulla I. (2006), Stylized facts of financial time series and hidden semi-Markov models, Computational Statistics & Data Analysis, 51:2192-2209.
• Cappe O., Moulines E., Ryden T. (2005), Inference in Hidden Markov Models, Springer Series in Statistics. Springer.
• Galus St. (2011), Distributions of stock price changes via normal hidden Markov models, Prace Naukowe Wyższej Szkoły Bankowej w Gdańsku, 9:199-204.
• Granger C.W.J., Ding Z. (1995), Some properties of absolute return. An alternative measure of risk, Annals of Economics and Statistics, 40:67-91.
• Granger C.W.J., Ding Z. (1995), Stylized facts on the temporal and distributional properties of daily data from speculative markets, Department of Economics, University of California, San Diego, unpublished working paper.
• Powell M.J.D. (2009), The BOBYQA algorithm for bound constrained optimization without derivatives, Technical Report NA2009/06, Department of Applied Mathematics and Theoretical Physics, Numerical Analysis Group, University of Cambridge.
• Ryden T., Teräsvirta T., Åsbrink S. (1998), Stylized facts of daily return series and the hidden Markov model, Journal of Applied Econometrics, 13:217-244.
• Yang M. (2001), Closed-form likelihood function of Markov-switching models, Economic Letters, 70:319-326.
• Zucchini W., MacDonald I.L. (2009), Hidden Markov Models for Time Series. An Introduction Using R, Chapman and Hall/CRC, Boca Raton.