PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2014 | nr 36 T.2 Metody ilościowe w ekonomii | 11--25
Tytuł artykułu

Modelowanie empirycznych rozkładów stóp zwrotu z akcji notowanych na Giełdzie Papierów Wartościowych w Warszawie za pomocą logarytmicznej i klasycznej stopy zwrotu

Treść / Zawartość
Warianty tytułu
Modeling the Empirical Distributions of Return Rates on Warsaw Stock Exchange Stocks by Application of the Logarithmic and Classical Return Rates
Języki publikacji
PL
Abstrakty
W pracy wykonano modelowanie rozkładu stóp zwrotu z indeksu WIG, WIG20, MWIG40 i SWIG80 za pomocą rozkładu Gaussa, Laplace'a i rozkładu GED. Obliczenia przeprowadzono dla klasycznej i logarytmicznej stopy zwrotu w celu porównania końcowych rezultatów, jakimi były wyniki testu zgodności chi-kwadrat. Ponadto szczegółowo omówiono i zweryfikowano przydatność trzech metod estymacji parametrów rozkładu GED (metody największej wiarygodności oraz dwóch metod przybliżonych) do modelowania empirycznych rozkładów wybranych indeksów giełdowych. (abstrakt oryginalny)
EN
In this paper the modeling of return rates on WIG, WIG20, MWIG40 and SWIG80 indexes was made by application of Laplace, Gaussian and GED distributions. Calculations were made for classical and logarithmic return rates with the view of comparing the final results, which were the chi-square goodness-of-fit test results. Furthermore, the applicability of three methods of estimating GED parameters (Maximum Likelihood Method and two approximate methods) in modeling empirical return rates of selected stock exchange indexes was thoroughly discussed and verified. (original abstract)
Twórcy
  • Uniwersytet Szczeciński
Bibliografia
  • Bednarz K., (2012), Goodness of Fit Tests in Modeling the Distribution of the Daily Rate of Return of the WIG20 Companies, "Folia Oeconomica Stetinensia" 10(18) 2011/2, Szczecin.
  • Bednarz K. (2013), Modelowanie rozkładu tygodniowych stóp zwrotu spółek wchodzących w skład indeksu WIG20 za pomocą rozkładu Laplace'a i Gaussa. Wpływ wartości koncentracji na wynik testu zgodności dla rozkładu normalnego, Zeszyty Naukowe US nr 769, Finanse, Rynki Finansowe, Ubezpieczenia nr 63, Rynek kapitałowy, skuteczne inwestowanie, Szczecin.
  • Box G.E.P., Tiao G.C. (1962), A Further Look at Robustness via Bayes Theorem, "Biometrika" No. 49 (3/4).
  • Hsieh D.A. (1989), Testing for Nonlinear Dependence in Daily Foreign Exchange Rate Changes, "Journal of Business" 62.
  • Krupiński R., Purczyński J. (2006), Approximated Fast Estimator for the Shape Parameter of Generalized Gaussian Distribution, "Signal Processing" Vol. 86, No. 4.
  • Nelson D.B. (1991), Conditional Heteroskedasticity in Asset Returns: A New Approach, "Econometrica" Vol. 59, No. 2.
  • Purczyński J. (2003), Wykorzystanie symulacji komputerowych w estymacji wybranych modeli ekonometrycznych i statystycznych, Wydawnictwo Naukowe Uniwersytetu Szczecińskiego, Szczecin.
  • Purczyński J., Bednarz K. (2012), Metody estymacji parametrów uogólnionego rozkładu Gaussa, "Technika Transportu Szynowego" nr 9.
  • Sobczyk M. (2004), Statystyka, Wydawnictwo Naukowe PWN, Warszawa.
  • Subbotin M.T.H. (1923), On the Law of Frequency of Error, Mathematicheski Sbornik 31.
  • Weron A., Weron R. (1998), Inżynieria finansowa, WNT, Warszawa.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171308475

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.