Model BEKK procesu gospodarczego

• Autorzy: Anna Janiga-Ćmiel
• Języki publikacji: PL

Abstrakty

Badanie fluktuacji rozwoju gospodarczego wymaga przeprowadzenia wielu zróżnicowanych analiz stanowiących cykle powiązaną sekwencję i dających zupełny obraz badanego zagadnienia. Wymagania stawiane wobec tych analiz zmuszają do odpowiedniego doboru metod badawczych. Rozwój gospodarczy to proces, w którym oprócz wyodrębnionego trendu należy wszechstronnie rozpoznać oscylacje, zarówno regularne, jak i te przypadkowe. Do modelowania ich można wykorzystać pewne odmiany modelu GARCH. Badacze zaproponowali dziesiątki możliwych modyfikacji i rozszerzeń modelu GARCH (Fiszeder 2009) (Bollerslev, Chou i Kroner, Bera i Higgins, Engle i Nelson, Gourieroux, Osiewski i Pipień, Tsay, Bauwens, Laurent i Rombouts, Weron, Brzeszczyński i Kelm, Doman, Fiszeder). Jednym z ważniejszych zastosowań omawianych modeli jest modelowanie i prognozowanie zmienności. Zmienność odgrywa bardzo ważną rolę w zagadnieniach finansowych i makroekonomicznych, ponadto nie jest już tylko uznawana za miarę niepewności, ale także za nowe aktywo finansowe, które odgrywa ważną rolę w wyborze strategii inwestycyjnej oraz w polityce pieniężnej państwa. Nadal największą wadą modeli GARCH są niestety słabe podstawy teoretyczne. Nie wiemy, które z prezentowanych i stosowanych przez badaczy postaci modeli są najbardziej użyteczne. Wielorównaniowe modele GARCH pozwalają opisać nie tylko zmienne wariancje, ale także kowariancje, które odpowiadają za opis wzajemnych relacji między badanymi zjawiskami. Uważa się, że jednorównaniowe modele GARCH nie wyjaśniają przyczyn zmienności, a wielorównaniowe modele GARCH pozwalają na przeprowadzanie dodatkowo analiz dotyczących niektórych przyczyn zmienności. (fragment tekstu)

Słowa kluczowe

PL

Modele ekonomiczne; Rozwój gospodarczy; Prognozowanie; Modelowanie procesów gospodarczych

EN

Economic models; Economic development; Forecasting; Economic process modeling

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2013
• Tom: Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 5
• Strony: 96--111

Twórcy

autor

Anna Janiga-Ćmiel

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Doman M., Doman R (2009), Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej, Wolters Kluwer Polska Sp. z o.o., Warszawa
• Engle R.F., Kraft D. (1982), Autoregressive Conditional Heteroskedasticity in Multiple Time Series Models, Disscusion Paper, University of California, San Diego
• Fiszeder P. (2009), Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnictwo Naukowe Uniwersytetu Mikołaja Kopernika, Toruń
• Franco Ch., Zakoian J.M. (2009), GARCH Models. Structure, Statistical Inference and Financial Applications, NY
• Hellwig Z. (1997), Ekspansja gospodarcza Polski końca XX wieku, Wydawnictwo Wyższej Szkoły Bankowej, Poznań
• Hosking J. (1980), The Multivariate Portmanteau Statistic, „Journal of American Statistical Association
• Janiga-Ćmiel A., Mika J., Pośpiech E., Przybycin Z., Trzęsiok J., Trzęsiok M. (2010), Metody i modele analiz ilościowych w ekonomii i zarządzania, część 2, Prace Naukowe AE w Katowicach, Katowice
• Ling S., Li W. (1997), Diagnostic Checking of Nonlinear Multivariate Time Series with Multivariate ARCH Errors, „Journal of Time Series Analysis” No. 18
• Longbing C., Yong F., Jiang Z. (eds.) (2010), Advanced Data Mining and Applications, 6ih International Conference, ADMA 2010 Chongqing, China. November 2010, Procedings, Part II, Springer-Verlag, Berlin, Heidelberg
• Terasvirta T., Tj0stheim D., Granger C.W.J. (2010), Modeling Nonlinear Economic Time Series, Oxford University
• Wang P. (2003), Financial Econometrics. Methods and Models, Routledge Chapman & Hall
• Yamarone R. (2006), WskaŸniki ekonomiczne: przewodnik dla inwestora. Wydawnictwo Helion, Gliwice