Ocena trafności prognoz zmienności indeksu WIG20 konstruowanych na podstawie wybranych modeli klasy GARCH oraz rynkowej zmienności implikowanej

• Autorzy: Ryszard Węgrzyn

Warianty tytułu

Assessment of the forecasts accuracy of the WIG20 Index Volatility Constructed on the Basis of Selected Models of the GARCH Class and Market Implied Volatility

• Języki publikacji: PL

Abstrakty

Artykuł przedstawia wyniki analizy porównawczej trafności prognoz opar-tych na wybranych postaciach modeli typu GARCH oraz na implikowanym odchyleniu standardowym opcji na WIG20. Uzyskane rezultaty empiryczne nie wskazały na jedno-znaczną przewagę któregokolwiek z zaprezentowanych podejść. Wyniki różniły się w za-leżności od badanego okresu i horyzontu prognozy. Oznacza to, że podejście polegające na zastosowaniu implikowanego odchylenia standardowego ma pewną wartość i problem ten powinien być przedmiotem dalszych badań.(abstrakt oryginalny)

EN

This article presents the results of a comparative analysis of the accuracy of forecasts based on the chosen forms of the GARCH-type models and on the implied stand-ard deviation of the option on WIG20. The obtained empirical results did not indicate the explicit advantage of any of the presented approaches. The results differed depending on the examined period and the horizon of the forecast. It means that the approach consisting in applying the implied standard deviation has certain value and this problem should be an ob-ject of further research.(original abstract)

Słowa kluczowe

PL

Model GARCH; Warszawski Indeks Giełdowy (WIG)

EN

GARCH model; Warsaw Stock Exchange Index

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
• Rocznik: 2014
• Numer: nr 371 Inwestycje finansowe i ubezpieczenia - tendencje światowe a rynek polski
• Strony: 331--343

Twórcy

autor

Ryszard Węgrzyn

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• Alexander C., 2008, Market Risk Analysis. Pricing, Hedging and Trading Financial Instruments, J. Wiley, Chichester.
• Bauwens L., Hafner Ch., Laurent S., 2012, Handbook of Volatility Models and Their Applications, J. Wiley & Sons, Hoboken.
• Blair B., Poon S.-H., Taylor S.J., 2001, Forecasting S&P 100 Volatility: the Incremental Information Content of Implied Volatilities and High Frequency Index Returns, Journal of Econometrics, vol. 105.
• Bluhm H.H.W., Yu J., 2000, Forecasting Volatility: Evidence from the German Stock Market, Uni-versity of Auckland, Working Paper.
• Bollerslev T., Generalized Autoregressive Conditional Heteroscedasticity, Journal of Econometrics 1986, vol. 31.
• Canina L., Figlewski S., 1993, The Informational Content of Implied Volatility, Review of Financial Studies, vol. 6 (3).
• Christensen B.J., Prabhala N.R., 1998, The Relation Between Implied and Realized Volatility, Journal of Financial Econometrics, vol. 50 (2).
• Davidson J., 2011, Time Series Modelling, University of Exeter, Exeter.
• Ding Z., Granger C.W.J., Engle R.F., 1993, A Long Memory Property of Stock Market Returns and a New Model, Journal of Empirical Finance, vol. 1.
• Doman M., Doman R., 2009, Modelowanie zmienności i ryzyka. Metody ekonometrii finansowej, Wolters Kluwer, Kraków.
• Dunis C.L., Laws J., Chauvin S., 2000, The Use of Market Data and Model Combination to Improve Forecast Accuracy, Liverpool Business School, Working Paper.
• Engle R.F., 1982, Autoregressive Conditional Heteroscedasticity with Estimates of Variance of UK Inflation, Econometrica, vol. 50.
• Fiszeder P., 2009, Modele klasy GARCH w empirycznych badaniach finansowych, Wydawnictwo Naukowe UMK w Toruniu, Toruń.
• Fleming J., 1998, The Quality of Market Volatility Forecasts Implied by S&P 100 Index Option Pric-es, Journal of Empirical Finance, vol. 5.
• Fleming J., Ostdiek B., Whaley R.E., 1995, Predicting Stock Market Volatility: a New Measure, Journal of Futures Markets, vol. 15 (3).
• He C., Teräsvirta T., 1999, Properties of the Autocorrelation Function of Squared Observations for Second-order GARCH Processes Under Two Sets of Parameter Constrains, Journal of Time Se-ries Analysis, vol. 20 (1).
• Hol E.U., Koopman S.J., 2001, Forecasting the Variability of Stock Index Returns with Stochastic Volatility Models and Implied Volatility, Free University, Amsterdam, Working Paper.
• Lamoureux C.G., Lastrapes W.D., 1993, Forecasting Stock-Return Variance: Toward an Under-standing of Stochastic Implied Volatilities, Review of Financial Studies, vol. 6 (2).
• Natenberg S., 1994, Option Volatility & Pricing. Advanced Trading Strategies and Techniques, McGraw-Hill, New York.
• Nelson D.B., Cao C.Q., 1992, Inequality Constrains in the Univariate GARCH Model, Journal of Business Economic Statistics, vol. 10.
• Osiewalski J., Pajor A., Pipień M., 2004, Bayesowskie modelowanie i prognozowanie indeksu WIG z wykorzystaniem procesów GARCH i SV, [w:] A. Zeliaś (red.), XX Seminarium Ekonometryczne im. Prof. Zbigniewa Pawłowskiego, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków.
• Osińska M., 2006, Ekonometria finansowa, PWE, Warszawa.
• Poon S., Granger C.W.J., 2003, Forecasting Volatility in Financial Markets: a Review, Journal of Economic Literature, vol. XLI.
• Szakmary A., Ors E., Kim J.K., Davidson W.D., 2002, The Predictive Power of Implied Volatility: Evidence from 35 Futures Markets, Southern Illinois University, Working Paper.
• Taylor S.J., Modelling Financial Time Series, J. Wiley, Chichester 1986.
• Vasilellis G.A., Meade N., 1996, Forecasting Volatility for Portfolio Selection, Journal of Business and Finance Accounting, vol. 23 (1).
• Węgrzyn R., 2013, Zastosowanie wybranych modeli zmienności w analizie ryzyka cen akcji, [w:] Zarzecki D. (red.), Zarządzanie finansami. Wycena przedsiębiorstw, zarządzanie wartością, za-rządzanie ryzykiem, Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia, nr 761 (60).

Identyfikatory

DOI

10.15611/pn.2014.371.29