Grupowanie indeksów światowych z uwzględnieniem przesunięć czasowych na podstawie modeli Copula-GARCH

• Autorzy: Anna Czapkiewicz , Beata Basiura

Warianty tytułu

World Indexes Clustering Using the Copula-GARCH Model Including Time Differences

• Języki publikacji: PL

Abstrakty

W pracy zaprezentowana została próba pogrupowania danych, którymi są dzienne stopy zwrotu 42 indeksów światowych. Jako miarę powiązań między poszczególnymi indeksami przyjęto współczynnik korelacji, który jest parametrem funkcji połączeń t-Studenta. W oparciu o ten współczynnik zdefiniowano miarę odległości, pozwalającą utworzyć podział na grupy taksonomiczne. Celem badania jest określenie, czy istnieje wpływ przesunięcia czasowego na wyniki grupowania.(abstrakt oryginalny)

EN

A fundamental problem in cluster analysis of financial time series is the choice of a relevant metric. In this paper we cluster the world indexes using the Ward method. We use the measure of distance based on the correlation of t-Student Copula with the marginal GARCH(1,1) model. Data used in this study are daily stock markets returns for 42 major international stock markets. We created five groups where the dependence of the market indexes were strongly dependent. We considered two cases: the case when the time differences were included and the case when the time difference was not included. The obtained results were similar.(original abstract)

Słowa kluczowe

PL

Stopa zwrotu kapitału; Giełda

EN

Return on Investment (ROI); Stock exchange

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2011
• Tom: 18
• Numer: nr 176 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 236--245

Twórcy

autor

Anna Czapkiewicz

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

autor

Beata Basiura

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

Bibliografia

• Bollerslev T., Generalized autoregressive conditional heteroskedasticity, "Journal of Econometrics" 1986, no. 31, s. 307-327.
• Breymann W., Dias A., Embbrechts P., Dependence structures for multivariate high-frequency data in finance, "Quantitative Finance" 2003, 3(1), s.1-16.
• Czapkiewicz A., Basiura B., Clustering Financial Data Using Copula-GARCH Model in an Application for Main Market Stock Returns, "Statistics in Transition (New Series)" 2010, vol. 11, no. 1, s. 25-45.
• Czapkiewicz A., Basiura B., Grupowanie indeksów światowych na podstawie modeli copula-GARCH, Prace Naukowe Uniwersytetu Ekonomicznego, Taksonomia 17, Wrocław 2010a, s. 81-89.
• Diebold F.X., Gunther T.A., Tay A.S., Evaluating density forecasts with application to financial risk management, "International Economic Review" 1989, 39(4), s. 863-883.
• Embreecht P., McNeil A.J., Straumann D., Correlation and Dependency in Risk Management: Properties and Pitfalls, [w:] M. Dempster, H. Moffant (red.), Risk Management, Cambridge University Press, New York 2001, s. 176-223.
• Fernández C., Steel M., On Bayesian modelling of fat tails and skewness, "Journal of the American Statistical Association" 1998, no. 93, s. 359-371.
• Grabiński T., Wydymus S., Zeliaś A., Metody taksonomii numerycznej w modelowaniu zjawisk społeczno- gospodarczych, Wydawnictwo Naukowe PWN, Warszawa 1989.
• Joe H., Xu J.J., The Estimation Method of Inference Function for Margins for Multivariate Models, Technical Report, Departments of Statistics, University of British Columbia 1996.
• Jondeau E., Rockinger M., The Copula-Garch model of conditional dependencies: An international stock market application, "Journal of International Money and Finance" 2006, no. 25, s. 827-853.
• Mashal R., Zeevi A., Beyond Correlation: Extreme Co-movements Between Financial Assets (October 14, 2002), Available at SSRN: http://ssrn.com/abstract=317122 or DOI: 10.2139/ssrn.317122.
• Roch O., Alegre A., Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market, "Computational Statistics & Data Analysis" 2006, no. 51, s. 1312-1329.
• Sklar A., Fonction de répartition à n dimensions et leur marges, Publications de L'Institut de Statistiques de L'Université de Paris, Paris 1959, s. 229-231.